AI芯片行业迎来黄金发展期.pdf

本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 AI 芯片行业迎来黄金发展期 证券 研究报告 所属 部门 股票研究 部 报告 类别 行业 深度 所属行业 电子 行业评级 增持评级 报告 时间 2017/10/11 分析师 杨欧雯 证书编号： S1100517070002 010-66495651 yangouwencczq 联系人 王睿 证书编号 ： S1100117090008 0755-25332321 wangruicczq 川财研究所 北京 西城区平安里西大街 28 号中海国际中心 15 楼，100034 上海 陆家嘴环路 1000 号恒生大厦 11 楼， 200120 深圳 福田区福华一路 6 号免税商务大厦 21 层， 518000 成都 中国（四川）自由贸易试验区成都市高新区交子大道177 号中海国际中心 B 座 17楼， 610041 电子 行业 覆盖报告 核心观点 华为发布全球首款内置 NPU 人工智能处理器 -麒麟 970 华为在 IFA2017 大会上公布了 麒麟 970 处理器 ，是全球首款内置 NPU 的处理器 。 麒麟 970 采用异构架构完成人工智能处理，另一创新之处在于端云结合实现人工智能 。 麒麟 970 芯片的发布使得 人们再度 聚焦 人工智能 芯片的发展 。 人工智能芯片的崛起之路 传统 CPU 的架构在解决深度学习任务时效率低 、 成本高 ， 催生新硬件 。 人工智能芯片的 出现 不是为了执行指令，而是为了大量数据训练和应用的计算 。 其中，GPU 因其海量数据并行运算能力被首先引入深度学习。 人工智能 是互联网诞生以来的第二次技术社会形态在全球的萌芽 ，中国和海外国家 也分别从国家层面对人工智能产业进行战略布局。 AI 芯片三种技术路线 ， ASIC 是终端应用趋势 目前适合深度学习的人工智能芯片主要有 GPU、 FPGA、 ASIC 三种技术路线。三类芯片代表分别有英伟达（ NVIDIA）的 Tesla 系列 GPU、赛灵思（ Xilinx）的 FPGA 和 Google 的 TPU。 GPU 最先被引入深度学习，技术最为成熟； FPGA具有硬件可编程特点，性能出众但壁垒高。 ASCI 由于可定制 、 低成本是未来终端应用的趋势 。 科技巨头加紧布局 AI 芯片，寒武纪跻身国际前列 全球科技巨头 都在加紧布局 AI 芯片，希望走在科技变革时代的前线。 NVIDIA是 AI 芯片的市场领先者，占据了全球 GPU 70%的市场份额； Intel 接连收购Altera 等 公司 ，全方位布局 AI 产品； Google 发布两代 TPU，从 ASIC 方向进军AI 芯片市场； 而国内的寒武纪科技是中科院计算所孵化的一家独角兽公司，2016 年推出了国际首个深度学习专用处理器芯片 (NPU)，技术全球领先 。 该领域主要龙头企业 AI 芯片是人工智能领域的上游，基于 AI 芯片的下游场景应用极为丰富，包括安防、消费电子、自动驾驶、可穿戴设备等。由于 A 股市场没有像英伟达、Google 这样的 AI 芯片企业，可以从 AI 芯片产业的下游精选个股。 相关标的包括 富瀚微（国内领先的视频监控芯片设计商，产品包括安防视频监控多媒体处理芯片和数字接口模块等）、中科曙光（国内 HPC 龙头，与寒武纪战略合作）、科大讯飞（智能语音领导者，技术全球领先）、东方网力（安防行业国内领先的视频监控管理产品与解决方案提供商）等公司 。 风险提示 ： 半导体行 业景气度不及预期；技术创新对传统产业格局的影响 川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 2/23 正文 目录 一、华为发布麒麟 970，人工智能行业热潮再起 . 4 1.华为发布全球首款内置 NPU 人工智能处理器 -麒麟 970 . 4 2.人工智能热潮再起 . 5 二、人工智能芯片的崛起之路 . 6 1.什么是人工智能芯片？为什么需要它？ . 6 2.现在处于弱人工智能、感知智能的初步阶段 . 