2018年GPU芯片行业研究报告
2018年GPU芯片行业深度研究报告
•
目前在移动GPU领域市场份额前5的厂商 分别是ARM，Imagination，Qualcomm， Vivante和NVIDIA。ARM是移动端GPU 巨头，据Digitimes统计，2015年ARM全 球移动GPU市占率达38.6%，中国市场市 占率接近70%。
移动GPU代表 ARM mali-T880
1995-2000
固定功能架构时代
2001-2005
分离渲染时代
资料来源：安信证券研究中心
2006-至今
统一渲染架构时代
GPU应用领域广阔
PC GPU
• GPU的概念最早来自于图形 工作站，从90年代个人电脑 的普及开始，GPU迎来大发 展时代。90年代中期，桌面 GPU经历了从2D到3D的跨 越，从此3D图形渲染技术取 代2D成为PC游戏的主流。 经过国际厂商间的激烈竞争 后，PC GPU形成了NVIDIA、 AMD与 Intel三足鼎立的局 面。 •
GPU发展历程
• 综合这些方面, 将GPU技术发展的历程分为： 固定功能架构时代(fixed function architecture)； 分离渲染架构时代(separated shader architecture)； 统一渲染架构时代(unified shader architecture)。
资料来源：ARM
资料来源：ARM
GPU应用领域广阔
GPU应用前景广阔
• 随着电子信息技术和互联网技术的不断进 步，GPU在人工智能（图像语音识别、无 人驾驶等）、视频处理、VR/AR、生命化 学、金融证券数据等领域具有广阔的应用 前景。 •
AI带来GPU发展新契机
GPU在人工智能计算方面优势明显。 GPU/FPGA /ASIC等均适用于深度学习训练。 较之于其他方案，GPU产业链、技术成熟，其 并行运算优势适用于人工智能，具有明显优势 并已在现有早期项目中广泛使用。谷歌在图像 识别项目、特斯拉与沃尔沃在其辅助驾驶和自 动驾驶项目中均使用GPU加速人工智能算法。
2018年人工智能芯片行业分析报告
2018年人工智能芯片行业分析报告2018年3月目录一、全球：规模倍增，群“芯”闪耀 (4)1、AI芯片市场规模倍增，从一家独占到群“芯”闪耀 (4)2、数据中心先行起步，xPU挑战GPU (6)3、边缘推断开始爆发，ASICs百花齐放 (12)4、还将推动晶圆代工、存储芯片、ODM 和半导体设备需求 (18)二、中国：众“智”成城，跳跃发展 (19)1、中国赢在AI (19)2、AI芯片投资热情高涨，以边缘计算为主 (20)3、安防芯片将最具优势 (20)三、相关企业简况 (23)1、ASML (23)2、Orbotech (25)3、海康威视 (27)4、中科曙光 (27)5、创业公司 (28)（1）比特大陆 (28)（2）寒武纪科技 (29)（3）地平线 (29)（4）深鉴科技 (30)（5）Novumind（异构智能） (31)人工智能已成为半导体行业最重要的增长动力。
AI芯片市场规模将从2017年的20亿美元，年均增长90%到2022年的490亿美元。
训练市场已率先起步，但推断市场、特别是边缘推断将随后爆发。
推断芯片/内置单元的市场规模将年均增长116%，其中，部署于消费电子、自动驾驶汽车、安防设备、物联网设备等边缘设备上的推动芯片市场规模将年均增速123%。
GPU 的市场份额将从2017年的70%下降到2022年的39%，其主要增长动力将从数据中心算法训练，转移到自动驾驶汽车。
而FPGAs 和ASICs将崭露头角，占据边缘推断市场。
科技巨头和系统集成商的前向一体化，以及众多创业公司的努力，将使AI芯片市场从一家独占转为呈现群“芯”闪耀之势。
此外，AI芯片的发展还将推动晶圆代工、存储芯片、ODM 和半导体设备的需求。
中国在数据、人才、资本、政府支持力度等方面的优势，使很多人期待中国在人工智能上可超越美国而领先世界。
