2017年半导体人工智能芯片新架构预测分析报告
2017年人工智能AI芯片行业分析报告
2017年人工智能AI芯片行业分析报告2017年9月目录一、AI爆发，芯片致胜 (7)1、AI进入爆发期，千亿芯片市场空间 (7)2、芯片承载算法，是竞争的制高点 (10)3、云端终端双场景，三种芯片显神通 (13)二、云端场景：GPU生态领先，未来多芯片互补共存 (16)1、依托大数据，科技巨头不同技术路径布局AI云平台 (16)2、千亿美元云服务市场，AI芯片发展潜力巨大 (18)3、云端芯片现状总结：GPU领先，FPGA随后，ASIC萌芽 (20)（1）云端GPU：云端AI芯片主流，先发优势明显 (22)①发展现状：GPU天然适合并行计算，是目前云端AI应用最广的芯片 (22)②生态格局：英伟达垄断GPU市场 (25)③未来趋势：从开环到专精，未来GPU在云端市场继续强势 (27)（2）云端ASIC：以TPU为代表，性能取胜争夺未来AI制高点 (28)①发展趋势：ASIC—未来人工智能专属核心芯片 (28)②生态格局：谷歌TPU为目前自用最强ASIC，期待生态完善后外供 (29)（3）云端FPGA：云端的有效补充，低延时场景具备充分优势 (30)①会变形的万能芯片，未来云端AI的最好补充 (30)②核心优势：在云端算法性能高、功耗和延迟低 (31)③市场空间：紧随GPU受益云端数据中心市场爆发，2020年规模或达20亿美元 (34)④生态格局：两公司垄断，巨头并购凸显云端AI有效补充地位 (36)4、云端AI芯片未来：各自进化、走向融合, 生态定义未来 (38)（1）云端AI芯片各自进化，走向融合 (38)（2）生态完善度或决定AI芯片市场未来 (39)三、终端场景：按需求逐步落地，未来集成是趋势 (42)1、AI“下沉”终端，芯片负责推断 (42)2、需求决定硬件，场景逐次落地 (43)（1）AI+安防：GPU和FPGA先发落地，未来主控集成ASIC (45)①智慧安防空间：AI产品持续渗透，长期千亿市场空间 (45)②现有生态：GPU是目前AI+安防方案主流，行业巨头与英伟达携手 (47)③未来趋势：基于GPU成本是痛点，未来集成至IPC主芯片是趋势 (50)（2）AI+汽车：GPU占据主导，ASIC是未来趋势 (52)①智能驾驶空间：芯片百亿市场空间 (52)②现有生态：巨头与技术初创公司均大力布局AI+汽车 (53)③未来趋势：专属ASIC芯片是未来智能汽车市场主流 (55)（3）AI+消费电子：百花齐放的未来最大应用场景 (56)①智慧产品空间：千亿美元市场，AI或引领新一轮消费电子革命 (56)②智慧手机=AI+AR+智能手机：伟大的新一轮强粘性终端革命 (57)③智能音响：GPU目前占据主流，ASIC方案是未来 (61)④无人机、VR/AR：ASIC将是必然选择 (62)3、终端AI未来：成本效能优化，作为协处理器内嵌 (63)（1）成本效益优化，终极形态向ASIC进化 (63)（2）关注“中华崛起”与“帝国反击” (64)四、芯片前瞻：类脑，未来的另一种可能 (67)1、类脑芯片：让机器用人类的大脑思考 (67)（1）类脑芯片是通过模拟人脑结构、让机器具备自主感知识别能力的AI方案 (67)（2）代表是IBM TrueNorth类脑芯片 (68)五、海外AI重点芯片公司简析 (70)1、NVIDIA: GPU市场垄断者，业务逐渐由游戏转向数据中心 (70)2、Intel:业务重心由PC芯片拓展至数据中心、物联网等领域 (74)3、Google：利用TPU打造谷歌云核心竞争力 (76)4、Xilinx：FPGA市场领导者，重点发力四大领域 (79)5、Altera：紧随Xilinx之后的市场巨头，被Intel收购或迎加速发展 (81)六、国内AI芯片公司梳理 (83)1、中科院寒武纪：推动国产人工智能ASIC突破性发展 (83)2、深鉴科技：深度学习加速领域新兴之秀 (84)3、地平线机器人：嵌入式人工智能领导者 (85)4、比特大陆：人工智能ASIC领域技术深厚 (86)5、海康威视：视觉切入，崛起中的AI及物联网龙头 (87)6、大华股份：PPP 落地+行业景气，转型安防运营服务商 (89)7、欧菲光：光学龙头，感知未来 (90)8、舜宇光学科技：三大产品强势领先，大力布局人工智能 (92)9、富瀚微：国内安防芯片龙头，布局AI前景可期 (94)10、全志科技：深耕“大视频”战略，挖掘人工智能产业机会 (95)11、苏州科达：网络视讯方案提供商，享智能安防高成长红利 (97)AI进入爆发期，核心芯片是关键。
2017-2018年新版中国人工智能芯片行业现状及发展前景趋势展望投资策略分析报告
2017年人工智能芯片行业分析报告2017年7月出版文本目录1、人工智能芯片前景广阔 (5)1.1、人工智能市场高速增长 (6)1.2、深度学习引领人工智能算法发展方向 (10)2、GPU：并行计算能力突出 (13)2.1、GPU 已获得广泛应用 (13)2.2、GPU 的优势来自并行计算能力 (14)2.3、Nvidia 垄断 GPU 市场，国内公司逐步突破 Nvidia (16)3、FPGA：低功耗场景凸显优势 (19)3.1、 FPGA 性能领先 (19)3.2、双寡头垄断 FPGA 市场 (23)3.3、国内 FPGA 产业孜孜求索 (24)4、ASIC：有望成为主流趋势 (25)5、类脑芯片：超越“冯•诺依曼”架构的新思路 (28)6、人工智能芯片在云端与终端携手共进 (31)6.1、云端 AI 芯片领域百家争鸣 (32)6.2、终端 AI 芯片领域初露头角 (40)图表目录图表 1：人工智能关键要素 (5)图表 2：全球人工智能市场规模（单位：亿美元） (7)图表 3：中国人工智能市场规模（单位：亿元） (7)图表 4：全球人工智能主要公司. (8)图表 