人工智能芯片：AI巨轮的引擎.pdf

HeaderTable_User 810267106 849307396 1013244114 1544659266 1361147007 HeaderTable_Industry 13020500 看好 investRatingChange.same 173833581 深度报告 东方证券股份有限公司经相关主管机关核准具备证券投资咨询业务资格，据此开展发布证券研究报告业务。 东方证券股份有限公司及其关联机构在法律许可的范围内正在或将要与本研究报告所分析的企业发展业务关系。因此，投资者应当考虑到本公司可能存在对报告的客观性产生影响的利益冲突，不应视本证券研究报告为作出投资决策的唯一因素。 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 【行业证券研究报告】 报告起因 近日， Google 公布其 第二代 TPU 产品， Apple 也宣称正在 研发一款名为“苹果神经引擎 (Apple Neural Engine)”的 AI 专用芯片 ，人工智能芯片浪潮再起。 乌镇围棋峰会， 谷歌人工智能 AlphaGo 横扫柯洁等人类顶尖棋手，人工智能再度引发强烈关注。 核心观点 人工智能芯片前景广阔： 随着下游领域智能化需求的拉动，以及软硬件技术不断取得突破，人工智能技术再次迎来黄金发展期，有望引领新一轮技术革命。作为引领人工智能算法发展方向的深度学习技术，其中的核心环节在于采用 AI 芯片大幅提升计算能力，国内外各大科技巨头纷纷着力布局，人工智能芯片有望实现跨越式增长。 各类 AI 芯片百花齐放： 人工智能芯片主要包括 GPU、 FPGA、 ASIC 以及类脑芯片等类别，在人工智能时代，他们发挥各自优势，呈现百花齐放的态势：GPU 并行计算能力突出，在深度学习训练环节具备优势； FPGA 高性能低功耗的特性适合于推理环节取代传统的 CPU； ASIC 芯片专门针对人工智能设计，有望未来成为主流；类脑芯片作为突破性技术路线，未来如实现突破也将推动人工智能产业长远发展。 人工智能 芯片 在云端 与终端 领域 携手共进： 芯片是人工智能技术的核心环节，当前各大科技巨头在云端 AI 芯片领域进步较快，通过“云端化” +“ AI 芯片集群化”的模式高效为用户提供最大化便利；对于终端 AI 芯片领域，目前在汽车、机器人、家居等场景，人工智能技术已经开始得到应用，部分科技巨头也开始切入相应市场进行布局，终端 AI 芯片领域未来有望放量。 投资 建议与投资标的 未来我国人工智能芯片领域有望得到迅猛发展，国内已经有部分企业在沿人工智能产业链进行布局，在核心芯片、大数据、生物识别、物联网、安防等领域，国内公司均已顺利切入并取得一定突破进展。 结合公司整体业 务和人工智能芯片领域的状况，我们建议 关注中科曙光、全志科技、 景嘉微、通富微电、 富瀚微、海康威视、大华股份 。 风险提示 人工智能芯片研发不及预期； 下游需求不及预期 人工智能芯片： AI 巨轮的引擎 电子行业 行业评级 看好 中性 看淡 (维持 ) 国家 /地区 中国 /A 股 行业 电子 报告发布日期 2017 年 05 月 31 日 行业表现 资料来源： WIND 证券分析师 蒯剑 021-63325888*8514 kuaijianorientsec 执业证书编号： S0860514050005 胡誉镜 021-63325888*7518 huyujingorientsec 执业证书编号： S0860514080001 王芳 021-63325888*6068 wangfang1orientsec 执业证书编号： S0860516100001 联系人 王若擎 021-63325888-5023 wangruoqingorientsec 马天翼 021-63325888*6115 matianyiorientsec -6%0%6%11%17%16/0616/0716/0816/0916/1016/1116/1217/0117/0217/0317/04电子 沪深30 0 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 HeaderTable_TypeTitle 电子深度报告 人工智能芯片： AI巨轮的引擎 2 目 录 一、 人工智能芯片前景广阔 . 