7 3.人工智能已成为各国战略布局的重要一环 . 8 三、 AI 芯片三种技术路线， ASIC 是终端应用的趋势 . 9 1.GPU:最先被引入深度学习，技术成熟 . 10 2.FPGA:具有硬件可编程特点，性能出众壁垒高 . 11 3.ASIC:未来移动端人工智能硬件的方向 . 12 四、科技巨头加紧布局 AI 芯片，寒武纪跻身国际前列 . 13 1.NVIDIA:GPU 龙头， AI 芯片的市场领先者 . 13 2.Intel：全领域布局人工智能产品 . 14 3.Google：发布两代 TPU，从 ASIC 方向进军 AI 芯片市场 . 16 4.寒武纪：全球 AI 芯片领域第一个独角兽初创公司 . 17 5.其他 AI 芯片参与企业 . 19 五、该领域主要龙头企业 . 19 1.富瀚微：国内领先的视频监控芯片设计商 . 19 2.中科曙光：国内 HPC 龙头，与寒武纪战略合作 . 20 3.科大讯飞：智能语音领导者 . 21 4.东方网力：国内领先的视频监控管理产品与解决方案提供商 . 21 风险提示 . 22 川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 3/23 图表目录 图 1： 华为麒麟 970 芯片 . 4 图 2： 华为麒麟 970 芯片性能参数 . 4 图 3： 人工智能应用领域 . 5 图 4： 2035 年的实际经济总增加值增速（ %） . 6 图 5： 人工智能芯片的诞生之路 . 7 图 6： 人工智能发展进程 . 7 图 7： 中美人工智能初创企业总量占全球比 . 8 图 8： 中美人工智能产业累计融资额对比（元） . 8 图 9： NVIDIA 高性能 GPU-TESLA 概况 . 10 图 10： CPU 与 GPU 架构对比 . 11 图 11： XILINX KINTEX 7 ULTRASCLE 芯片和 ALTERA CYCLONE IV 芯片 . 11 图 12： 海康威视搭载 MOVIDIUS MYRIAD 2 处理器 . 12 图 13： MOBILEYE EYE Q1 芯片 . 12 图 14： NVIDIA 股价表现 . 13 图 15： GPU 是 NVIDIA 营收主要来源 . 13 图 16： NVIDIA 全方位布局人工智能芯片业务 . 14 图 17： INTEL 收购 ALTERA 后的技术路线图 . 15 图 18： 谷歌第一代 TPU . 16 图 19： TPU 内部架构 . 16 图 20： TPU/CPU 与其他组合对比 . 16 图 21： 谷歌第二代 TPUCLOUD TPU . 17 图 22： CLOUD TPU POD 内含 64 颗 TPU . 17 图 23： DIANNAO 结构 . 18 表格 1. 华为麒麟 970 芯片重要技术参数 . 4 表格 2. 世界各国人工智能相关战略、规划 . 9 表格 3. FPGA & ASIC 对比 . 12 表格 4. INTEL 人工智能布局 . 15 表格 5. 其他国内 外参与 AI 芯片产业的科技公司及初创企业 . 19 表格 6. 富瀚微主营业务收入 . 20 川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 4/23 一、华为发布 麒麟 970，人工智能行业热潮再起 1.华为 发布全球首款内置 NPU 人工智能处理器 -麒麟 970 华为在 IFA2017 大会上公布的麒麟 970 处理器引起了业内关注， 它的到来彻底打破了唯频率和核数崇拜的传统观念。 根据其公开的信息，麒麟 970 处理器采用了 10nm 工艺制程（ 与苹果即将发布用在 iPhone 8 上的 A11 处理器工艺相同），搭载了 Cortex-A73（ CPU）、Mali-G72（ GPU）和麒麟 NPU（神经网络处理单元）。 表格 1. 