5：国际人工智能领域三巨头动作 (9)图表 6：国内人工智能主要企业 (10)图表 7：深度学习 VS 神经网络. (11)图表 8：深度学习市场规模 (11)图表 9：深度学习主要市场参与者及开源平台 (12)图表 10：各公司主要开源平台列表 (12)图表 11：主要深度学习平台性能比较 (12)图表 12：GPU 在深度学习领域应用广泛 (13)图表 13：使用 NVidia 加速计算 GPU 的企业数量快速增长 (14)图表 14：CPU 与 GPU 结构差异 (15)图表 15：GPU 在 3 年时间内性能提高 50 倍. (15)图表 16：GPU 每秒计算量远超 CPU. (16)图表 17：GPU 是 Nvidia 的主要产品（2016 年报） (16)图表 18：Nvidia 在 GPU 市场有绝对优势. (17)图表 19：NVidia 公司加速运算 GPU 及相关产品 (17)图表 20：Nvidia 近年来财务数据（单位：百万美元）. (18)图表 21：中国在 GPU 领域取得最新成就 (18)图表 22：FPGA 内部结构原理图. (19)图表 23：CPU、GPU 及 FPGA 单次迭代时间比较（单位：微秒） (20)图表 24：CPU、GPU 及 FPGA 单次迭代能耗比较（单位：毫焦） (20)图表 25：CPU、GPU 及 FPGA 三种芯片性能比较 (22)图表 26：全球 FPGA 市场规模保持较快增长（单位：亿美元） (22)图表 27：2016 年 FPGA 市场份额分布 (23)图表 28：英特尔 Lake Crest 架构. (24)图表 29：Canyon Bridge Capital Partners 拟收购 Lattice (25)图表 30：谷歌 TPU 内部架构. (26)图表 31：寒武纪芯片 (27)图表 32：寒武纪 2 号 DaDianNao 版图 (27)图表 33：中星微 NPU 架构图 (28)图表 34：2022 年类脑芯片不同类型终端应用占比 (28)图表 35：各国类脑计算研究项目列表 (29)图表 36：各科技巨头类脑芯片产品列表 (29)图表 37：IBM 第一代 TrueNorth 芯片 (30)图表 38：第一代 IBMTrueNorth 芯片与第二代比较 (31)图表 39：IBM 神经元计算机包含 16 颗 TrueNorth 芯片 (31)图表 40：全球云计算市场规模（亿美元） (32)图表 41：云计算平台人工智能功能 (33)图表 42：2011 年 Watson 参加节目《Jeopardy》并取得冠军 (33)图表 43：Watson 产生答案流程 (33)图表 44：IBM POWER 处理器发展路径 (34)图表 45：POWER8 架构图 (34)图表 46：微软 Azure 功能 (35)图表 47：2014 年亚马逊 AWS 市场份额占比遥遥领先 (36)图表 48：亚马逊 AWS 能够提供的服务 (36)图表 49：谷歌云计算平台 (37)图表 50：阿里云适用场景 (37)图表 51：阿里云新一代 HPC (38)图表 52：百度与 Altera 合作建立 FPGA 集群 (39)图表 53：百度开放云功能 (39)图表 54：Nvidia Drive PX 车载计算平台 (40)图表 55：Nvidia Drive PX2 平台 (41)图表 56：Nvidia Xavier 芯片 (41)图表 57：高通发布智能汽车芯片 602A (42)图表 58：国内汽车电子芯片市场规模 (43)图表 59：飞思卡尔 Vybrid 处理器 (44)图表 60：赛灵思 FPGA 芯片 (44)图表 61：夏普机器人手机 RoBoHoN (45)图表 62：亚马逊 Echo 音箱基本构造 (45)图表 63：Echo 音箱主板芯片构成 (46)图表 64：京东&科大讯飞叮咚音箱 (46)图表 65：叮咚音箱主板构造 (47)图表 66：人工智能芯片及应用 (47)报告正文1、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。
2017年AI芯片行业深度研究报告
２０１７年ＡＩ芯片行业深度研究报告投资要点：⏹AI应用爆发，底层芯片架构亟待革新：科技巨头的大力投入及政策扶持正推动AI下游应用的迅猛增长，AI正在安防、无人驾驶、医疗等市场快速落地。
而AI应用的发展离不开底层芯片架构的革新。
传统芯片架构在处理神经网络算法时功耗较高，速度无法满足需求，因此催生了AI芯片的诞生，例如Google的TPU、寒武纪的NPU 等均是专门为AI应用度身定做的专有芯片，未来AI芯片将成为无论是移动端还是云端的标配，将成为下一阶段AI产业竞争的关键所在。
⏹AI产业链中，最为看好上游AI芯片环节：目前时间点，AI产业链上游的芯片企业的成长性最为确定，盈利模式最为清晰，AI芯片市场是率先受益于AI产业高速发展的环节，无论下游哪个应用领域率先落地，AI芯片市场都将迎来数倍的高速增长。
根据智研咨询统计，2016 年人工智能芯片市场规模达到6亿美元，预计到2021年将达到52 亿美元，年复合增长率达到53%。
仅测算安防前端智能摄像头市场，目前国内安防芯片市场规模约30亿人民币左右，预计未来三年，搭载人工智能模块的安防芯片市场存在三倍以上的成长空间，可达百亿级。
⏹看好低成本高性能的ASIC发展路线，国内厂商或将弯道超车：目前AI芯片技术主流路径为GPU、FPGA、ASIC等，场景方面分为云端、终端两大类，其中云端环境条件较为宽松，GPU暂时满足需求，未来AI ASIC芯片有望成为重要组成部分。
终端受制于能耗，体积约束，同时应用场景相对明晰，对ASIC芯片需求强烈，我们看好ASIC路径发展前景。