5 1.1. 人工智能市场高速增长 . 5 1.2. 深度学习引领人工智能算法发展方向 . 7 二、 GPU：并 行计算能力突出 . 10 2.1. GPU已获得广泛应用 . 10 2.2. GPU的优势来自并行计算能力 . 11 2.3. Nvidia垄断 GPU市场，国内公司逐步突破 . 12 三、 FPGA：低功耗场景凸显优势 . 14 3.1. FPGA性能领先 . 15 3.2. 双寡头垄断 FPGA市场 . 17 3.3. 国内 FPGA产业孜孜求索 . 19 四、 ASIC：有望成为主流趋势 . 20 五、 类脑芯片：超越“冯 诺依曼”架构的新思路 . 22 六、 人 工智能芯片在云端与终端携手共进 . 25 6.1. 云端 AI芯片领域百家争鸣 . 25 6.2. 终端 AI芯片领域初露头角 . 31 投资建议 . 38 风险提示 . 40 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 HeaderTable_TypeTitle 电子深度报告 人工智能芯片： AI巨轮的引擎 3 图表目录 图 1：人工智能关键要素 . 5 图 2：全球人工智能市场规模（单位：亿美元） . 6 图 3：中国人工智能市场规模（单位：亿元） . 6 图 4：全球人工智 能主要公司 . 6 图 5：国际人工智能领域三巨头动作 . 6 图 6：国内人工智能主要企业 . 7 图 7：深度学习 VS神经网络 . 8 图 8：深度学习市场规模 . 8 图 9：深度学习主要市场参与者及开源平台 . 9 图 10：各公司主要开源平台列表 . 9 图 11：主要深度学习平台性能比较 . 9 图 12： GPU在深度学习领域应用广泛 . 10 图 13：使用 NVidia加速计算 GPU 的企业数量快速增长 . 11 图 14： CPU与 GPU 结构差异 . 11 图 15： GPU 在 3 年时间内性能提高 50倍 . 12 图 16： GPU 每秒计算量远超 CPU . 12 图 17： GPU是 Nvidia的主要产品（ 2016年报） . 13 图 18： Nvidia在 GPU 市场有绝对优势 . 13 图 19： NVidia公司加速运算 GPU 及相关产品 . 13 图 20： Nvidia近年来财务数据（单位：百万美元） . 13 图 21：中国在 GPU 领域取得最新成就 . 14 图 22： FPGA 内部结构原理图 . 14 图 23： CPU、 GPU及 FPGA单次迭代时间比较（单位：微秒） . 15 图 24： CPU、 GPU及 FPGA单次迭代能耗比较（单位：毫焦） . 16 图 25： CPU、 GPU 及 FPGA三种芯片性能比较 . 16 图 26： 全球 FPGA市场规模保持较快增长（单位：亿美元） . 17 图 27： 2016年 FPGA市场份额分布 . 17 图 28：英特尔 Lake Crest 架构 . 18 图 29： Canyon Bridge Capital Partners 拟收购 Lattice . 19 图 30：谷歌 TPU内部架构 . 21 图 31：寒武纪芯片 . 21 图 32：寒武纪 2 号 DaDianNao 版图 . 21 图 33：中星微 NPU 架构图 . 22 图 34： 2022 年类脑芯片不同类型终端应用占比 . 23 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 HeaderTable_TypeTitle 电子深度报告 人工智能芯片： AI巨轮的引擎 4 图 35：各国类脑计算研究项目列表 . 23 图 36：各科技巨头类脑芯片产品列表 . 24 图 37： IBM第一代 TrueNorth 芯片 . 24 图 38：第一 代 IBM TrueNorth芯片与第二代比较 . 25 图 39： IBM神经元计算机包含 16颗 TrueNorth 芯片 . 25 图 40：全球云计算市场规模（亿美元） . 26 图 41：云计算平台人工智能功能 . 26 图 42： 2011 年 Watson参加节目 Jeopardy并取得冠军 . 