人工智能芯片行业分析报告.docVIP

文本目录 1.人工智能——风起于青萍之末 4 1.1.人工智能——下一个千亿级市场 4 1.2.深度学习 7 1.3.算力 9 2.GPU——厚积薄发正当时 9 2.1.GPU简介 9 2.2.王者归来的NVIDIA 12 2.3.GPU国内行业现状及公司 15 3.FPGA——“万能芯片”在人工智能时代复苏 17 3.1.FPGA——高性能、低功耗的可编程芯片 18 3.2.Intel收购Altera分析 21 3.3.FPGA国内行业与公司 22 4.ASIC——后起之秀，不可估量 24 4.1.性能与功耗完美结合的ASIC 24 4.2.从“比特币挖矿机ASIC发展”推导“ASIC在人工智能领域大有可为” 26 4.3.ASIC国内行业与公司 28 5.总结 29 图表目录 图表1：人工智能实现三要素 4 图表2：人工智能应用广泛 5 图表3：人工智能应用领域 6 图表4：人工智能市场规模 6 图表5：单一神经元VS简单神经网络VS深层神经网络 7 图表6：人工智能新驱动 8 图表7：GPUVSCPU 10 图表8：CPUVSGPU 11 图表9：GPU性能展示 12 图表10：NVIDIAxxxx主营构成 13 图表11：NVIDIA股价表现强势 13 图表12：NVIDIA2011-xxxx年营收VS净利润 14 图表13：NVIDIA2011-xxxx毛利率 15 图表14：M9VSJM5400 16 图表15：景嘉微2012-xxxx年营收VS净利润 17 图表16：FPGA内部架构 18 图表17：CPU,FPGA算法性能对比 19 图表18：CPU，FPGA算法能耗对比 20 图表19：全球FPGA市场规模 21 图表20：AlteraFPGAVSCPU 22 图表21：同方国芯xxxx年业务占比 23 图表22：同方国芯特种集成电路（FPGA等）业务营收 23 图表23：同方国芯特种集成电路（FPGA等）毛利率 24 图表24：GK210指标VSASIC指标 25 图表25：工艺VS性能VS功耗 25 图表26：ASIC芯片专为矿机量身定做，执行速度快于FPGA 27 图表27：比特币矿机芯片经历了从CPU、GPU、FPGA和ASIC四个阶段 27 图表28：各种挖矿芯片的性能比较 28  1.人工智能——风起于青萍之末 从3月份智能机器人AlphaGo战胜李世石，到近期谷歌的最新用于人工智能深度学习的芯片TPU曝光，一个千亿级的市场应用逐渐从水底浮向了水面。我们将深度剖析，在人工智能领域，有可能爆发的芯片——GPU、FPGA、ASIC及相关的市场和公司。 1.1.人工智能——下一个千亿级市场 人工智能会成为未来的趋势吗？答案是会。人工智能，简单地说，就是用机器去实现目前必须借助人类智慧才能实现的任务。人工智能包括三个要素：算法，计算和数据。 对人工智能的实现来说，算法是核心，计算、数据是基础。在算法上来说，主要分为工程学法和模拟法。工程学方法是采用传统的编程技术，利用大量数据处理经验改进提升算法性能；模拟法则是模仿人类或其他生物所用的方法或者技能，提升算法性能，例如遗传算法和神经网络。而在计算能力来说，目前主要是使用GPU并行计算神经网络，同时，FPGA和ASIC也将是未来异军突起的力量。 图表1：人工智能实现三要素 随着百度，Google,Facebook，Microsoft等企业开始切入人工智能，人工智能可应用的领域非常广泛。xxxx年100多家组织开始研发深度学习与人工智能，到xxxx年，短短2年间，研发机构已经迅速激增到3409家。可以看到，未来人工智能的应用将呈几何级数的倍增。应用领域包括互联网，金融，娱乐，政府机关，制造业，汽车，游戏等。从产业结构来讲，人工智能生态分为基础、技术、应用三层。应用层包括人工智能+各行业（领域），技术层包括算法、模型及应用开发，基础层包括数据资源和计算能力。 图表2：人工智能应用广泛 人工智能将在很多领域得到广泛的应用。目前重点部署的应用有：语音识别，人脸识别，无人机，机器人，无人驾驶等。 图表3：人工智能应用领域 人工智能市场将保持高速增长，根据艾瑞咨询的数据，2020年全球人工智能市场规模约1190亿人民币。而未来10年，人工智能将会是一个2000亿美元的市场。空间非常巨大。其中在硬件市场方面，将会有30%的市场份额。 图表4：人工智能市场规模 1.2.深度学习 人工智能的核心是算法，深度学习是目前最主流的人工智能算法。深度学习在1958年就被提出，但直到最近，才真正火起来，主要原因在于：数据量的激增和计算机能力/成本。 深度学习是机器学习领域中对模式（声音、图表像等等）进行建模的一种方法，它也是一种基于统计的概率模型。在对各种模式进行建模之后，便可