NVIDEA、INTEL、AMD等传统芯片巨头在GPU及FPGA领域具有不可撼动的优势，而国内中小芯片设计公司的优势在于细分场景下的ASIC芯片。
随着AI芯片市场的快速发展，国内AI芯片设计公司在ASIC路线存在弯道超车的良好机遇。
⏹行业评级及投资策略维持计算机行业“中性评级”，给予人工智能板块买入评级，AI应用普及，AI芯片市场需求迅速上升，我们看好国内公司在ASIC芯片方面存在弯道超车的机遇，未来三年迎来爆发式成长，建议积极关注行业投资机会，短期重点推荐智能安防芯片市场。
人工智能芯片行业发展分析报告
政策支持、芯片助力，人工智能热潮再起报告摘要硬件基础设施不断优化突破，助力人工智能应用落地。
AI 芯片领域不断推出具体落地产品：寒武纪于近期发布三款智能处理器 IP ——1H8、1H16及 1M ，并将在未来18个月内推出面向云端的高性能智能处理器产品线 MLU ——MLU100（侧重推理）及MLU200（侧重训练）。
此外，厂商纷纷加码AI 服务器。
中科曙光联合寒武纪推出全球首款基于寒武纪芯片的 AI 推理专用服务器 “Phaneron ”，同时还推出了人工智能管理平台——SothisAI 。
行业内公司在各自擅长领域陆续有具体产品及技术兑现。
科大讯飞在其 11 月 9 日召开的 2017 年度发布会上发布了 3款医疗产品，分别是语音电子病历产品、影像辅助诊断系统、智医助理，以及1个人工智能辅助诊疗平台。
医疗成为公司继教育之后又一有多种形态产品落地的赛道。
此外公司还发布了 5个智慧教育方面的产品、AIUI2.0平台、车载飞鱼 2.0系统等。
其他如百度、腾讯，也陆续有具体的产品落地。
近期，腾讯发布了医学影像 AI 产品“腾讯觅影”，发布了“百亿计划”及区块链金融级解决方案BaaS 。
11月18日，百度将召开世界大会，百度在其邀请函上写着：Bring AI to Life ，届时或将发布一些场景化应用。
同日，广汽集团将与腾讯联合发布在智能网联领域的最新合作成果，并且全球首发广汽自主研发的 iSPACE 智联电动概念车。
未来有技术沉淀的龙头公司将继续在各条赛道领跑，持续受益于行业发展红利。
政策东风将进一步助力人工智能热潮再起。
11月14 日，上海市政府正式发布《关于本市推动新一代人工智能发展的实施意见》。
《意见》提出，要把握人工智能演进发展规律，集聚全球要素资源，组织实施“智能上海（AI@SH ）”行动，到 2020 年，基本建成国家人工智能发展高地，局部领域达到全球先进水平。
近期各公司陆续召开年度大会，发布最新研发技术进展及多种 AI 落地产品，我们的观点“人工智能技术与商业落地将并驾齐驱”不断得到验证。
2017年人工智能芯片行业分析报告
2017年人工智能芯片行业分析报告2017年9月目录一、华为发布全球首款智能手机AI芯片 (4)二、人工智能芯片崛起的原因 (6)1、人工智能计算需要对海量数据并行计算 (6)2、摩尔定律逐渐失效，传统CPU执行AI计算成本高、效率低 (7)3、CPU+AI芯片的异构计算是完整AI计算实现的主流途径 (9)三、AI芯片三条技术路径：GPU、FPGA、ASIC (10)1、主流人工智能芯片技术路径包括GPU、ASIC、FPGA (10)2、大规模并行计算能力卓越，GPU技术路径最先崛起 (10)3、FPGA可进行二次硬件开发，AI计算性能出众 (12)4、ASIC针对AI需求专门开发，性能、功耗表现最为出众 (14)四、从云端和终端看，CPU、FPGA、ASIC的机会 (14)1、AI芯片计算场景可分为云端和终端 (14)2、AI芯片应用场景包括安防、智能驾驶、消费电子、可穿戴设备、智能零售等 (15)3、云端AI计算GPU是主流，FPGA和ASIC也存在机会 (18)4、终端应用要求低功耗，FPGA和ASIC机会并存，ASIC或是最佳选择.. 19五、人工智能芯片企业群雄并立，寒武纪ASIC毫不逊色 (20)1、NVIDIA产品向云端和终端全覆盖 (20)2、AMD在AI芯片布局方面快速追赶NVIDIA (22)3、Google推出两代TPU，CloudTPU推断+训练能力兼备 (23)华为发布全球首款智能手机AI芯片，AI芯片发展史上里程碑事件。
9月2日华为公布全球第一款智能手机AI芯片——麒麟NPU（内置于麒麟970 SoC）。
华为提出“端侧AI+云侧AI=移动AI（On-Device AI + Cloud AI= Mobile AI）”，麒麟NPU将解决端侧AI挑战。
人工智能芯片为什么崛起？人工智能计算需要对海量数据并行计算；摩尔定律逐渐失效，传统CPU执行AI计算成本高、效率低；CPU+AI芯片的异构计算是完整AI计算实现的主流途径。
2017年人工智能芯片行业分析报告
2017年人工智能芯片行业分析报告2017年7月目录一、时代的机遇：谁会成为人工智能时代的ARM (4)1、人工智能时代：AI+将无处不在 (4)2、智能手机时代ARM公司的“戴维斯双击” (6)3、人工智能时代：底层计算平台存在着大机会 (8)二、人工智能芯片决胜的主战场在推理环节 (9)三、几种芯片架构的技术特点：各有千秋 (12)1、CPU仍然是最好的通用处理器之一 (13)2、GPU具有最强大的并行计算能力 (14)3、FPGA：万能芯片 (16)4、ASIC：高性能功耗比的专用芯片 (16)四、FPGA未来大有可为 (17)1、FPGA已在全球七大数据中心实际部署 (18)2、行业发展趋势：FPGA大有可为 (19)（1）算法正在快速迭代中 (19)（2）芯片NRE费用在指数级上升 (21)五、行业主要企业简况 (22)1、FPGA行业呈现双寡头格局 (22)2、赛灵思 (23)3、紫光国芯 (24)时代的机遇：传统X86架构芯片无法满足需求，人工智能时代呼唤新一代的计算芯片平台。
谁能成为下一代硬件芯片平台，就有望随着海量计算需求的大爆发，上演ARM在智能手机时代爆发的辉煌。
