计算机行业跟踪报告AI芯片助中国芯弯道超车由浅入深度学习20170925兴业证券32页

请阅读最后一页信息披露和重要声明行业研究行业跟踪报告证券研究报告＃industryId＃计算机＃investSuggestion＃推荐(＃investSuggestionChange＃维持）＃relatedReport＃相关报告《人脸识别行业报告：浮云渐散，刷脸时代来临》2017-09-23《首个系统性发展规划落地，AI迎来新机遇》2017-07-21《AlphaGo三胜柯洁，人工智能进化几何》2017-05-30＃emailAuthor＃分析师：袁煜明[e-mail]0190515040001＃assAuthor＃研究助理：洪依真[e-mail]投资要点＃summary＃战略级政策频吹春风，中国“芯”有望借AI芯片弯道超车。我国传统芯片产业长期落后美日韩等发达国家，尽管占有9成以上PC和智能手机的制造量，但芯片自给率仅10%左右。而产业向AI芯片的升级带来了绝佳机会，寒武纪、海思等优势企业有望推动中国“芯”实现弯道超车。近年国家战略级政策对AI芯片相关产业频吹春风，国内终端市场大，国产AI芯片有望借国产化趋势与智能手机、安防摄像头等终端率先形成放量。深度学习要求极高的并行计算能力，大数据、算力、训练方法等领域的突破使AI芯片作为上游产业率先爆发。人工神经网络通过训练与预测的过程实现应用，对并行计算能力要求高，训练偏好高性能，应用对简单指令重复计算和及时性要求高。随着大数据存取、算力以及深度学习训练方法等方面的瓶颈被突破，芯片作为AI领域的上游成为了率先爆发的产业。CPU难以满足并行计算要求，AI芯片站上舞台。CPU的串行结构难以应对AI计算在简单指令下的并行算力要求，AI芯片应运而生。其中，GPU因其易编程性和良好的并行计算能力最早最广泛被应用于AI计算。AI芯片各有千秋，非冯架构下的非类脑芯片占据上风，GPU仍是主流，FPGA和ASIC增速较快。按照是否为冯诺依曼架构及是否为类脑芯片可对市场中用于AI计算的芯片进行分类：冯诺依曼架构下均是非类脑芯片，主要包括传统的CPU和GPU；非冯架构下包括类脑与非类脑芯片，其中非类脑芯片包含ASIC（寒武纪、谷歌TPU等）、FPGA和部分新GPU（Nvidia的Tesla系列等），类脑芯片包括IBM的TrueNorth等。在主要的AI芯片中，GPU峰值性能高、通用性好，但功耗大，适用于数据中心和训练过程；FPGA效率高、灵活性好，但峰值性能弱、成本高，适用虚拟化云平台和预测过程；ASIC效率高、功耗比佳，但量产前成本高，适用智能终端和AI平台；类脑芯片能耗低、感知力强，但缺乏训练、精度低。英伟达新推Volta架构，GPU有望保持领导地位，Intel加码CPU+FPGA，而以寒武纪为代表的ASIC厂商在终端的落地前景更为广阔。英伟达Volta架构提升了GPU预测效率，Intel不断推进CPU+FPGA架构，未来或呈现GPU发展高端复杂算法、高性能计算和数据中心；ASIC发展智能终端、AI平台与算法IP化；FPGA应用于变化较快的行业应用和虚拟化云平台这样的格局，其中注重终端寒武纪等ASIC的落地前景更为广阔。推荐标的：软件SoC：中科创达；芯片制造：富瀚微；服务器：中科曙光、浪潮信息。风险提示：ASIC研发进度不及预期、终端落地反馈不佳＃title＃AI芯片助中国“芯”弯道超车，由浅入“深”度学习＃createTime1＃2017年9月25日请阅读最后一页信息披露和重要声明-2-行业跟踪报告目录1、AI芯片迎政策春风，中国“芯”突破可期...............................................-4-1.1、芯片产业具备战略性、先导性和基础性，中国“芯”奋起直追.............-4-1.2、AI芯片形成突破，战略级政策频吹春风，助力弯道超车.......................-5-1.3、终端引领ASIC芯片落地浪潮，国产化趋势或带来发展良机..................-7-2、大数据与深度学习推动AI芯片进化........................................................-8-2.1、人工神经网络与深度学习简介及其对算力的要求..................................-8-2.2、大数据、场景和算力需求相互促进，推动上游的AI芯片发展..............-11-3、AI计算芯片—前世今生.........................................................................-12-3.1、CPU难堪大任，AI芯片站上舞台.......................................................-12-3.2、AI芯片的业态简述和对比..................................................................-13-4、GPU、FPGA、ASIC与类脑芯片的优缺点与应用场景............................-16-4.1、GPU性能高、功耗大、通用性好，适用于数据中心和训练过程...........-16-4.2、FPGA效率高、灵活性好，但峰值性能较弱、成本较高，适用于虚拟化云平台和预测过程.............................................................................................-18-4.3、ASIC效率高、功耗比佳，但量产前成本高，适用智能终端和AI平台.-19-4.4、类脑芯片能耗低、感知力强，但缺乏训练方法、精度低......................-20-5、芯片的业态和应用领域..........................................................................-21-5.1、GPU与英伟达....................................................................................-21-5.2、FPGA与Xilinx、Altera.......................................................................-22-5.3、ASIC与Google、寒武纪....................................................................-23-5.4、类脑芯片与IBM和高通......................................................................-24-6、AI芯片的未来走向................................................................................-25-6.1、短期：GPU仍延续AI芯片的领导地位，FPGA增长较快....................-25-6.2、长期：各种AI芯片基于各自优势适用于不同场景...............................-25-7、相关标的...............................................................................................-26-8、风险提示...............................................................................................-28-图1、我国集成电路进口额占全球市场份额超6成，逆差近年稍有稳定........-4-图2、国内芯片产业销售额保持20%增速.....................................................-5-图3、进入全球前50的企业数迅速上升.......................................................-5-图4、海思今年有望进入全球半导体前20强................................................-5-图5、神经网络模型.....................................................................................-9-图6、神经网络应用过程：训练和预测.........................................................-9-图7、数字“6”的不同形式.......................................................................-10-图8、鲁本斯的油画《竖起十字架》...........................................................-10-图9、DeepMind机器人翻越障碍.................................................................-11-图10、AmazonGoJustWalkOut..................................................................-11-图11、AI芯片发展的助力..........................................................................-12-图12、CPU指令流水执行..........................................................................-12-图13、CPU结构........................................................................................-12-图15、AI芯片简要发展历程......................................................................-14-图16、GPU中计算单元占比高...................................................................-16-图17、GPU浮点计算能力远高于CPU.......................................................-16-图18、英伟达TeslaP100GPU可使数据中心应用程序性能提升高达50倍..-17-请阅读最后一页信息披露和重要声明-3-行业跟踪报告图19、FPGA内部结构...............................................................................-18-图20、Volta架构的新GPUV100在预测阶段性能提升约10倍，是CPU的30倍...................................................................................................