当前，中国在人工智能上的创业投资和专利数量确实已超过美国，脸部识别、汉语的语音语义识别和机器翻译等算法也全球领先。
2018年半导体行业分析报告
2018年半导体行业分析报告2018年2月目录一、半导体行业处于上升轨道，大基金注资推动国产化加速 (4)1、中国半导体产业发展仍处于上升轨道 (4)2、大基金注资推动国产化加速 (7)二、半导体崛起之路，存储、设备、材料国产替代重中之重 (10)1、IC设计2018年将维持20%增长 (11)2、中国存储产能释放在即，国产替代可期 (13)（1）DRAM的供需关系 (19)（2）NAND Flash的供需关系 (20)3、半导体材料国产化有序进行 (22)（1）半导体硅片国产替代从0到1，国产替代重要一环 (24)4、半导体设备为最大的投资，市场空间巨大 (26)（1）北方华创 (34)（2）长川科技 (34)（3）至纯科技 (35)（4）晶盛机电 (35)5、并购整合是王道，国内封测弯道超车 (35)半导体行业处于上升轨道，大基金注资推动国产化加速。
中国半导体产业处于上升轨道，2017年中国半导体产值估计将达到5140亿元，年增率达到18.6%，维持2010年以来连续第8年双位数成长的态势，显然中国半导体行业发展持续处于上升的轨道。
全球2017-2018年间将建17座12吋晶圆厂，中国大陆占10个。
大基金注资推动国产化加速，至2017年11月底，大基金已实际出资约人民币794亿元，成为IC 领域快速投资促进上、下游协同发展的重要资金来源。
目前大基金二期已经在募资中，预计大基金二期筹资设立方案总规模为1500-2000亿元。
一期加二期及撬动地方产业基金，整体规模有望接近万亿级别。
从大基金对集成电路各环节支持来看，制造、设计、封测、装备、材料环节最终投资占比分别为63%、20%、10%、3%、4%，随着中国半导体行业处于上升轨道以及大基金推动，国内半导体迎来国产替代成长周期。
半导体崛起之路，存储、设备、材料国产替代重中之重。
基于技术门槛考虑，国产化进程势必沿着封测-制造-材料路线传导。
随着国内半导体崛起，存储、设备、材料国产化替代为重中之重。
2018年中国智能芯片行业前景研究报告
中国智能芯片行业前景研究报告客服热线：400-666-1917中商产业研究院网站网址：/前言Introduction随着人工智能受到媒体和资本的热捧，近来国内外各路豪杰纷纷推出自己的人工智能芯片，在PC行业已经开始逐年衰退，智能手机行业也随着市场的逐渐饱和进入瓶颈期的情况下，人工智能、物联网、云计算、大数据等领域被认为是下一个风口。
其中，人工智能无疑是最受媒体和资本热捧的宠儿。
同时，国外大厂纷纷推出了自己的人工智能芯片。
图片图片目录CONTENTS前言2.人工智能芯片行业现状2.1 全球智能芯片行业市场规模2.2 中国智能芯片行业市场规模1.人工智能芯片市场概况1.1 人工智能芯片计算过程分析1.2 人工智能芯片分类分析4.行业重点企业分析4.1 百度4.2 寒武纪4.3 地平线4.4 景嘉微4.5 深鉴科技1.3 不同人工智能芯片特点分析1.4 GPU与CPU的比较3.1 政策护航3.人工智能芯片市场动力3.2 人工智能市场发展推动3.3 市场需求推动01人工智能芯片市场概况人工智能芯片计算过程分析伴随着大数据的发展，计算能力的提升，人工智能近两年迎来了新一轮的爆发。
而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，其中硬件指的是运行 AI 算法的芯片与相对应的计算平台。
芯片就是硬件的最重要组成部分。
包括两个计算过程：1、训练；2、执行。