人工智能未来应用主战场是在推理环节。
人工智能尚处于早期，未来人工智能应用主战场推理环节远没有爆发。
目前，英伟达的GPU 只是在训练场景中占据着绝对领导地位，GPU并不一定是最后的赢家。
未来GPU、FPGA和ASIC都有机会胜出。
FPGA优点是动态可重配、性能功耗比高，非常适合在云端数据中心部署。
近两年，全球七大超级云计算数据中心包括IBM、Facebook、微软、AWS以及BAT都采用了FPGA服务器。
从行业发展趋势来看，我们认为FPGA潜力被低估了，未来大有可为：算法正向有利于FPGA发展的方向迭代。
模型压缩是从训练环节走向推理环节的必要过程。
深鉴科技在将LSTM模型的尺寸压缩20倍后，采用了搭建在FPGA上的硬件框架ESE，获得了高一个数量级的能量效率提升。
2017年人工智能AI芯片行业分析报告
2017年人工智能AI芯片行业分析报告2017年10月目录一、AI加速需求超过CPU计算能力摩尔定律供给 (5)1、机器学习不断演进，深度学习出现 (5)2、深度学习的人工神经网络算法与传统计算模式不同 (6)3、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 (7)二、GPU将最早受益于安防等需求爆发 (9)1、GPU：图形加速起家，较成熟生态系统，最先被引入深度学习 (9)2、GPU天然具有三个方面局限性 (10)（1）应用过程中无法充分发挥并行计算优势 (10)（2）硬件结构固定不具备可编程性 (11)（3）运行深度学习算法能效远低于FPGA (11)三、FPGA：能效居中的中间方案 (11)1、FPGA：能效中等、灵活度高、成本较高的AI白板 (11)2、FPGA 与GPU、CPU相比，具有性能高、能耗低、可硬件编程的特点 123、FPGA的局限性 (13)（1）基本单元的计算能力有限 (14)（2）速度和功耗有待提升 (14)（3）FPGA价格相对较为昂贵 (14)四、ASIC：能效顶级、拥抱未来 (14)1、ASIC：功能特定的最优功耗AI 芯片 (14)2、ASIC的另一个未来发展是类脑芯片 (16)3、性能上看，ASIC全面领先GPU/FPGA (17)五、寒武纪终端闪耀、云端推进 (18)1、云端AI芯片类似于超级计算机 (19)2、终端AI芯片更偏重能耗 (19)3、先发优势与浮点计算峰值决定GPU目前在云端处于主导地位 (20)4、产品持续迭代，英伟达垄断GPU市场 (21)5、能耗优势，ASIC亦拥抱云端未来 (22)6、寒武纪在ASIC全面领先，指令集是杀手锏创新 (22)7、终端应用逐步增强，NPU已形成事实上落地 (23)AI 加速需求超过CPU计算能力摩尔定律供给。
深度学习是目前AI 领域最有效算法，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，CPU优势为处理各类数据及强逻辑判断能力，解决单次复杂问题能力强。
2017年计算机人工智能芯片行业现状发展及趋势分析报告
2017年计算机人工智能芯片行业分析报告2017年9月出版1、华为发布移动 AI 芯片“麒麟 970”，打造手机端移动计算平台 (4)1.1、华为于 IFA 2017 正式发布全球首款移动 AI 芯片“麒麟 970” (4)1.2、NPU 为华为 AI 芯片核心亮点，On-Device AI 能力推动移动端 AI 应用爆发 (5)1.3、构建人工智能移动开放平台，领先国际、抢占 AI 产业高点 (6)2、中科寒武纪 AI 芯片弯道超车：NPU 为深度学习而生、指令集是产业根本.. 7 2.1、NPU 高性能功耗比，满足神经网络的通用性支持 (7)2.2、DianNaoYu 指令集，构建 AI 芯片生态、抢占产业话语权 (10)2.3、三大核心应用场景，支撑 AI 芯片产业空间 (11)3、投资建议 (12)3.1、中科曙光：与寒武纪战略合作，“全 IT 产业链”布局完善 (12)3.2、科大讯飞：对寒武纪战略投资，“平台+赛道”战略成果显现 (14)4、风险提示 (16)图1：“麒麟 970”：核心工艺及性能方面表现突出 (4)图2：HiAI 移动计算架构：实现 CPU、GPU、ISP/DSP 和 NPU 异构计算体系高效处理能力 (5)图3：HiAI 移动计算架构：实现 CPU+GPU+NPU 的协同能力，AI 处理速度明显提升 (6)图4：华为凭借移动 AI 平台弯道超车，抢占移动 AI 应用生态的核心话语权 . 7图5：随着深度学习在各领域的深入应用，神经网络的规模在爆发式增长 (7)图6：通过改变芯片架构、优化片上存储层次，降低访存次数、提升性能 (9)图7：寒武纪 1 号神经网络处理器架构：基于优化的芯片架构，精简指令集实现快速计算 (10)图8：寒武纪 IP 授权：人工智能应用爆发背景下，复制 ARM 移动时代的商业模式 (11)图9：寒武纪 AI 芯片核心应用场景：IP 授权、智能云服务器芯片、智能化嵌入式设备 (12)图10：中科曙光：与寒武纪战略合作 (12)图11：云计算时代下实现 IT 全产业链布局，开启转型征程实现价值链延伸 . 13图12：云计算领域布局完善，百城百行加速推进 (14)图13：科大讯飞：核心技术国际领先 (15)1、华为发布移动 AI 芯片“麒麟 970”，打造手机端移动计算平台1.1、华为于 IFA 2017 正式发布全球首款移动 AI 芯片“麒麟 970”华为在本届德国柏林国际电子消费品展览会（IFA ）上，发布华为移动端 AI 解决方案；正式推出其 最新 AI 芯片“麒麟 970”（Kirin 970）。
2017年人工智能芯片行业分析报告
