人工智能芯片研发攻略-芯际争霸

—人工智能芯片研发攻略投资评级领先大市-A维持评级—人工智能芯片研发攻略投资评级领先大市-A维持评级行业表现 计算机沪深300-2%2015-12%-22%-32%-42%-52%-62%数据来源：Wind资讯%相关报告分级诊疗再迎重磅政策，家庭医生制度区块链行业跟踪报告：数字化资产或是-062015-102016-02此外，专用深度学习芯片和计算平台将大大提升人工智能算法运行效率,推 3 3 3 4 5 5 6 73.人工智能催生新一代专用计算芯片 8 8 9 10 12 12 13 13 15 15 15 16 17 18 19 19 20 21 21表1：大脑运行机制和目前计算机的差别的容错特性，坏掉一个晶体管就能毁掉一块微处理器，但是大脑的数据来源：安信证券研究中心图1：深度学习实际上是建立输入和输出数据之间的映射关系数据来源：安信证券研究中心过程主要体现在执行指令这个环节。而深度学习的人工神经网络算法包含了两个计算过程： 2、用训练好的人工神经网络去运行其他数据。这种差别提升了对训练数据量和并行计算能力的需求，降低了对人工理解功能原理的要求。图2：人工神经网络算法与传统计算模式的不同数据来源：安信证券研究中心为什么传统计算架构无法支撑深度学习的大规模并行计算需求？因为传统计算架构计算资源有限。传统计算架构一般由中央运算器（执行指令计算）、中央控制器（让指令有序执行）、内存（存储指令）、输入（输入编程指令）和输出（输出结果）五个部分构成，其中中央运算器和中央控制器集成一块芯片上构成了我们今天通常所讲的CPU。图3：CPU内部结构图（仅ALU为主要计算模块）指令数据计算的，其他各个模块的存在都是通用性结构对于传统的编程计算模式非常适合，同时可以通过提升CPU主频（是运算单元数据来源：英伟达，安信证券研究中心图5：英伟达GPU使训练深度神经网络的速度提升了50倍数据来源：英伟达，安信证券研究中心英伟达通过GPU在深度学习中体现的出色性能迅速切入人工智能领域，又通过打造涉及医疗、生命科学、能源、金融服务、汽车、制造业以及娱乐业等多个领域。图6：英伟达迅速建立了支撑科研机构、行业巨头和初创企图7：与NVIDIA在深度学习方面展开合作的企业两年激增了近业的通用GPU加速平台35倍数据来源：英伟达，安信证券研究中心数据来源：英伟达，安信证券研究中心图8：英伟达针对各类智能计算设备开发对应GPU，使得深度学习可以渗透各种类型的智能机器数据来源：安信证券研究中心系统。开放的开发平台将带来下游应用的蓬勃发展。最典型的例子就是谷歌开源安卓平台，图9：安卓开源平台活跃度迅速提升图10：安卓开源促进全球移动应用的蓬勃发展数据来源：谷歌，安信证券研究中心数据来源：Digi，安信证券研究中心以谷歌为例，用户使用开源的TensorFlow平台训练和导把整个用深度学习模型对外提供服务的方案全包图11：使用谷歌人工智能开源平台训练的模型可以直接导入其云平台对外提供服务数据来源：谷歌，安信证券研究中心图12：阿里发布国内一个机器学习平台，将云计算与人工智能优势结合增强其竞争力表2：各大巨头争相开源人工智能平台Facebook公布机器学习的开源项目Torch，此后Facebook开源人工智能硬件服务器BigSur。谷歌开源了第二代机器学习平台TensorFlow，为用户们提供一种利用大量数据直接训练计算机完成任务的途径。微软宣布推出新的机器学习开源工具包DMTK，其中包含了在多台服务的文字嵌入算法。IBM宣布将通过Apache软件基金会免费为外部程序员提供SystemML人工智能工具的源代码。特斯拉CEOElonMus正式启动非盈利人工智能项目OpenAI，建议研究人员公开他们的研究成果，包括论文、博文、代码和专利，与世界共享。百度开源人工智能代码。2016年4月Google升级开源深度学习系统TensorFlow，已支持分布式计算数据来源：互联网公开资料整理，安信证券研究中心图13：各大深度学习平台的性能对比数据来源：lietal，安信证券研究中心在产业应用没有大规模兴起之时，使用这类已有的通用芯片可以避免专门研发定制芯片习算法中实现同样的性能，GPU所需功耗远大于FPGA，例如国内初创企业深FPGA，即现场可编辑门阵列，是一种新型的可编程逻辑器件。