资料来源：中商产业研究院整理人工神经网络人脸车辆语音人脸标签车辆型号文字识别训练过程执行过程人脸识别车辆识别语音识别人工智能芯片计算过程人工智能芯片分类分析随着人工智能的快速发展，应用场景不断拓展，目前已覆盖包括深度学习、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。
技术架构来看，人工智能芯片分为通用性芯片（GPU）、半定制化芯片（FPGA）、全定制化芯片（ASIC）三大类。
人工智能芯片分类人工智能芯片GPU FPGAASICBPUNPUTPU VPU资料来源：中商产业研究院整理不同人工智能芯片特点分析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。
2018年人工智能芯片行业市场调研分析报告
2018年人工智能芯片行业市场调研分析报告目录第一节人工智能倒逼芯片底层的真正变革 (5)第二节基于摩尔定律的机器时代的架构——从Wintel到AA (9)一、Intel——PC时代的王者荣耀 (9)1、Intel公司简介 (10)2、Intel带来的PC行业的市场规模变革和产业变化 (11)二、ARM——开放生态下移动时代的新王加冕 (14)1、ARM公司简介 (14)2、ARM架构——重新塑造移动智能时代 (15)3、生态的建立和商业模式的转变——ARM重塑了行业 (18)第三节人工智能芯片——新架构的异军突起 (22)一、GPU——旧瓶装新酒 (23)1、GPU芯片王者——NVIDIA (26)二、FPGA——紧追GPU的步伐 (30)三、ASIC——定制化的专用人工智能芯片 (33)1、VPU——你是我的眼 (34)2、TPU——Google的野心 (37)四、人工神经网络芯片 (39)1、寒武纪——真正的不同 (40)第四节从2个维度测算人工智能芯片空间 (43)一、维度一：市场规模反推芯片空间 (43)二、维度2：详细拆分云端/移动端所需人工智能加速器的BOM (43)1、云端加速器详细拆解 (44)2、终端加速器市场详细拆解 (45)第五节部分相关企业分析 (47)图表1：遵从摩尔定律发展到微处理器发展 (5)图表2：摩尔定律在放缓 (6)图表3：全球智能手机每月产生的数据量（EB）5年提升了13X (6)图表4：单一神经元VS复杂神经元 (7)图表5：2次应用驱动芯片发展 (9)图表6：英特尔x86处理器总市场份额 (10)图表7：使用X86架构的单元 (10)图表8：摩尔定律下推动下的Intel股价上扬 (11)图表9：Intel2012Q1-2016Q4各产品线增速 (12)图表10：Intel总产品收入VSPC端收入 (12)图表11：IntelVS全球半导体增速 (13)图表12：ARM的商业模式 (14)图表13：ARM架构的发展 (15)图表14：高级消费电子产品正在结合更多的ARM技术 (18)图表15：ARM在智能手机中的成分 (19)图表16：基于ARM芯片的出货量 (20)图表17：ARM在载有处理器芯片部门的市场占有率 (20)图表18：ARM收入及利润情况 (21)图表19：CPUVSGPU架构 (23)图表20：GPU架构流程 (24)图表21：GPU性能 (25)图表22：2012-2016年NVIDIA营收情况 (26)图表23：2012-2016年NVIDIA毛利情况 (27)图表24：NVIDIA2017年上半年收入构成 (28)图表25：FPGA架构 (30)图表26：FPGAVSCPU性能 (32)图表27：FPGAVSCPU功耗 (32)图表28：FPGA性能 (33)图表29：VPU架构 (34)图表30：VPU模组 (35)图表31：VPU应用 (36)图表32：3D景深结构 (36)图表33：3D成像 (37)图表34：Google公司TPU架构 (38)图表35：传统硬件处理方式 (40)图表36：寒武纪处理方式 (40)图表37：寒武纪芯片性能/能效 (41)图表38：终端和移动端 (42)图表39：人工智能市场规模 (43)图表40：人工智能芯片总市场规模 (44)图表41：云端领域人工智能芯片规模预测 (45)图表42：终端领域人工智能芯片市场规模预测 (46)表格1：ARM架构汇总 (16)表格2：2020年ARM在各类型智能手机部件中的可获得的单机收入 (19)表格3：人工智能系统 (22)表格4：人工智能芯片产业链 (22)表格5：CPUVSGPU (25)表格6：NVIDIA出货芯片预测（单位：百万颗） (29)表格7：冯诺伊曼架构VSFPGA架构 (30)表格8：图像应用和语音应用人工智能定制芯片 (33)表格9：实现原理 (35)表格10：Google公司TPU性能 (38)表格11：冯诺伊曼架构VS神经网络芯片架构 (39)表格12：云端市场规模（单位：百万美元） (44)第一节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。
行业研究报告-自动驾驶芯片-GPU的现在和ASIC的未来
自动驾驶芯片：GPU的现在和ASIC的未来——自动驾驶系列报告三：车载芯片篇行业观点⏹自动驾驶系列报告第三篇，我们将按时间顺序梳理车载芯片的发展历程，探讨未来发展方向。
汽车电子发展初期以分布式ECU架构为主流，芯片与传感器一一对应，随着汽车电子化程度提升，传感器增多、线路复杂度增大，中心化架构DCU、MDC逐步成为了发展趋势；随着汽车辅助驾驶功能渗透率越来越高，传统CPU算力不足，难以满足处理视频、图片等非结构化数据的需求，而GPU同时处理大量简单计算任务的特性在自动驾驶领域取代CPU成为了主流方案；从ADAS向自动驾驶进化的过程中，激光雷达点云数据以及大量传感器加入到系统中，需要接受、分析、处理的信号大量且复杂，定制化的ASIC芯片可在相对低水平的能耗下，将车载信息的数据处理速度提升更快，并且性能、能耗和大规模量产成本均显著优于GPU和FPGA，随着自动驾驶的定制化需求提升，ASIC专用芯片将成为主流。
⏹目前出货量最大的驾驶辅助芯片厂商Mobileye、Nvidia形成“双雄争霸”局面，Xilinx则在FPGA的路线上进军，Google、地平线、寒武纪在向专用领域AI芯片发力，国内四维图新、全志科技等也在自动驾驶芯片领域积极布局。
Mobiley e的核心优势是EyeQ 系列芯片，可以处理摄像头、雷达等多种传感器融合产生的大量数据，在L1-L3自动驾驶领域具有极大的话语权，目前出货量超过了2700万颗；NVIDIA在GPU领域具有绝对的领导地位，芯片算力强大且具备很强的灵活性，但功耗高、成本高，AI机器学习并不太适合GPU的应用；此外Google、地平线、寒武纪、四维图新等更聚焦在针对不同场景下的具体应用，芯片设计也开始增加硬件的深度学习设计，自动驾驶上AI的应用已经成为未来的趋势。
⏹基于产业前景和潜在的巨大市场，给予行业买入评级，上市公司方面看好四维图新，建议关注地平线、寒武纪。
公司名称代码收盘价（元/美元）EPS （元/美元）PE业务来源：Wind/Thomson一致预测风险提示⏹自动驾驶行业发展不及预期；装车渗透不及预期；产品开发、成本下降不及预期；使用场景限制；法律法规限制自动驾驶发展；事故影响。
gpu 算力生态发展简史——2003~2023
今日共享的主题是：gpu 算力生态发展简史——2003~2023我首先想说，gpu 算力的发展是当今科技领域中一个备受瞩目的话题。
从2003年至今，gpu 算力在计算机领域的发展经历了许多里程碑式的事件，为科学、工程和娱乐等领域的应用带来了巨大的改变。
在这篇文章中，我将对gpu 算力的发展历程进行梳理，并共享我对其未来发展的个人观点和理解。
1. 2003年-2008年：gpu 算力初露锋芒在2003年，NVIDIA推出了GeForce FX系列显卡，这是gpu 算力发展的重要节点之一。
它不仅提供了强大的图形处理能力，还具备了强大的通用计算能力，为后来的gpu 算力应用奠定了基础。