2017年人工智能芯片行业分析报告2017年9月目录一、人工智能倒逼芯片底层的真正变革 (5)1、变革从底层架构开始 (7)二、基于摩尔定律的机器时代的架构：从Wintel到AA (8)1、Intel：PC时代的王者荣耀 (9)（1）Intel公司简介 (9)（2）Intel带来的PC行业的市场规模变革和产业变化 (11)2、ARM：开放生态下移动时代的新王加冕 (13)（1）ARM公司简介 (13)（2）ARM架构：重新塑造移动智能时代 (14)（3）生态的建立和商业模式的转变：ARM重塑了行业 (16)三、人工智能芯片：新架构的异军突起 (19)1、GPU：旧瓶装新酒 (21)（1）GPU芯片王者：NVIDIA (23)2、FPGA：紧追GPU的步伐 (26)3、ASIC：定制化的专用人工智能芯片 (29)（1）VPU：你是我的眼 (30)（2）TPU：Google的野心 (32)4、人工神经网络芯片 (33)（1）寒武纪：真正的不同 (34)四、人工智能芯片空间测算 (35)1、市场规模反推芯片空间 (36)2、详细拆分云端/移动端所需人工智能加速器的BOM (36)（1）云端加速器详细拆解 (37)（2）终端加速器市场详细拆解 (38)五、重点企业 (39)1、台积电 (39)2、Intel (40)3、NVIDIA (40)4、寒武纪 (40)5、富瀚微 (40)6、北京君正 (40)7、全志科技 (41)人工智能倒逼芯片底层的真正变革。
人类精密制造领域（半导体制造是目前为止人类制造领域的最巅峰）遇到硅基极限的挑战，摩尔定律的放缓似乎预示着底层架构上的芯片性能的再提升已经出现瓶颈，而数据量的增长却呈现指数型的爆发，两者之间的不匹配势必会带来技术和产业上的变革升级。
变革从底层架构开始。
计算的体系处于碎片化引发架构变革。
数据的扩张远大于处理器性能的扩张，依靠处理器性能在摩尔定律推动下的提升的单极世界已经崩溃，处理器性能提升的速度并不足以满足AI 所需的应用程序的需求。
2017年AI芯片行业华为分析报告
2017年AI芯片行业华为分析报告2017年9月目录一、全球首个手机AI芯片麒麟970发布，AI芯片产业迈出重要一步 (4)1、华为发布全球首款移动AI芯片 (4)2、AI技术授权来源：AI 独角兽寒武纪备受关注 (6)3、AI 芯片从云端走向终端 (9)二、智能芯片是人工智能的根本 (11)1、人工智能市场热度不断提高 (11)2、CPU、GPU难以满足深度学习计算任务，AI芯片应运而生 (12)3、AI芯片的三条技术路径：GPU、FPGA 和ASIC (14)三、云计算业务成华为第四大BG (16)1、Cloud BU 升至华为旗下一级组织 (16)2、脱离现有IPD流程，构建云业务新商业模式 (17)四、中国公有云市场增长强劲 (18)1、需求和技术双重促进使得云服务成为生产力工具 (18)2、政策推动行业发展，中国公有云市场增长潜力巨大 (19)3、中国公有云IaaS格局未定 (21)五、从企业服务切入公有云，华为竞争优势显著 (22)1、品质优秀、品牌影响力强大 (22)2、公有云和私有云优势互补 (23)3、企业级IT生态较为完善，政企市场优势突出 (23)六、相关企业 (25)华为近日发布了全球首款移动AI 芯片麒麟970。
并且，公司发布消息，华为云Cloud BU 现已调整为一级部门，与企业BG、运营商BG、消费者BG 并列。
1.华为发布全球首款移动AI 芯片，标志着AI 计算从云端走向终端迈出关键一步。
从随时性、实时性和隐私性等角度考虑，不可能将所有的人工智能任务都放在云端进行，AI 本地处理能力也不可或缺。
与服务器端AI 设计不同的是，麒麟970 选择了具有高能效的异构计算架构来大幅提升AI 的算力，新的计算架构及计算单元对于机器学习任务处理性能（相对于手机CPU）提升了数十倍，最高可达到传统处理器25 倍速度，50 倍能效。
2.人工智能市场热度不断提高，智能芯片是承载计算功能的基础部件，对人工智能未来的发展起到决定性作用。
2017年人工智能AI芯片行业分析报告
(此文档为word格式，可任意修改编辑！）2017年10月正文目录一、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 (7)1.什么是人工智能芯片？为什么需要它？ (7)2.现在处于弱人工智能、感知智能的初步阶段 (8)3.人工智能已成为各国战略布局的重要一环 (9)三、AI 芯片三种技术路线，ASIC是终端应用的趋势 (11)1.GPU:最先被引入深度学习，技术成熟 (11)2.FPGA:具有硬件可编程特点，性能出众壁垒高 (13)3.ASIC:未来移动端人工智能硬件的方向 (14)四、科技巨头加紧布局AI芯片，寒武纪跻身国际前列 (15)1.NVIDIA:GPU龙头，AI芯片的市场领先者 (16)2.Intel：全领域布局人工智能产品 (18)3.Google：发布两代TPU，从ASIC方向进军AI芯片市场 (19)4.寒武纪：全球AI芯片领域第一个独角兽初创公司 (22)5.其他AI芯片参与企业 (23)五、该领域主要龙头企业 (23)1.富瀚微 (23)2.中科曙光 (24)3.科大讯飞 (25)4.