华为麒麟 970 芯片重要技术参数 类别 技术指标 工艺制程 台积电 10nm 晶体管数目 55 亿颗晶体管，面积 100 平方毫米 CPU 4 个 A53+4 个 A73 GPU 12 核 Mali G72MP12 通信单元 LTE Cat.18 mit bis zu 1.2 Gbit/s 图像处理 双 ISP 图像处理 资料来源： ofweek物联网 , 川财证券研究所 图 1： 华为麒麟 970 芯片 图 2： 华为麒麟 970 芯片性能参数 资料来源： 华为， 川财证券研究所 资料来源： 华为， 川财证券研究所 创新在于 异构与端云结合。 麒麟 970 采用异构架构完成人工智能处理，芯片括了 CPU（中央处理器） 、 GPU（图形处理器） 、 NPU（神经网络处理单川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 5/23 元） 、 ISP（图像信号处理） 、 DSP（数字信号处理） 。 NPU 在实现 AI 上承担主要工作，但 CPU、 GPU 等也参与 处理 。 未来以异构架构实现人工智能将成为主流，这个异构 SoC 将成为一个 AI 计算平台。 麒麟 970 的另一创新之处在于 端云结合实现人工智能，云端智能的优势在于强大的运算能力，基于大数据给出大智慧，在策略性输出上有极大优势。而端侧在具备了强大的感知能力之后，手机就会成为帮助用户思考的分身和伙伴。两者达成平衡与协调，才是未来终端发展的出路。 华为麒麟 970 芯片的发布再次点燃了市场对人工智能领域的关注 。 2.人工智能热潮再起 1946 年，计算机诞生； 1956 年人工智能（ AI）诞生； 1969 年互联网诞生 近期 无论是华为的麒麟 970 芯片，还是 AlphaGo 与柯洁的人机大战 ，人工智能领域再度风起云涌 。 人工智能正席卷安防 、人脸识别、自动驾驶等多个领域。 就当前的现状来看，大部分 业内人士都 认为 最先被人工智能 “革命 ”的行业非金融业莫属。 曾经 ， 高盛在纽约总部的美国现金股票交易柜台的交易员曾一度高达 600 人，而现在偌大的交易大厅却只有两个人值守。 图 3： 人工智能应用领域 资料来源： 腾讯研究院 &IT桔子 2017年中美人工智能创投现状与趋势研究报告 ， 川财证券研究所 川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 6/23 根据埃森哲今年发布的报告 人工智能：助力中国经济增长预测，到 2035年人工智能有潜力拉动中国经济年增长率上升 1.6 个百分点。 人工智能将成为一种全新生产要素，与资本、劳动力拥有同等重要地位，将成为拉动中国经济增长的新动力。 而人工智能芯片作为人工智能的核心要素，已成为各国未来发展布局的战略性一环。 图 4： 2035 年的实际经济总增加值增速 （ %） 资料来源： 埃森哲 人工智能：助力中国经济增长报告， 川财证券研究所 二、人工智能芯片的崛起之路 1.什么是人工智能芯片？为什么需要它？ 人工智能的实现依赖三个要素：算法是核心，硬件和数据是基础，芯片就是硬件的最重要组成部分。它其实包括两个计算过程： 1、训练（ Train）； 2、应用（ Inference）。 为什么需要人工智能芯片？ 深度学习作为机器学习的分支，是当前人工智能研究的主流方式。简单说就是用数学方法模拟人脑神经网络，用大量数据训练机器来模拟人脑学习过程，其本质是把传统算法问题转化为数据和计算问题。所以对底层基础芯片的要求也发生了根本性改变： 人工智能芯片的设计目的不是为了执行指令，而是为了大量数据 训练和应用的计算。 6.32.63.22.51.4 1.70.8 17.94.64.1 3.93 2.9 2.71.80123456789中国 美国 巴西 英国 德国 法国 日本 意大利基准线 人工智能稳定发挥状态川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 7/23 图 5： 人工智能芯片的诞生之路 资料来源：川财证券研究所 深度学习模型需要通过大量的数据训练才能获得理想的效果。 随着 大数据时代的 到来 ，数据量呈指数级别增长，这一客观环境 满足了深度学习算法对于训练数据量的要求，但是算法的实现还需要相应处理器极高的运算速度作为支撑 。 