而在2006年，NVIDIA推出了首款基于统一架构的gpu——GeForce 8800系列，这标志着gpu 算力开始正式走向通用计算的道路。
2. 2009年-2013年：gpu 算力在科学计算领域的崭露头角随着gpu 算力的不断提升，科学研究领域开始逐渐将gpu 算力引入其计算需求。
2010年，NVIDIA发布了Fermi架构，这一架构不仅在图形处理方面有所提升，更是进一步增强了gpu 在通用计算方面的性能。
而在2012年，AMD也加入了通用计算的阵营，推出了兼具图形处理和通用计算能力的GPU。
3. 2014年-2018年：gpu 算力在人工智能和深度学习领域的应用迅速普及在这一阶段，gpu 算力开始在人工智能和深度学习领域发挥越来越重要的作用。
NVIDIA的CUDA评台和AMD的OpenCL评台为gpu算力在这些领域的广泛应用提供了技术支持。
尤其是在深度学习算法的训练和推理过程中，gpu 算力以其强大的并行计算能力成为不可或缺的部分。
4. 2019年-2023年：gpu 算力在云计算和边缘计算领域的蓬勃发展近年来，gpu 算力在云计算和边缘计算领域的应用逐渐增多。
亚马逊、微软和谷歌等云计算服务提供商纷纷推出基于gpu 算力的云端计算服务，为用户提供更加高效和强大的计算资源。
2018年电子芯片行业深度分析报告
２０１８年电子芯片行业深度分析报告投资概要：驱动因素、关键假设及主要预测：我国大规模建造12寸晶圆代工厂将大幅拉动全球半导体硅片的需求，这些需求将主要在2017年-2019年形成。
展望未来的硅片供应，国际主流厂商2018年仍无大规模扩产计划。
预计硅片供不应求的状态仍将持续。
存储器需求的提升带来了半导体行业的景气度的提升；5G箭在弦上，物联网和人工智能有望加速落地，下游的需求将给半导体景气度提升持续加码。
行业的高景气度带来了晶圆厂的产能利用率大幅提升，部分厂商已根据情况进行了提价，2018年有望进一步提价。
我国新建12寸晶圆厂将陆续建成，产能利用率及产能的提升将引爆制造环节企业的业绩，因此我们2018年看好我国制造环节的企业的投资机会。
制造环节的高景气将带来更多的设备采购并将传导至封测领域，我们也看好2018年半导体设备及封测环节的投资机会。
物联网和人工智能的普及将继续加大对存储器的需求，存储的高景气将持续，我们也看好存储器芯片设计企业、物联网芯片设计企业和人工智能芯片等新兴领域芯片设计企业的投资机会。
5G的普及及下游新兴技术的应用将带来砷化镓晶元的应用的提升，化合物半导体未来也将迎来投资机会。
此外，产业的支持政策持续升级，产业基金的支持力度也有望加码，大基金二期呼之欲出，未来投资将更具偏重。
在此背景下，我国半导体产业将继续保持健康快速的发展，迎来战略配置机会。
我们与市场不同的观点：部分投资者认为，和国际龙头半导体企业相比，A股半导体上市公司整体市盈率偏高，上涨空间有限。
我们认为半导体行业的偏高估值有其合理性：第一，考虑到本轮半导体周期正处于持续回升过程中，体量小的公司波动更大，过往12个月偏高的估值有其合理性；其次，我国半导体产业整体的增速远超全球平均水平，行业龙头的市场份额持续提升，更高的增速理应享受更高的估值水平及更大的市值成长空间。
投资建议：重点公司2018年平均预测市盈率约为40倍，部分优质公司市盈率为30倍左右，目前半导体板块整体估值水平处于历史较低位置。
2018年半导体行业分析报告