其设计初衷是为了实现半定图14：FPGA应用于深度学习研究里程碑数据来源：赛灵思，安信证券研究中心图15：FPGA的内部结构数据来源：赛灵思，安信证券研究中心人的行为不断提升其能力，成为我们生活中离不开的智图16：NVIDIA为深度学习专门设计芯片TeslaP100比一年前发布的GPU快12倍数据来源：英伟达，安信证券研究中心图17：谷歌TPU相当于将硬件性能实现了按照摩尔定律需要发展7年时间的跨越数据来源：谷歌，安信证券研究中心倍于智能手机体量的设备需要引入感知交互能度考虑，人工智能定制芯片需求量就将数十倍于智图18：人工智能核心芯片下游应用极为广泛数据来源：寒武纪，安信证券研究中心图19：人工智能将催生数十倍于智能手机的核心芯片需求现商业盈利往往会遇到瓶颈。通过将各自人工智图20：Mobileye发布第四代ADAS视觉处理器数据来源：电子工程世界，安信证券研究中心图21：地平线机器人正在打造深度学习本地化芯片数据来源：地平线机器人，安信证券研究中心我国的寒武纪芯片也计划于今年开始产业化。人机围棋大战中的谷歌“阿尔法狗”（AlphaGo）使用了约170个图形处理器（GPU）和1200个中央处理器（CPU），这些设备需要占用一个机房，还要配备大功率的空调，以及多名专家进行系统维护。AlphaGo目前用的芯片数量，将来如果换成中国人研制的“寒武纪”架构的芯片，估计一个小盒子就全装下了。这意味着“阿尔法狗”将可以跑得更快些。图22：人工智能芯片发展阶段数据来源：安信证券研究中心在芯片需求还未成规模、深度学习算法暂未稳定需图23：深鉴科技FPGA平台DPU产品开发板数据来源：深鉴科技，安信证券研究中心4.2.针对深度学习算法的全定制人工智能芯片图24：寒武纪在国际上开创了深度学习处理器方向图25：寒武纪芯片计划于今年内实现产业化数据来源：寒武纪，安信证券研究中心数据来源：寒武纪，安信证券研究中心存储密度。这类芯片的研究离成为市场上可以大规模广泛使用的成熟技术还有很大的差距，过来的脉冲（动作电位这些神经元就会同时做动作实现事件驱动的异步电路特性。由于图26：Truenorh芯片集成神经元数目迅速增长数据来源：IBM,安信证券研究中心图27：美国劳伦斯利弗莫尔国家实验室一台价值100万美元的超级计算机中使用了16颗Truenorh芯片数据来源：IBM,安信证券研究中心图28：2022年类脑计算芯片市场份额预测数据来源：Markets-and-Markets，安信证券研究中心表3：全球知名芯片公司的类脑芯片英特尔神经心态芯片设计基于两项技术：横向自旋磁铁，能根据通过的电子自旋方向开关。忆阻器则是有记忆功能的非线性电Audience公司出于对神经系统的学习性和可塑性、容错Numenta公司认为与流行的人工智能相比，大脑皮层并不像是处理器，数据来源：安信证券研究中心整理5.1.核心芯片决定一个新的计算平台时也存在设计复杂、难以流水作业、高功耗的问题。实质上精简图29：PC处理器市场格局（其中Intel、AMD、威盛均是X86架构）数据来源：IDC,安信证券研究中心图30：WINTEL联盟垄断了PC市场的计算平台数据来源：微软，安信证券研究中心图31：ARM授权芯片设计IP的商业模式图32：移动处理器市场份额（高通、联发科、苹果、三星等均采用ARM授权的架构）数据来源：ARM，安信证券研究中心数据来源：JPR，安信证券研究中心图33：ARM占据嵌入式处理器IP超过一半份额，其中占据移动手机处理器超过90%份额数据来源：thelinelygroup，安信证券研究中心图34：ARM各系列移动处理器销售量，其中超过一半销售量是在2009年移动互联网时代兴起后取得数据来源：ARM,安信证券研究中心方面也是在人工智能产业发展初期率先启动表4：A股人工智能芯片公司梳理细分领域上市公司人工智能专用芯片科大讯飞、中科曙光（战略投资寒武纪芯片）东方网力（合作方商汤科技研发深度学习芯片）汉邦高科（和清华电子系合作人工智能算法芯片化）和而泰（卡位智能控制器入口）鲁亿通（定增投入人工智能专用芯片研发）综艺股份（中星微研发中国首个嵌入式神经网络处理芯CPU北京君正三毛派神GPU景嘉微FPGA振华科技SOC设计全志科技中科创达国民技术*ST盈方语音交互声学器件歌尔声学数据来源：安信证券研究中心>东方网力(合作方商汤科技自主研发深度学习核心芯片，打造硬件生态的公司。方视为以警用无人机产品作为平台的城市公共安全管控系6.2.科大讯飞：打造中国“最强大脑”评、教、学、管”全产品的智慧教育整体解决方案全国迅速推广；公司人工智能技术已经应网络视频服务器、模拟摄像机、网络摄像机等多个系列数字监控核心产品，主要面向金融、能力和业务创新能力。公司已经基本建立起了覆盖全国的分销体系，并正逐步向国外拓展。HUNTER、SEB、三星、松下等全球著名客户在智能控制器领域的国唯一合作伙伴，并且公司后续在这些客户中的市场智能控制器是物联网大数据平台的入口之一。智能控制器一般来说集程序控制、信息探测、