26 图 43： Watson 产生答案流程 . 26 图 44： IBM POWER 处理器发展路径 . 27 图 45： POWER8 架构图 . 27 图 46：微软 Azure功能 . 28 图 47： 2014 年亚马逊 AWS市场份额占比遥遥领先 . 28 图 48：亚马逊 AWS能够提供的服务 . 28 图 49：谷歌云计算平台 . 29 图 50：阿里云适用场景 . 30 图 51：阿里云新一代 HPC . 30 图 52：百度与 Altera 合作建立 FPGA集群 . 31 图 53： 百度开放云功能 . 31 图 54： Nvidia Drive PX 车载计算平台 . 32 图 55： Nvidia Drive PX2 平台 . 32 图 56： Nvidia Xavier 芯片 . 33 图 57：高通发布智能汽车芯片 602A . 33 图 58：国内汽车电子芯片市场规模 . 34 图 59：飞思卡尔 Vybrid处理器 . 35 图 60：赛灵思 FPGA芯片 . 35 图 61：夏普机器人手机 RoBoHoN . 35 图 62：亚马逊 Echo 音箱基本构造 . 36 图 63： Echo 音箱主板芯片构成 . 36 图 64：京东 &科大讯飞叮咚音箱 . 37 图 65：叮咚音箱主板构造 . 37 图 66：人工智能芯片及应用 . 37 图 67： A股上市公司切入人工智能领域情况 . 38 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 HeaderTable_TypeTitle 电子深度报告 人工智能芯片： AI巨轮的引擎 5 一、 人工智能 芯片前景广阔 人工智能（ AI， Artificial Intelligence） 是用于开发和研究用于模拟甚至扩展人的智能的技术及应用系统的 一门新的技术 科学。人工智能的目标是对人意识和思维过程的模拟，让机器做到像人一样思考，甚至超过人的智能，从而使机器能够胜任通常需要人类智能才能完成的复杂工作。 当前实现 人工智能的 主要途径 是 软件 算法。目前算法主要可以分为工程学方法和模拟法两种，工程学方法利用大量数据处理经验，运用传统的编程技术使系统呈现智能效果，该方法已经在文字识别等领域有所建树；模拟法则在运算结果和实现方法 两个维度模仿人类或其他生物机理，从而提升算法性能，遗传算法（ GA）及神经网络（ ANN）均属于此类算法。 人工智能算法 不同于常规算法，需要用到大量的卷积等特定运算，常规处理器芯片在进行这些运算时效率较低 ，人工智能算法需要特殊的芯片。 目前主流芯片为 GPU 并行计算神经网络，而 FPGA 和 ASIC 也将成为推动人工智能进步的强大动力。 图 1：人工智能关键要素 数据来源：艾瑞咨询 ， 东方证券研究所 1.1. 人工智能市场 高速增长 在人工智能超过 60 年的发展历程中，经历了漫长的历史演进和技术更迭，并 曾 两次陷入低谷。近几年随着工业 4.0、智能生活、“互联网 +”等 领域的快速 进步 ，加之深度学习算法在语音和视觉识别上取得突破， 人工智能技术开始渗透至工业、医疗、教育、安全等多个领域，尤其是近两年来 ，由 DeepMind 公司开发的人工智能机器人 AlphaGo 接连 击败 李世石、柯洁等 著名围棋选手，人工智能 受到了全球大范围关注， 迎来 了 第三个 黄金 发展 时期。 根据 艾瑞咨询的 报告， 2015 年全球人工智能市场规模为 74.5 亿美元，而到 2020 年市场规模将扩大至 183 亿美元，复合年增长率将达到 19.7%。同时 预计到 2020 年，中国人工智能市场规模将从2015 年的 12 亿元增长至 91 亿元人民币， 复合年增长率将达到 50.0% 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 HeaderTable_TypeTitle 电子深度报告 人工智能芯片： AI巨轮的引擎 6 图 2： 全球人工智能市场规模 （单位：亿美元） 图 3： 中国人工智能市场规模 （单位：亿元） 数据来源： 艾瑞咨询 ， 东方证券研究所 数据来源： 艾瑞咨询 ， 东方证券研究所 人工智能市场规模的快速增长得益于其应用领域的不断开拓。