20170921-华泰证券-AI+系列报告之一：智能计算芯片：人工智能产业硬件基础与第一桶金_43页_2mb

人工智能与智能计算芯片行业研究报告总结

核心内容概述

人工智能技术正在快速发展，成为推动多个行业变革的重要力量。深度学习算法的成熟、大数据的普及以及高性能计算能力的提升，使人工智能在语音识别、图像识别、围棋和德州扑克等复杂任务中取得了突破性进展。同时，人工智能产业在中国和全球范围内迅速扩张，预计到2020年，中国人工智能核心产业规模将达到1500亿元，全球市场规模将达4000亿元。随着人工智能的广泛应用，智能计算芯片成为其发展的重要基石，市场空间广阔，具有显著的投资价值。

主要观点

• 人工智能技术发展迅速：深度学习算法推动了人工智能在多个领域的应用落地，如安防、医疗、金融、驾驶等。
• 智能计算芯片需求旺盛：GPU、FPGA、ASIC等芯片在人工智能计算中发挥关键作用，其中GPU因其强大的并行计算能力成为主流方案。
• 国产芯片发展潜力大：尽管目前中国在CPU、GPU等芯片领域严重依赖海外产品，但随着人工智能和国产化安全需求的增加，国产芯片企业正迎来发展契机。
• 技术路线多样化：人工智能芯片技术路线包括CPU、GPU、FPGA、ASIC等，各有优劣，未来将更多采用异构计算架构。

关键信息

人工智能技术进展

• 语音识别准确率超过95%，图像识别准确率也大幅提升。
• 人工智能在围棋、德州扑克等复杂领域取得突破，AI程序在这些领域战胜人类顶尖选手。
• 深度学习算法无需编程，从数据中自动学习，对计算能力要求极高。

人工智能行业应用

• 人工智能在多个行业领域开始落地，包括安防、教育、医疗、金融、驾驶等。
• 中国人工智能市场规模在2016年达到239亿元，预计2018年将增长至381亿元，年复合增长率达26.3%。

智能计算芯片市场

• GPU：凭借强大的并行计算能力成为人工智能计算的主要选择，预计2020年全球GPU市场空间达300亿美元。
• FPGA：具有可编程、高性能和低功耗优势，适用于灵活的计算需求，但开发成本较高。
• ASIC：高度定制化，性能和功耗比远超GPU和FPGA，被认为是终极解决方案，华为麒麟970和苹果A11处理器已进入实用化阶段。

国内芯片发展现状

• 中国在CPU、GPU等芯片领域主要依赖Intel、AMD和NVIDIA等海外企业。
• 国内GPU市场由景嘉微、中科曙光等企业代表，其中景嘉微在GPU领域具备独特优势。
• 国内FPGA市场由Xilinx、Intel等主导，但部分企业如中科创达正通过合作推动国产替代。

国家政策支持

• 中国高度重视人工智能，将其纳入国家战略。
• 《新一代人工智能发展规划》提出到2020年，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。
• 国家发改委、科技部、工信部等机构联合制定相关政策，推动人工智能产业发展。

重点公司推荐

• 景嘉微：拥有成熟GPU产品，是国产GPU的重要标的。
• 中科曙光：获得AMD最新架构授权，与寒武纪、英伟达战略合作，未来潜力大。
• 科大讯飞：与寒武纪合作，是AI算法及行业应用龙头。
• 中科创达：与华为深度合作，支持AI芯片开发，具备技术优势。

投资建议

• 重点推荐【景嘉微】，其GPU产品具备高竞争力。
• 关注【中科曙光】，其在服务器CPU和AI计算领域有较大发展潜力。
• 重点关注【科大讯飞】，其AI算法和应用能力领先。
• 增持【中科创达】，其在AI软硬生态构建中具备优势。

风险提示

• 国产智能芯片技术进步不达预期。
• AI行业应用进展不达预期，可能影响市场需求。

图表目录

• 图表1：CHIME语音识别竞赛历届冠军准确率
• 图表2：ImageNet图像识别竞赛历届冠军准确率
• 图表3：围棋人机大战
• 图表4：德州扑克人机大战
• 图表5：人工智能在众多行业领域应用进入落地阶段
• 图表6：全球人工智能投资额及投资笔数
• 图表7：2015年以来IT和互联网巨头AI领域布局
• 图表8：孙正义复活方程式
• 图表9：全球AI市场规模
• 图表10：中国AI市场规模
• 图表11：美国干预中国收购海外半导体企业
• 图表12：2016年全球数据中心AI应用统计
• 图表13：Intel 2017 年中报各业务营收
• 图表14：Intel 人工智能 NERVANA 平台
• 图表15：Intel 全领域“端到端”方案
• 图表16：AMD服务器端EPYC与IntelXeon芯片性能对比
• 图表17：AMD PC 端 Ryzen 芯片与 Intel I7 芯片全面对比
• 图表18：Intel人工智能架构 Lake Crest 微结构
• 图表19：AMD APU 功能示意
• 图表20：集成显卡GPU市占率
• 图表21：独立显卡GPU市占率
• 图表22：CPU和GPU微结构对比
• 图表23：Nvidia Tesla V100 相比于 P100 的性能提升
• 图表24：英伟达近十年来年报业绩表现
• 图表25：“Kaby Lake-G”处理器
• 图表26：AMD最新VegaGPU性能测试
• 图表27：ARM的Mali-G51 GPU
• 图表28：Imagination的Power VR系列
• 图表29：军用图形显控产品应用示意
• 图表30：主动防护雷达系统
• 图表31：FPGA架构图
• 图表32：CPU和FPGA协同工作
• 图表33：Xilinx近年来年报业绩表现（亿美元）
• 图表34：IBM神经网络处理器结构
• 图表35：Google TPU架构
• 图表36：ARM发布DynamIQ架构
• 图表37：Mobileye EyeQ5芯片的电路系统块图
• 图表38：寒武纪芯片微结构
• 图表39：华为麒麟970芯片重要技术参数
• 图表40：华为麒麟970芯片内部架构
• 图表41：华为麒麟970芯片功能亮点
• 图表42：华为端云协同AI移动战略
• 图表43：华为与中科创达共筑AI生态
• 图表44：苹果A11CPU性能提升
• 图表45：苹果A11GPU性能提升
• 图表46：百度发布DuerOS智慧芯片
• 图表47：中星微NPU

技术发展与市场前景

• CPU：作为数据中心的传统支柱，未来将更多与其他专用芯片搭配使用，但性能和效率并非最优。
• GPU：在人工智能计算中扮演重要角色，具有强大的并行计算能力和完善的软件生态。
• FPGA：可编程、高性能和低功耗，适用于灵活的计算需求，但硬件成本较高。
• ASIC：神经网络处理器是人工智能计算的终极解决方案，性能和功耗比远超其他芯片，华为、苹果等公司已开始应用。

总结

人工智能正进入快速发展阶段，智能计算芯片成为其发展的关键支撑。随着深度学习算法的成熟和行业应用的拓展，GPU、FPGA、ASIC等芯片在人工智能领域展现出巨大的市场潜力。中国在人工智能领域具有显著的政策和市场优势，但芯片产业仍面临依赖海外产品的问题。未来，随着国产芯片技术的提升和政策支持的加强，国产智能计算芯片有望在人工智能生态中占据重要位置，成为投资热点。