20170916-天风证券-半导体行业深度研究_人工智能芯片-新架构改变世界_30页_1mb

半导体行业研究报告：人工智能芯片引发底层架构变革

核心内容

本报告探讨了人工智能（AI）对半导体底层架构的深刻影响，指出随着数据量的指数增长和摩尔定律的放缓，传统的冯诺伊曼架构已难以满足AI计算需求，从而催生了新的芯片架构的出现。人工智能芯片，如GPU、FPGA、ASIC等，正在引领一场可能超越以往任何时代的科技革命。

主要观点

• 硅基极限与摩尔定律放缓：半导体行业面临硅基物理极限和摩尔定律放缓的双重挑战，芯片性能提升受限，而数据量却呈现指数级增长，导致传统架构难以满足AI需求。
• 冯诺伊曼架构的局限性：冯诺伊曼架构以线性处理流程为基础，无法有效支持AI所需的高并行性与低功耗需求。
• AI芯片的崛起：AI芯片通过新架构设计，如GPU、FPGA、ASIC，实现深度学习算法的高效处理，推动计算体系的变革。
• 市场空间测算：从两个维度预测AI芯片市场空间，预计到2020年，AI芯片市场规模将达到百亿美元级别。

关键信息

1. 人工智能倒逼芯片底层的真正变革

• 数据量激增：全球智能手机每月产生的数据量在5年内提升了13倍，表明AI对数据处理能力的需求迅速上升。
• 架构转变：AI芯片采用神经网络计算范式，以分布式处理和数据流为主，突破传统冯诺伊曼架构的限制。
• 行业趋势：AI将改变所有已有领域，推动芯片设计企业向新架构转型，重新定义计算底层。

2. 基于摩尔定律的机器时代的架构——从Wintel到AA

• Intel与ARM的主导地位：
  • Intel：以x86架构为主导，推动PC时代发展，市场份额接近90%。
  • ARM：通过共享IP商业模式，构建开放生态，占据全球95%的智能手机市场。
• 架构特点：
  • Intel：基于CISC架构，注重指令集扩展，适合复杂计算。
  • ARM：采用RISC架构，强调低功耗与高性能，适合移动设备。
• 商业模式差异：
  • Intel通过销售芯片盈利，ARM通过授权和版税盈利，两者均推动了其所在领域的快速增长。

3. 人工智能芯片——新架构的异军突起

• GPU：
  • 应用：主要用于图像处理和深度学习。
  • 性能：具有大规模并行计算能力，相比CPU效率更高。
  • NVIDIA：占据全球84%的高性能显卡市场份额，其GPU业务贡献公司总收入的83%。
• FPGA：
  • 优势：低功耗、高效率，适合定制化并行计算。
  • 性能对比：相比CPU，FPGA在特定任务上速度更快，功耗更低。
• ASIC：
  • 定制化：为特定应用（如图像处理、语音识别）设计，性能和功耗优化显著。
  • TPU与VPU：
    • TPU：谷歌专为深度学习设计的张量处理器，性能远超传统CPU和GPU。
    • VPU：如Movidius的Myriad系列，专为视觉处理设计，支持3D景深结构、实时识别等。
• 人工神经网络芯片：
  • 寒武纪：致力于打造类脑芯片，其架构将存储与处理一体化，大幅提升性能与能效比。
  • 性能表现：寒武纪芯片在处理速度和性能功耗比上显著优于传统GPU和CPU。

4. 从两个维度测算人工智能芯片空间

• 维度一：AI市场规模反推芯片空间：
  • 2020年AI市场规模预计达400亿美元，其中硬件占比约160亿美元，芯片占硬件BOM的60%，预计市场规模为96亿美元。
• 维度二：云端与终端市场拆分：
  • 云端：预计2021年市场规模达106亿美元，CAGR为21.77%。
  • 终端：预计2021年市场规模达5.55亿美元，CAGR为10.49%。
  • 智能手机：AI芯片市场规模从2016年的2.25亿美元增至2021年的4.26亿美元。
  • 无人驾驶汽车：AI芯片市场规模从0.80亿美元增至1.29亿美元。

重点标的

• 台积电：作为全球领先的晶圆代工厂，其先进制程是AI芯片制造的基础，具有显著的行业卡位优势。
• Intel：通过收购Altera和Movidius，加强其在AI芯片领域的布局，未来可能在FPGA和VPU市场占据重要地位。
• NVIDIA：专注于GPU设计，其产品在AI训练和推理领域广泛应用，预计2018年出货量达4175万颗。
• 寒武纪：开发类脑芯片，具备高性能和低功耗优势，有望在AI芯片市场占据领先地位。
• 其他参与者：包括AMD、ARM、全志科技、富瀚微、北京君正等，均在AI芯片领域有所布局。

风险提示

• 人工智能芯片的发展可能不达预期，技术突破和市场接受度存在不确定性。

投资评级

• 行业评级：强于大市（维持评级）

图表目录（部分）

• 图1：遵从摩尔定律发展到微处理器发展
• 图2：摩尔定律在放缓
• 图3：全球智能手机每月产生的数据量（EB）5年提升了13X
• 图4：单一神经元VS复杂神经元
• 图5：两次应用驱动芯片发展
• 图6：英特尔x86处理器总市场份额
• 图7：使用X86架构的单元
• 图8：摩尔定律下推动下的Intel股价上扬
• 图9：Intel 2012Q1-2016Q4各产品线增速
• 图10：Intel总产品收入VS PC端收入
• 图11：Intel VS 全球半导体增速
• 图12：ARM的商业模式
• 图13：ARM架构的发展
• 图14：高级消费电子产品正在结合更多的ARM技术
• 图15：ARM在智能手机中的成分
• 图16：基于ARM芯片的出货量
• 图17：ARM在载有处理器芯片部门的市场占有率
• 图18：ARM收入及利润情况
• 图19：人工智能芯片产业链
• 图20：CPU VS GPU架构
• 图21：GPU架构流程
• 图22：CPU VS GPU
• 图23：FPGA架构
• 图24：FPGA VS CPU性能
• 图25：FPGA VS CPU功耗
• 图26：NVIDIA 2017年上半年收入构成
• 图27：NVIDIA出货芯片预测
• 图28：VPU架构
• 图29：VPU模组
• 图30：VPU应用
• 图31：3D景深结构
• 图32：3D成像
• 图33：Google公司TPU架构
• 图34：Google公司TPU性能
• 图35：寒武纪处理方式
• 图36：寒武纪芯片性能/能效
• 图37：终端和移动端
• 图38：人工智能市场规模
• 图39：人工智能芯片总市场规模
• 图40：云端市场规模
• 图41：终端领域人工智能芯片市场规模预测

相关报告

1. 《半导体-行业研究周报：一周半导体行业观点：智能手机8月挹注台积电营收，4Q将成半导体产业链今年最强季，关注产业链公司》2017-09-10
2. 《半导体-行业点评：边际改善提升业绩增长，关注半导体族群》2017-09-09
3. 《半导体-行业点评：抽丝剥茧——探寻本轮半导体元器件涨价背后的原因》2017-04-01