东方网力 (25)风险提示 (26)图目录图1：华为麒麟970芯片 (4)图2：华为麒麟970芯片性能参数 (5)图3：人工智能应用领域 (6)图4：2035年的实际经济总增加值增速（%） (7)图5：人工智能芯片的诞生之路 (8)图6：人工智能发展进程 (9)图7：中美人工智能初创企业总量占全球比 (10)图8：中美人工智能产业累计融资额对比（元） (10)图9：NVIDIA高性能GPU-Tesla概况 (12)图10：CPU与GPU架构对比 (13)图11：Xilinx Kintex 7 Ultrascle芯片和Altera Cyclone IV芯片 (13)图12：海康威视搭载Movidius Myriad 2处理器 (15)图13：Mobileye Eye Q1芯片 (15)图14：NVIDIA股价表现 (16)图15：GPU是NVIDIA营收主要来源 (16)图16：NVIDIA全方位布局人工智能芯片业务 (17)图17：Intel收购Altera后的技术路线图 (18)图18：谷歌第一代TPU (19)图19：TPU内部架构 (20)图20：TPU/CPU与其他组合对比 (20)图21：谷歌第二代TPU—Cloud TPU (21)图22：Cloud TPU POD内含64颗TPU (21)图23：DianNao结构 (22)表目录表格 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 (11)表格 3. FPGA & ASIC 对比 (14)表格 4. Intel人工智能布局 (19)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 (23)表格 6. 富瀚微主营业务收入 (24)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。
2017年人工智能+芯片行业分析报告
2017年人工智能+芯片行业分析报告
2017年8月
目录
一、人工智能芯片概况 (3)
1、芯片在人工智能体系中的作用 (3)
2、人工智能芯片市场规模 (3)
二、人工智能芯片主流架构分析 (4)
1、GPU (4)
（1）什么是GPU (4)
（2）GPU的发展历史 (5)
（3）GPU快速发展的原因：特殊的技术迎来了最好的的时代 (7)
（4）GPU代表厂商英伟达 (8)
2、FPGA (11)
（1）什么是FPGA (11)
（2）FPGA相比与其他芯片的优势 (11)
（3）FPGA在人工智能中的应用 (12)
（4）FPGA市场分析 (13)
3、FPGA VS GPU优劣势对比 (14)
三、人工智能主要应用领域之安防 (15)
1、安防市场分析 (15)
2、安防对人工智能的需求分析 (17)
3、芯片在安防产业链中的作用 (19)
四、国内芯片发展现状与有利因素 (21)
五、智能安防龙头：海康威视、大华股份 (23)
一、人工智能芯片概况
半导体行业主要分为集成电路（芯片）、分立器件两大类，人工智能芯片是集成电路中的一个新兴分支。
1、芯片在人工智能体系中的作用
目前人工智能的基础是数据，核心是算法，芯片则是整个系统运行的硬件平台。
一般来说人工智能系统对于搜集来的大量数据用某些特定的算法在硬件平台上进行处理、消化后，对用户提供某些建议或根据设定的程序自动进行反馈，从而形成人工智能系统。
2、人工智能芯片市场规模
2016年人工智能芯片市场规模达到6亿美金，预计到2021年将达到52亿美金，年复合增长率达到53%，增长迅猛，发展空间巨大。
2017年人工智能芯片行业分析报告
2017年人工智能芯片行业分析报告2017年9月目录一、人工智能：下一代计算革命 (5)1、人工智能当前发展阶段 (5)（1）人工智能带来新一轮计算革命 (5)（2）人工智能发展阶段 (6)（3）当前人工智能智能处于服务智能阶段 (7)2、人工智能应用遍地开花 (9)3、人工智能投资热度与日俱增 (10)（1）全球人工智能企业分布 (10)（2）未来市场规模估计 (12)（3）未来的蓝海市场 (13)二、芯片：人工智能必争之地 (13)1、CPU对个人计算机的重要性 (13)（1）冯诺依曼体系结构使得PC发展成为可能 (13)（2）CPU在冯诺依曼机中的主要作用 (13)（3）计算机的发展史就是处理器的发展史 (14)2、ARM处理器在移动计算时代的重要作用 (14)（1）智能手机芯片与PC芯片架构不同 (14)（2）ARM处理器在移动终端中的优越性 (15)3、AI催生下一代芯片 (15)（1）当前处理器难以满足AI计算需求 (15)（2）当前人工芯片尚未成熟 (16)（3）芯片制造：AI产业链基础 (16)三、人工智能芯片各有千秋 (19)1、通用芯片：GPU (19)2、专用芯片 (25)（1）半定制化芯片：FPGA (25)①高性能 (26)②低能耗 (27)③可硬件编程 (27)（2）全定制芯片：ASIC (29)3、类脑芯片 (31)4、前景预测 (32)（1）芯片应用场景由需求决定 (32)（2）GPU广泛用于高处理需求的数据中心 (33)（3）FPGA用于企业，ASIC用于消费电子市场 (34)四、重点企业简析 (34)1、GPU巨头：英伟达 (34)2、FPGA双寡头：赛灵思 (37)人工智能芯片—下一代计算革命基石。
当前人工智能虽然尚处于早期发展阶段，但已渗透到众多行业，垂直行业应用遍地开花，人工智能无疑引领下一代计算革命。
作为计算平台的大脑—A.I 芯片必然扮演举足轻重的角色。
2017年AI芯片行业分析报告
2017年AI芯片行业分析报告2017年9月目录一、AI芯片需求爆发，市场规模高速扩张 (5)1、人工智能应用普及，带动AI芯片需求爆发 (5)（1）人工智能应用普及奠定爆发基础 (5)（2）CPU、GPU等传统芯片高功耗、低效率无法满足需求 (6)（3）人工智能算法具备明显特点，专用芯片需求强劲 (7)2、市场空间巨大，政策支持确定 (7)（1）市场规模不断提升 (7)（2）政策支持力度不断加强 (9)3、一级市场融资热度不断提升 (10)二、看好ASIC路线，场景以云+端为主 (11)1、主流架构：GPU、FPGA、ASIC (11)2、云端以GPU为主，ASIC 芯片将成重要组成部分 (13)3、ASIC 芯片需和场景结合，有望成为主流 (14)三、竞争格局未定，国内AI芯片存弯道超车机会 (16)1、科技巨头拥有场景优势，研发AI芯片服务自有生态 (17)（1）定制化TPU助力Google打造强大AI生态 (17)（2）借力FPGA，微软强势进入AI芯片市场 (20)2、传统芯片厂商抢占AI芯片市场份额 (21)（1）英伟达巩固地位，强势推出GV100高性能芯片 (21)（2）英特尔：内生外延加速人工智能布局 (23)3、初创企业：面向终端场景的AI芯片是优势所在 (25)（1）寒武纪：中科院背景，领衔国内AI芯片市场 (26)（2）深鉴科技：专注打造DPU平台，面向硬件终端和服务器终端市场 (28)（3）地平线机器人：提供嵌入式人工智能解决方案，布局智能驾驶、智能家居和智能安防 (29)四、相关上市公司简析 (30)1、富瀚微 (30)2、中科创达 (31)3、四维图新 (31)4、东软集团 (32)5、中科曙光 (32)6、浪潮信息 (32)AI应用爆发，底层芯片架构亟待革新：科技巨头的大力投入及政策扶持正推动AI下游应用的迅猛增长，AI正在安防、无人驾驶、医疗等市场快速落地。
而AI应用的发展离不开底层芯片架构的革新。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(此文档为word格式，可任意修改编辑！）2017年10月正文目录1. 人工智能倒逼芯片底层的真正变革 (4)2. 基于摩尔定律的机器时代的架构——从Wintel到AA (7)2.1. Intel——PC时代的王者荣耀 (8)2.1.1. Intel公司简介 (8)2.1.2. Intel带来的PC行业的市场规模变革和产业变化 (10)2.2. ARM——开放生态下移动时代的新王加冕 (12)2.2.1. ARM公司简介 (13)2.2.2. ARM架构——重新塑造移动智能时代 (13)2.2.3. 生态的建立和商业模式的转变——ARM重塑了行业 (15)3. 人工智能芯片——新架构的异军突起 (19)3.1. GPU——旧瓶装新酒 (20)3.1.1. GPU芯片王者——NVIDIA (23)3.2. FPGA——紧追GPU的步伐 (28)3.3. ASIC——定制化的专用人工智能芯片 (31)3.3.1. VPU——你是我的眼 (31)3.3.1. TPU——Google的野心 (36)3.4. 人工神经网络芯片 (37)3.4.1. 寒武纪——真正的不同 (38)4. 从2个维度测算人工智能芯片空间 (40)5. 主要公司分析 (44)图目录图1：遵从摩尔定律发展到微处理器发展 (5)图2：摩尔定律在放缓 (6)图3：全球智能手机每月产生的数据量（EB）5年提升了13X (6)图4：单一神经元VS复杂神经元 (7)图5：2次应用驱动芯片发展 (8)图6：英特尔x86处理器总市场份额 (9)图7：使用X86架构的单元 (10)图8：摩尔定律下推动下的Intel股价上扬 (11)图9：Intel 2012Q1-2016Q4 各产品线增速 (11)图10：Intel 总产品收入VS PC端收入 (11)图11：Intel VS 全球半导体增速 (12)图12：ARM的商业模式 (13)图13：ARM架构的发展 (14)图14：高级消费电子产品正在结合更多的ARM技术 (16)图15：ARM在智能手机中的成分 (16)图16：基于ARM芯片的出货量 (18)图17：ARM在载有处理器芯片部门的市场占有率 (19)图18：ARM收入及利润情况 (19)图19：人工智能芯片产业链 (20)图20：CPU VS GPU架构 (21)图21：GPU架构流程 (22)图22：CPU VS GPU (22)图23：GPU性能 (23)图24：2012-2016年NVIDIA营收情况 (25)图25：2012-2016年NVIDIA毛利情况 (25)图26：NVIDIA2017年上半年收入构成 (27)图27：FPGA架构 (29)图28：FPGA VS CPU 性能 (30)图29：FPGA VS CPU 功耗 (30)图30：FPGA性能 (31)图31：VPU架构 (33)图 32：VPU模组 (33)图33：VPU应用 (35)图34：3D景深结构 (36)图35：3D成像 (36)图36：Google公司TPU架构 (37)图38：Google公司TPU性能 (37)图40：传统硬件处理方式 (39)图42：寒武纪处理方式 (39)图44：寒武纪芯片性能/能效 (40)图45：终端和移动端 (40)图46：人工智能市场规模 (41)图47：人工智能芯片总市场规模 (42)图49：云端领域人工智能芯片规模预测 (43)图50：终端领域人工智能芯片市场规模预测 (44)表目录表1：ARM架构汇总 (14)表2：2020年ARM在各类型智能手机部件中的可获得的单机收入 (17)表3：人工智能系统 (20)表4：NVIDIA出货芯片预测（单位：百万颗） (27)表5：冯诺伊曼架构VS FPGA架构 (28)表6：图像应用和语音应用人工智能定制芯片 (31)表7：实现原理 (34)表8：冯诺伊曼架构VS 神经网络芯片架构 (38)表48：云端市场规模（单位：百万美元） (42)1. 人工智能倒逼芯片底层的真正变革研究人类的科技发展史，发现科技的进步速度呈现指数型加速态势。
尤其在1950年以后进入芯片时代，摩尔定律推动下的每 18个月“芯片晶体管同比例缩小一半”带来的性能提升以倍数计。
每一次加速的过程推动，都引发了产业的深层次变革，带动从底层到系统的阶跃。
我们本篇报告将着重从底层芯片角度出发，探讨人工智能芯片带来的深层次变革。
图1：遵从摩尔定律发展到微处理器发展然而时至今日，人类精密制造领域（半导体制造是目前为止人类制造领域的最巅峰）遇到硅基极限的挑战，摩尔定律的放缓似乎预示着底层架构上的芯片性能的再提升已经出现瓶颈，而数据量的增长却呈现指数型的爆发，两者之间的不匹配势必会带来技术和产业上的变革升级。