CPU 的架构在 解决深度学习任务 时 效率低 、 成本高 。 当前流行的 传统 CPU 架构需要数百 上千条指令完成一个神经元的处理，但对于 不需要太多的程序 指令，却需要海量数据运算的深度学习的计算需求，这种结构就显得相对 笨拙。 GPU 作为图像处理 芯片，其海量数据并行运算的能力与深度学习需求不谋 而合，因此 被最先引入深度学习 。以 GTX 200（ GPU）为例， 在 CPU 上有 大约20%的晶体管是用作运算之用的，而 GPU 上有 80%的晶体管用作运算 。 2.现在处于弱人工智能 、 感知智能的初步阶段 人工智能的阶段可分为弱 人工智能 、强人工智能、超人工智能；也可分为计算智能、感知智能、认知智能三个阶段。 计算智能是最初级的 ， 主要是计算能力的进化 ， 这有赖于算法的优化和硬件（ CPU 芯片）的技术进步。感知智能有赖于数据获取技术，目前主要有语音识别和机器视觉两种技术。认知智能是最高级的形态，也是未来需要突破的方向。 目前阶段 ， 人工智能处于 弱 人工智能 ， 刚刚进入感知智能时代 。 图 6： 人工智能发展进程 川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 8/23 资料来源： 腾讯研究院 &IT桔子 2017年中美人工智能创投现状与趋势研究报告 ， 川财证券研究所 3.人工智能 已成为各国战略布局的重要一环 根据腾讯研究院发布的 中美两国人工智能产业发展全面解读 ，截止到2017 年 6 月，全球人工智能企业总数达到 2542 家， 美国拥有 1078 家，占据 42%；中国其次，拥有 592 家，占据 23%。其余 872 家企业分布在瑞典、新加坡、日本、英国、澳大利亚、以色列、印度等国家。 图 7： 中美人工智能初创企业总量占全球比 图 8： 中美人工智能产业累计融资额对比（元） 资料来源： 腾讯研究院 中美两国人工智能产业发展全面解读 ，川财证券研究所 资料来源： 腾讯研究院 中美两国人工智能产业发展全面解读 ，川财证券研究所 人工智能是当前人类所面对的最为重要的技术社会变革，是互联网诞生以来的第二次技术社会形态在全球的萌芽，因此也成为各国战略布局的重要一环。 川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 9/23 2017 年 7 月，国务院印发新一代人工智能发展规划，明确了我国发展人工智能的战略目标：到 2030 年，人工智能核心产业规模超过 1 万亿元，带动相关产业规模超过 10 万亿元。 其他各国也分别从国家层面对人工智能产业进行战略布局。 表格 2. 世界各国 人工智能相关战略 、 规划 国家 时间 战略 、 计划 备注 中国 2015.05 中国制造 2025 明确提出 “加快发展智能制造装备和产品” 2015.07 国务院关于积极推进“互联网 +”行动指导意见 明确提出人工智能作为重点布局的 11 个领域之一 2016.05 “互联网 +”人工智能三年行动实施方案 到 2018 年，打造人工智能基础资源与创新平台，人工智能产业体系、创新服务体系、标准化体系基本建立 2017.07 新一代人工智能发展规划 到 2030 年，人工智能核心产业规模超过 1 万亿元，带动相关产业规模超过 10 万亿元 美国 2016.10 为人工智能的未来做好准备 由美国总统办公室发布 2016.10 美国国家人工智能研究与发展策略规划 2016.12 人工智能、自动化与经济报 告 白宫发布 ， 深入考察人工智能驱动的自动化对经济的影响并提出了国家的三大应对策略 日本 2015.01 新机器人战略 通过发展机器人技术 ， 推动工业生产力的提高 2015 年 人工智能研究中心 前期投入 10 亿日元 2015.12 第五个科学与技术基础五年计划 提出名为 “超级智能社会”的未来社会构想，发展信息技术、人工智能技术及机器人技术 2016 年 高级综合智能平台计划 （ AIP） 人工智能 、 大数据 、 物联网 、 网络安全综合发展计划 韩国 2013.05 Exobrain 计划 开发专业领域人机交流的自然语言对话系统 2014 年 第二个智能机器人总规划 （ 2014-2018） 将机器人产业与其他制造业和服务业相结合 ， 保持在机器人技术及相关重点产业的优势 2015 年 AI Star Lab 人工智能是项目五大关键领域之一 资料来源： Google，新华社 ， 川财证券研究所整理 三、 AI 芯片三种技术路线， ASIC 是终端应用的趋势 目前适合深度学习的人工智能芯片主要有 GPU、 FPGA、 ASIC 三种技术路线。