2018年半导体行业分析报告2017年12月内容目录提升半导体产业全球竞争力已经是我国国家战略 (6)现状：中国半导体市场供需矛盾突出，国内半导体自给率仅14% (6)执行层面：力争半导体行业实现“自主可控”，大基金全产业链深入布局 (6)中国半导体崛起之路，芯片制造是核心 (9)当前中国半导体产业结构，两头大中间小 (9)芯片制造是设计及封装的中游环节，在产业链中占据重要位臵 (9)中国半导体制造崛起，构建虚拟IDM 生态圈，国内封测、设计等优先受益 (12)全球半导体背景概述 (16)全球半导体产业历经70 年发展，是高度资本密集+技术密集的大产业 (16)全球半导体产业起源美国，并向东方迁移 (18)全球半导体行业格局：中国是全球半导体最大消费市场，但产能仅排全球第五. 19 全球主要半导体公司、IC 设计、晶圆代工厂及封装厂 (21)未来万物互联成半导体市场发展新动力 (23)物联网时代来临，至2020 年物联网市场空间高达3 万亿美元 (23)物联网底层基础在于芯片，将进一步激发对半导体产业的巨大需求 (24)中国“芯”+物联网两大浪潮助力中国半导体腾飞，相关标的一览 (26)图表目录图1：全球及中国半导体销售同比增速(2014-2017) (6)图2：2016 年全球终端半导体销售额 (6)图3：2016 年全球晶圆制造产能分布(千片/月，折算8 寸) (6)图4：大基金投资半导体行业分类 (7)图5：大基金已投资半导体企业一览 (7)图6：国内半导体产业市场规模(亿元) (9)图7：2016 国内半导体产业结构 (9)图8：芯片制造产业链 (9)图9：Our limit to visibility goes out ~ 10 years (10)图10：2016 年国内主要晶圆代工营收排名(亿元) (10)图11：中国晶圆厂布局 (10)图12：中国12 寸晶圆年产能增加规划(万片) (12)图13：中国半导体设计、制造及封测规模(亿元) (13)图14：中国半导体设计设备及材料规模(十亿美元) (13)图15：2016 年国内主要封测公司营收排名(亿元) (14)图16：2016 年国内主要IC 公司营收排名(亿元) (15)图17：摩尔定律 (16)图18：半导体领域的发展进程 (16)图19：全球半导体市场规模及增速 (17)图20：全球半导体资本开支 (18)图21：全球半导体产业转移路径 (19)图22：2016 年全球终端半导体销售份额 (20)图23：2016 年全球终端半导体应用份额结构 (20)图24：2016 年全球半导体市场份额结构(按器件) (21)图25：2016 年全球晶圆制造产能分布(千片/月，折算8 寸) (21)图26：半导体产业链工序 (22)图27：全球主要的半导体2016 年营收(亿美元) (22)图28：全球主要IC 厂2016 营收(亿美元) (22)图29：全球主要晶圆代工厂2016 营收(亿美元) (23)图30：全球主要封装厂商2016 营收(亿美元) (23)图31：下游应用推动半导体产业发展 (23)图32：物联网成熟度曲线 (23)图33：全球物联网市场规模及增速(亿美金) (24)图34：物联网示意图 (24)图35：物联网成熟度曲线 (24)图36：IOT 半导体市场细分 (25)图37：I OT 半导体市场增速 (25)表1：大基金A 股持股一览 (8)表2：大基金拟参与增发一览 (8)表3：我国12 寸晶圆厂已建，在建，拟建 (10)表4：我国8 寸晶圆厂分布 (11)表5：国内主要半导体设备企业 (15)表6：国内主要半导体晶圆制造材料领域企业 (16)表7：国内主要半导体晶圆封装材料领域企业 (16)提升半导体产业全球竞争力已经是我国国家战略现状：中国半导体市场供需矛盾突出，国内半导体自给率仅 14%2016 年 中 国 半导体 消费 额全球 最大 ，并 且继 续快速 增长 。
2018年通信芯片行业深度分析报告
２０１８年通信芯片行业深度分析报告我们在6月14日发布的深度报告《通信自主可控系列报告之一——无线上游的进击和5G的历史使命》中提出在无线赛道领域，我们在射频、ADDA、基带芯片等领域突破的进展，而本篇系列之二，则着重针对在固网领域的三大芯片高端光器件芯片、交换机芯片、服务器芯片，阐述国产突破的机遇。