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计算芯片的架构50多年来都没有发生过本质上的变化，请注意计算架构的决定是资源的组织形式。
而传统的冯诺伊曼是采取控制流架构，采用的是线性的记忆体和布尔函数作为基线计算操作。
处理器的架构基于流水线串行处理的机制建立，存储器和处理器分离，流水线的计算过程可以分解为取指令，执行，取数据，数据存储，依次循环。
依靠整个串行的过程，逻辑清晰，但性能的提升通过两种方式，一是摩尔定律下推动下晶体管数量的增多实现性能倍增；二是通过并行多个芯片核来实现。
无论何种方式，本质上都是线性的性能扩张。
人工智能芯片根据数据流的碎片化和分布式而采取神经网络计算范式，特征在于分布式的表示和激活模式。
变量由叠加在共享物理资源上的向量表示，并且通过神经元的激活来进行计算。
以神经元架构实现深度学习人工智能的临界点实现主要原因在于：数据量的激增和计算机能力/成本。
深度学习以神经元为架构。
从单一的神经元,再到简单的神经网络,到一个用于语音识别的深层神经网络。
层次间的复杂度呈几何倍数的递增。
数据量的激增要求的就是芯片计算能力的提升。
图4：单一神经元VS复杂神经元计算的体系处于碎片化引发架构变革。
数据的扩张远大于处理器性能的扩张，依靠处理器性能在摩尔定律推动下的提升的单极世界已经崩溃，处理器性能提升的速度并不足以满足AI所需的应用程序的需求。
大量数据消耗的数字运算能力比几年前所有数据中心加起来还要多。
我们在下一章将观察历史上两次重要的电子产业变革，试图证明无论是PC时代的“Wintel”还是智能手机时代的“ARM+Android”，都还无法摆脱机器本身的桎梏。
换句话说，截止于现阶段的一切技术和应用，基于冯诺伊曼架构的拓扑结构已经持续了很多年并没有本质上的变化。
而人工智能带来的，是在摩尔定律放缓维度下引发芯片底层架构重构的变革。
有可能引发的是一次超越以往任何时代的科技革命。
2. 基于摩尔定律的机器时代的架构——从Wintel到AA本章我们重点讨论两次芯片架构变化引发的产业变革和应用爆发。
Intel与Windows结合构建PC生态，本质上诞生了软硬件结合的机器时代。
而在其基础上的延升， 2010后苹果带来的智能手机引发的ARM与Android生态，将机器与人的结合拓展到了移动端。
我们回顾历史上的芯片架构历史，认为冯诺伊曼架构带来了计算体系的建立并通过Intel实现了最大化；ARM通过共享IP的商业模式带来了更开放的生态体系，实现了软硬件的结合延伸了人类的触角。
图5：2次应用驱动芯片发展观察Intel和ARM的黄金十年，站在现在时点往后看，我们提出以下观点：过去十年以下游的应用驱动设计公司的成长转换为由设计公司主导应用正在发生。
从需求层面看企业成长空间。
类似90年代的PC和10年的智能手机带来的亿级大空间增量市场将很容易推动企业的快速增长。
设计企业能够在成长轨迹上实现跨越式突破的可能性来自于赛道的选择。
但站在现在时点看，人工智能是确定性的方向，在所有已有领域的人工智能渗透，都将极大的改变人类的生活。
处于最前沿的芯片公司的革新正在以此而发生，重新定义底层架构的芯片，从上游推动行业的变革。
在并没有具体应用场景爆发之前已经给予芯片公司充分的高估值就是认可设计公司的价值2.1. Intel——PC时代的王者荣耀本节重点阐述Intel公司在X86时代的芯片架构产品以及此架构下公司以及行业的变化。
2.1.1. Intel公司简介Intel是一家成立于1968年的半导体制造公司，总部位于美国加州。
随着个人电脑的普及和全球计算机工业的日益发展，公司逐渐发展成为全球最大的微处理器及相关零件的供应商。
公司在2016年实现营业收入594亿美元，世界500强排名158。
公司分为PC客户端部门、数据中心部门、物联网、移动及通讯部门、软件及服务运营，其他还有笔记本部门、新设备部门及NVM解决方案部门。
公司主要营业收入来自于PC 客户部门，其次是数据中心部门。
公司的主要产品X86处理器占主导地位，接近90%，包括苹果在2006年放弃PowerPC改用英特尔的x86 processors。
图6：英特尔x86处理器总市场份额Intel是第一家推出x86架构处理器的公司。
Intel从8086开始，286、386、486、586、P1、P2、P3、P4都用的同一种CPU架构，统称X86。
大多数英特尔处理器都是基于x86指令集，被称为x86微处理器。
指令集是微处理器可以遵循的基本命令集，它本质上是微处理器的芯片级“语言”。
英特尔拥有x86架构的知识产权和给AMD和Via做处理器的许可权。
图7：使用X86架构的单元2.1.2. Intel带来的PC行业的市场规模变革和产业变化回顾Intel 90年代至今发展历程，清晰看到90年代是Intel发展最快的阶段并在2000年前后达到了峰值。
显而易见的原因是个人电脑的快速普及渗透。
而遵从摩尔定律的每一代产品的推出，叠加个人电脑快速渗透的乘数效应，持续放大了企业的市值，类似于戴维斯双击，推动股价的一路上扬。
图8：摩尔定律下推动下的Intel股价上扬冯诺伊曼架构带来了计算体系的建立并通过Intel实现了最大化，但从本质上说，英特尔参与的是机器时代的兴起和计算芯片价值体现。
但时至今日，在人口红利消散，PC 渗透率达到稳定阶段，依托于PC时代的处理器芯片进入了稳定常态。
英特尔在总产品收入提升的情况下，PC端提供的收入增长机会停滞。
处理器依靠摩尔定律不断推经延续生命力，但在应用增长乏力的阶段缺乏爆发式的再增长。
PC时代的处理器设计遵从了下游应用驱动上游芯片的实质。
图9：Intel 2012Q1-2016Q4 各产品线增速图10：Intel 总产品收入VS PC端收入进入2010年后，英特尔的处理器增速同半导体行业基本协同一致，毫无疑问超越行业增速的增长已经需要新的应用拉动。