根据 Venture Scanner 对全球 957家人工智能公司的跟踪调查，目前已经覆盖包括深度学习、机器视觉、指纹识别、人脸识别、个人助理、智慧机器人等 13 个具体应用，涉及工业机器人、安全识别、无人驾驶、智能医疗、智能家居等多个新兴产业，人工智能势必将成为新一轮科技革命的强大推动力量。 正因为此，国际科技公司巨头正在加速在人工智能领域的布局。谷歌、微软和英特尔等公司均在该领域不断深耕，取得巨大进展。 图 4：全球人工智能主要公司 图 5： 国际人工智能领域三巨头动作 数据来源： Venture Scanner， 东方证券研究所 数据来源： 互联网， 东方证券研究所 公司 进展 应用领域谷歌微软英特尔5 0 0 0 万美元投资量子计算机 硬件升级收购人工智能公司S a f f r o n 数据挖掘1 6 7 亿美元收购A l t e r a 芯片制造推出人脸情绪识别器 人脸识别人工智能助理小娜登陆各个平台 智能机器人6 0 0 0 万美元投资无人机公司Y u n e e c 无人机推出基于人工智能的聊天软件 智能机器人推出第三代”微软小冰” 智能机器人开源机器学习工具包D M T K 机器学习推出基于人工智能的新搜索算法RankBrain智能搜索联合福特研发无人驾驶汽车 无人驾驶开源人工智能平台T e n s o r F l o w 深度学习74.5 183 0204060801001201401601802002015 2020CAGR=19.7% 12 91 01020304050607080901002015 2020CAGR=50% 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 HeaderTable_TypeTitle 电子深度报告 人工智能芯片： AI巨轮的引擎 7 在国内市场，百度、科大讯飞、阿里巴巴、腾讯等巨头 也纷纷 在人工智能领域着力布局，而人工智能的广阔前景也吸引国内上百家创业公司投入其中，主要聚焦 领域包括智能语音、机器视觉、数据挖掘、智能机器人、无人机等。 图 6： 国内人工智能主要企业 数据来源： 艾瑞咨询， 东方证券研究所 1.2. 深度学习 引领 人工智能算法 发展方向 目前深度学习作为人工智能最为主流的算法获得广泛关注。这一概念由 Hinton 等人于 2006 年提出，其实质是通过构建具有很多隐层的机器学习模型和海量的训练数据，使机器 去 学习更有用的特征，从而最终提升分类或预测的准确性。也就是说，深度学习是对不同模式进行建模的一种方式，其结构具有较多层数的隐层节点以保证模型的深度；同时深度学习明确突出了特征学习的重要性，其通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使识别或预测更加准确。 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 HeaderTable_TypeTitle 电子深度报告 人工智能芯片： AI巨轮的引擎 8 因此深度学习集中体现了机器学习算法的三大趋势，首先是用较为复杂的模型降低模型偏差，二是用大数据提升统计估计的准确性，三是用可扩展的梯度下降算法求解大规模优化问题。 图 7：深度学习 VS神经网络 数据来源： 互联网， 东方证券研究所 目前“大数据 +深度神经网络”模型已经成为机器学习发展的核心路径，根据 Tractica 的预测，到2024 年，深度学习仅仅在软件方面的市场价值就将超过 104 亿美元，硬件和服务方面的收入将会是软件 市场规模 的数倍 以上 。 图 8：深度学习市场 规模 数据来源： Tractica， 东方证券研究所 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 HeaderTable_TypeTitle 电子深度报告 人工智能芯片： AI巨轮的引擎 9 面对深度学习庞大的市场 前景 ，各大科技公司纷纷发力。深度学习不仅要求 具备 庞大的数据量作为训练支撑，还需要根据系统输出和目标之间的误差调整模型各层参数，直至收敛。因此，全球各大人工智能巨头争相开源自身的深度学习平台，不仅可以为机器学习提供大量的数据支持，同时为机器智能的训练提供大量现实的场景。例如谷歌在 20