计算机行业全行业AI赋能系列深度之四：Wintel生态壁垒是否会在AI芯片领域重演-20210906-申万宏源-38页_3mb

AI芯片生态壁垒是否会在AI领域重演分析总结

核心内容

本文探讨了AI芯片行业是否会出现类似PC领域“Wintel”联盟的生态壁垒现象，重点分析了英伟达在数据中心AI芯片市场占据的绝对优势，以及AMD、谷歌、华为昇腾、寒武纪等厂商在生态壁垒上的挑战与突破策略。

主要观点

• 生态壁垒的本质：AI芯片生态壁垒的核心在于软硬件的高度耦合，特别是算子库与AI芯片硬件的兼容性问题。深度学习框架需要为不同芯片编写特定算子，这使得框架厂商更倾向于支持市占率高的芯片厂商。
• 突破生态壁垒的机会：我们认为有三种可能机会可以突破AI生态壁垒：AI编译器的成熟、芯片性能显著优于英伟达、等待英伟达出现失误。
• 历史借鉴：PC领域的“Wintel”联盟生态的成功与失败案例为AI芯片生态的构建提供了参考，如苹果MacOS X的封闭生态成功和AMD通过性能与工艺突破获得市场份额。

关键信息

• 英伟达的生态优势：英伟达在数据中心AI芯片市场占据97%以上的份额，其AI软件生态壁垒是其长期保持垄断地位的关键。
• 各厂商策略：
  • AMD：走兼容CUDA的路线，借力英伟达生态。
  • 寒武纪等厂商：沿袭英伟达的路线，专注于芯片性能提升。
  • 谷歌、华为、百度：采取“深度学习框架+AI芯片”自研路线。
• 瓶颈问题：
  • AMD：难以完全兼容CUDA，更新迭代速度跟不上。
  • 寒武纪：芯片性能和算子库仍有提升空间，缺乏框架厂商支持。
  • 谷歌：TPU性能仍有提升空间，且过于专用。
  • 华为：缺乏深度学习框架厂商支持，自研的MindSpore尚未解决主流框架的痛点。
• 突破路径：
  • AI编译器：解决算子自动开发与优化问题，实现软硬件解耦。
  • 芯片性能：若芯片性能显著优于英伟达，可能吸引框架厂商支持。
  • 英伟达失误：在英伟达出现技术或市场失误时，其他厂商有机会抢占市场份额。

结构清晰

1. AI芯片的竞争点不止是芯片本身

• AI芯片厂商不仅关注硬件设计，还重视软件研发，尤其是智能编程语言、算子库和工具链。
• 软件投入成为AI芯片设计成本中占比最大的部分，尤其是在工艺制程演进的背景下。
• 深度学习框架的优化主要集中在算子和计算图的优化，而AI芯片厂商需要提供底层算子库支持。

2. 前车之鉴：PC时代的Wintel联盟

2.1 五次失败的冲击

• IBM OS/2：因不兼容、定价高、性能弱等失败。
• UNIX：由于版本不统一，无法形成统一的软件生态。
• PowerPC：因苹果不授权MacOS，IBM无法推动生态发展。
• 经典MacOS：因性能差、定价高、生态不友好失败。
• RISC阵营：因指令集不兼容、生态碎片化未能成功。

2.2 两次成功的冲击

• AMD的崛起：通过获得x86指令集授权，结合高性能和先进工艺，成功反超英特尔。
• 苹果MacOS X：虽市占率不高，但因对开发者友好，吸引了大量软件开发支持。

2.3 总结

• 成功生态构建需具备兼容性、性能优势、对开发者友好和价格优势。
• 垄断厂商的失误和创新是突破生态壁垒的关键。

3. AI芯片生态壁垒如何破局？

3.1 AI生态与PC生态的相同和不同

• 相同点：软硬件联合优化是提升性能的关键。
• 不同点：AI生态可能在未来变得松散，深度学习编译器有助于实现软硬件解耦。

3.2 深度学习编译器的作用

• 图编译器：解决不同训练框架模型部署到不同芯片平台时的跨平台兼容性问题。
• 算子编译器：实现算子自动优化，减少人工投入，提高框架与芯片的解耦程度。
• 编译器发展趋势：随着技术进步，编译器有望成为打破生态壁垒的重要工具。

风险提示

• 非市场因素：如芯片制造环节遭遇瓶颈。
• 关键研发人员流失：影响公司技术发展。
• 客户自研AI芯片：可能对现有生态造成冲击。

图表与数据

• 图1：芯片设计成本变化趋势。
• 图2：智能计算系统体系结构层次。
• 图3：CPU/GPU/DLP对应的软件层。
• 图4-图25：PC市场与操作系统发展数据。
• 图26-图35：AI编译器与框架支持情况。
• 表1-表7：各厂商市场份额、性能参数与估值数据。

结论

英伟达的AI生态壁垒并非不可突破，只要任何一家AI芯片公司能够获得10%的市场份额，就有机会吸引深度学习框架厂商为其提供特定优化，从而建立自己的生态。AI编译器、芯片性能优势以及英伟达的失误，是未来突破生态壁垒的三大可能机会。