三类芯片 代表分别有英伟达（ NVIDIA）的 Tesla 系列 GPU、赛灵思（ Xilinx）的 FPGA 和 Google 的 TPU。 川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 10/23 1.GPU:最先 被 引入深度学习 ， 技术成熟 图形处理器 GPU 最初是用在个人电脑、工作站、游戏机和一些移动设备上运行绘 图运算工作的微处理器，可以快速地处理图像上的每一个像素点。 其海量数据并行运算的能力与深度学习需求不谋而合，因此，被最先引入深度学习。 GPU 不是完全代替 CPU，而是两者分工合作。 在 GPU 计算中 CPU 和 GPU之间是相连的，而且是一个异构的计算环境。这就意味着应用程序当中，顺序执行这一部分的代码是在 CPU 里面进行执行的，而并行的也就是计算密集这一部分是在 GPU 里面进行。 图 9： NVIDIA 高性能 GPU-Tesla 概况 资料来源： NVIDIA， 川财证券研究所 GPU 是 基于大吞吐量 的 设计。 GPU 的特点是有很多的 ALU 和很少的 cache， 这 点和 CPU 不同， 是为 thread 提高服务的。 压缩缓存空间 Cache，从而最大化激发内存吞吐量，可以处理超长的流水线。缓存的目的不是保存之后需要访问的数据，而是担任数据转发的角色，为线程提高服务。 目前， GPU 芯片市场主要由 NVIDIA 把控，占据了 70%以上的市场份额。 而应用在人工智能领域的可进行通用计算的 GPU 市场则基本被英伟达公司垄断。据英伟达官网数据显示， 2016 年，有近两万家机构将英伟达产品用于深度学习加速计算，相比 2014 年翻了 13 倍 。 川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 11/23 图 10： CPU 与 GPU 架构对比 资料来源： NVIDIA， 川财证券研究所 2.FPGA:具有硬件可编程特点 ，性能出众 壁垒高 FPGA 即 场效可编程逻辑闸阵列 ， 一个出厂后的成品 FPGA 的逻辑块和连接可以按照设计者的需要而改变 。 FPGA 是可编程的，而 GPU 由于架构固定，硬件原生支持的指令也就固定了。 其可编程性是关键，因为它让软件与终端应用公司能够提供与其竞争对手不同的解决方案，并且能够灵活地针对自己所用的算法修改电路 。 图 11： Xilinx Kintex 7 Ultrascle 芯片和 Altera Cyclone IV 芯片 资料来源： Google， 川财证券研究所 FPGA 市场前景诱人，但是门槛之高在芯片行业里无出其右。 IBM、德州仪器 、飞利浦、东芝、三星 等 60 多家公司先后斥资数十亿美元投入这个行业，但是最终 成功的只有位于美国硅谷的两家公司： Xilinx 与 Altera（被 Intel 收购） 。这两家公司共占有近 90的市场份额，专利达到 6000 余项之多，如此川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 12/23 之多的技术专利 也构成了极高的 技术壁垒 。 赛灵思（ Xilinx）表示，相 较于仅使用 CPU 的服务器，使用百度 FPGA 云端服务器在赛灵思 FPGA 所驱动的服务器中，提供 1080 倍的每瓦效能比 。 目标市场方面， FPGA 成本太高，所以适合对价格不是很敏感的地方，比如企业应用，军事和工业电子等等 。 