⏹光通信器件国内中低端产品布局完备，基础扎实，25G光芯片突破在即，契合云计算与5G引入的重大机遇。
国内光通信发展突飞猛进，本土光设备厂商全球市场份额超50%，光器件也形成了品类齐备、规模可观的全套产业体系。
产业龙头光迅科技在全球规模跻身前5，占比近7%，体现了深厚的研发制造基础。
但在高端组件和芯片方面，本土自研的占比不足10%，大而不强的问题突出。
围绕光通信器件的核心有源收发器，近年产业龙头公司展开了有针对性的攻关，取得了阶段性成果：成功突破了10G全系列光芯片、电信网独立器件封测等关键点，全面推升了国内光器件产品的综合竞争力。
伴随云计算数据中心蓬勃兴起、电信网扩容升级的刚性需求、5 G商用即将展开，光通信上游创新自主将迎来难得的产业机遇。
工信部专门发布光电子产业发展路线图，政策面强化支持，对于已有扎实根基的光器件领域，25G光芯片有望在短期见证重大突破，也将进一步孕育本土上游厂商的全球竞争力。
⏹云计算推动数通网迅猛发展，大型数据中心交换设备全面呈现白盒化趋势，为本土交换芯片厂商差异化竞争带来重大机遇。
移动互联对大流量、高并发性和大数据处理的需求，推动大规模数据中心高速发展。
继北美率先实践云数据中心新架构以来，全球ICP与运营商纷纷效法扁平化与高密度互联的网络架构。
作为互联枢纽，交换机快速上量和定制化需求，推动交换设备的白牌化成为大趋势。
对品牌交换机形成严峻冲击，也为白盒制造与芯片厂商带来变局良机。
交换芯片是交换机的性能锚点，全球存量份额为Cisco和Broadcom垄断。
在白牌化带动下，不同场景对芯片的需求呈现出多样化，与需求相匹配，衡量芯片的维度趋于多元和供应主体逐步分散，新进厂商因为定制化获得更多机会。
- 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)。
资料来源：SuperData
资料来源：NVIDIA
GPU应用领域广阔
物联网支撑低功耗GPU增长
பைடு நூலகம்
1995-2000
固定功能架构时代
2001-2005
分离渲染时代
资料来源：安信证券研究中心
2006-至今
统一渲染架构时代
GPU应用领域广阔
PC GPU
• GPU的概念最早来自于图形 工作站，从90年代个人电脑 的普及开始，GPU迎来大发 展时代。90年代中期，桌面 GPU经历了从2D到3D的跨 越，从此3D图形渲染技术取 代2D成为PC游戏的主流。 经过国际厂商间的激烈竞争 后，PC GPU形成了NVIDIA、 AMD与 Intel三足鼎立的局 面。 •
• VR行业快速增长。据SuperData统计， 2020年预计全球VR市场规模达400亿 美元，年均复合增长率达61.3%。
全球VR市场规模预测 •
VR支撑高端GPU市场发展
• VR持续驱动高端GPU行业发展。VR对于 GPU提出更高技术要求，高端GPU将成为VR 市场增长直接受益者。我们认为VR市场将为 高端GPU市场持续注入强大动力。 ARM支持VR设计，AMD、NVIDIA等国内外 各大GPU厂商、Facebook、Google、索尼 等开始进驻VR行业。NVIDIA 推出 Gameworks VR 开发平台，AMD推出 LiquidVR。
GPU与CPU比较
GPU与CPU相比拥有更多处理单元
•
GPU与CPU技术比较
特点 GPU 为庞大的计算阵列 （包括ALU和Shader 填充） 架构区别 依赖Cache 逻辑核心简单 适合大规模并行计算 CPU 70%晶体管用来构建 Cache,还有一部分控 制单元，负责逻辑算 数的部分不多 依赖Cache 逻辑核心复杂 适合串行计算 运行复杂度高
资料来源：ARM
资料来源：ARM
GPU应用领域广阔
GPU应用前景广阔
• 随着电子信息技术和互联网技术的不断进 步，GPU在人工智能（图像语音识别、无 人驾驶等）、视频处理、VR/AR、生命化 学、金融证券数据等领域具有广阔的应用 前景。 •
AI带来GPU发展新契机
GPU在人工智能计算方面优势明显。 GPU/FPGA /ASIC等均适用于深度学习训练。 较之于其他方案，GPU产业链、技术成熟，其 并行运算优势适用于人工智能，具有明显优势 并已在现有早期项目中广泛使用。谷歌在图像 识别项目、特斯拉与沃尔沃在其辅助驾驶和自 动驾驶项目中均使用GPU加速人工智能算法。
PC GPU
Intel在整体PC GPU市场占据较大优势；而在独立显卡市场， NVIDIA具有绝对优势，AMD占据了剩下的独显市场份额，JPR 报告显示，2017Q3独显市场中，NVIDIA占据72.8%的市场份 额， AMD瓜分了剩下的27.2%份额。
PC GPU市场份额
•
PC显卡代表 GeForce GTX TITAN X 搭载GM200 GPU
无人驾驶
图像语音识别
生命化学
•
GPU强大的数据并行运算能力解决了人工智能 的发展瓶颈问题，成为驱动人工智能发展的利 器。在2011年，GPU运用于人工智能，开启了 人工智能大爆炸时代。
GPU应用前景广阔
视频处理
VR/AR
金融证券数据
资料来源：安信证券研究中心
资料来源：艾瑞咨询
GPU应用领域广阔
VR支撑高端GPU市场发展
２０１８年ＧＰＵ芯片行业研究报告
主要内容
1
2
3
• GPU应用领域广阔 • AI带来GPU发展新契机，FPGA、ASIC各有优势 • 智能处理器行业格局 • 我国市场发展空间巨大，AI助力中国“芯” • 相关标的
4 5
风险提示：宏观经济下行，行业发展不及预期
GPU应用领域广阔
GPU
• GPU（Graphic Processing Unit），即图形处 理器。GPU计算就是利用GPU来进行通用科 学与工程计算。GPU优势在于解决数据并行 计算问题。在大量数据元素并行程序方面具有 极高的计算密度（数学运算与存储器运算的比 率）。目前，GPU芯片可根据与CPU的关系 分为独立GPU和集成GPU。 GPU已经发展到相对成熟阶段，可轻松执行 实际应用程序并且其运行速度已远远超过了使 用多核系统串行运行速度。 我们认为，未来 计算架构将是并行核心GPU与多核CPU串联 运行混合系统。
•
目前在移动GPU领域市场份额前5的厂商 分别是ARM，Imagination，Qualcomm， Vivante和NVIDIA。ARM是移动端GPU 巨头，据Digitimes统计，2015年ARM全 球移动GPU市占率达38.6%，中国市场市 占率接近70%。
移动GPU代表 ARM mali-T880
NVIDIA独立GPU
高通集成GPU
计算目的 运行复杂度低 资料来源：安信证券研究中心
资料来源：NVIDIA，Qualcomm
GPU应用领域广阔
GPU发展历程
• GPU技术进步主要体现在下列方面： 产品功能的扩展，反映了GPU技术的创新 与突破； 晶体管数量，反映芯片的复杂程度和处理 能力； 总线标准,，CPU-GPU之间的传输速度制 约着芯片性能的发挥； 应用程序接口（application programming interface， API）和渲染模型（shader model），从开发者和应用角度反映了技 术的进步
资料来源：NVIDIA 资料来源：JPR
GPU应用领域广阔
移动GPU
• 随着智能手机大潮的兴起，GPU在移动 设备领域又迎来了一次高速发展。相对于 PC GPU，移动GPU受限于芯片的面积， 能耗以及成本，所以牺牲了部分性能和带 宽获得性价比和电池续航力的平衡。
移动GPU
ARM Mali GPU发展线路图
GPU发展历程
• 综合这些方面, 将GPU技术发展的历程分为： 固定功能架构时代(fixed function architecture)； 分离渲染架构时代(separated shader architecture)； 统一渲染架构时代(unified shader architecture)。