3.ASIC:未来移动端 人工智能硬件的方向 ASIC(Application Specific Integrated Circuit)是专用集成电路，是 为专门目的而设计。 它是 应特定用户要求和特定电子系统的需要而设计、制造的集成电路。 ASIC 的特点是面向特定用户的需求， ASIC 在批量生产时与通用集成电路相比具 有体积更小、功耗更低、可靠性提高 、成本降低等优点。 FPGA 上市速度快，但性能较低。 ASIC 上市速度慢，需要大量时间开发，而且一次性成本（光刻掩模制作成本）远高于 FPGA，但是性能远高于 FPGA 且量产后平均成本远低于 FPGA。 FPGA 可以完全重配置，但是 ASIC 也有一定的可配置能力，只要在设计的时候就把电路做成某些参数可调的即可。 表格 3. FPGA & ASIC 对比 上市速度 性能 一次性成本 量产成本 可配置 目标市场 FPGA 快 差 低 高 完全 企业 、 军工 ASIC 慢 好 高 低 有限 消费电子 资料来源： ofweek电子工程网 , 川财证券研究所 目标市场方面 ， ASIC 由于低成本适合消费电子类应用，是未来移动端人工智能硬件的发展方向 。像大疆无人机的 Movidius Myriad 芯片 、 Tesla 汽车自动驾驶曾用的 Mobileye 芯片和 Google 的张量处理器 TPU 都是 ASIC 的代表。 图 12： 海康威视搭载 Movidius Myriad 2 处理器 图 13： Mobileye Eye Q1 芯片 资料来源： 海康威视 ， 川财证券研究所 资料来源： 电子工程世界 网 ， 川财证券研究所 川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 13/23 四、科技巨头加紧布局 AI 芯片，寒武纪跻身国际前 列 全球科技巨头都在加紧布局 AI 芯片，希望走在科技变革时代的前线。NVIDIA 是 AI 芯片的市场领先者，占据了全球 GPU 70%的市场份额； Intel接连收购 Altera、 Nervana、 Movidius，全方位布局 AI 产品； Google 发布两代 TPU，从 ASIC 方向进军 AI 芯片市场 ；寒武纪科技是中科院计算所孵化的一家独角兽公司。 2016 年推出 了 国际首个深度学习专用处理器芯片 (NPU)，技术全球领先。 1.NVIDIA:GPU 龙头 ， AI 芯片 的市场领先者 目前全球 GPU 行业的市场份额有超过 70被英伟达公司占据 。 而应用在人工智能领域的可进行通用计算的 GPU 市场则基本被英伟达公司垄断。 自 1999 年发布第一款 GPU 以来， GPU 就成为了英伟达最为核心的产品，占到了英伟达总营业收入的八成 以上。英伟达的股价表现也是十分惊人， 2016 年英伟达的股价上涨了 228，过去的 5 年内累计上涨 500。 图 14： NVIDIA 股价表现 图 15： GPU 是 NVIDIA 营收主要来源 资料来源： NVIDIA 2016年报 ， 川财证券研究所 资料来源： NVIDIA 2016年报 ， 川财证券研究所 目前英伟达 GPU 芯片主要应用方向为 数据中心芯片、自动驾驶芯片和嵌入式芯片 。主要包括采用 Pascal 架构的 Tesla P100 和 Tesla P10 芯片、采用 Volta架构的 DGX-1 芯片 、 自动驾驶的 Driver PX2 芯片 、 Jetson TX2 芯片等 。 NVIDIA 用于深度学习的 Tesla 芯片经历了 Kepler、 Maxwell、 Pascal、 Volta四代架构 ： （ 1） Kepler 架构（ 2012 年）： 相较 GPU 第一代 Fermi 架构计算速度高出三川财证券 研究报告 本报告由川财证券有限责任 公司 编制 谨请参阅尾页 的 重要 声明 14/23 倍。代表芯片为 K40，被用于深度学习的应用。 （ 2） Maxwell 架构 （ 2014 年）： 较 Kepler 架构计算速度提高一倍。代表芯片为 M40。 （ 3） Pasc