AI国芯破局行业切入成长期

——2018人工智能行业投资策略证券分析师：刘高畅A0230517100003刘洋A0230513050006刘畅A0230516090003孙家旭A0230517070008联系人：黄忠煌、郭雅绮2017.11.22联系人：黄忠煌、郭雅绮22 33 2016.11 2017.7 瓶颈、技术、发展阶段、未来机会来看，人工线为教育、医疗。特征为技术确定性高、空间较模化优势而进展较慢。三线为金融、与智能驾驶涨148%（截至2017.11.20）。产业面4 55算力是AI基础需求算力算力是AI基础需求算力芯片应用ASIC为最佳方案被超越可能原因66人工智能下的算力特征是矩阵/求导（以训练阶段举例）：下为最小二乘法，偏导数为0，多维情况下为梯度最低）传统的算力（CPU）：与跳转的判断能力强提取数据AI算法训练过程框架图人工神经网络GPU架构和CPU架构对比77复杂指令集不适合并行计算摩尔定律：当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍。CPU性能有限：应用计算需求超过摩尔定律：传统计算与人工神经网络计算流程对比逻辑判断计算机执行指令输出结果处理器串行计算提取训练好的神经网络模型运行其他数据需要大规模矩阵浮点运算传统结构已经不能满足AI计算的需求88GPU：GraphicsProcessingUnit处理图像以外计算FPGA：Field－ProgrammableGateArray定制电路而出现的ASIC：ApplicationSpecificIntegratedCircuitISCA大会：ACMInternationalSymposiumonComputerArchitectureAI芯片主流异构计算发展沿革《使用图形处理器的大规模深度无监督学习》微软2014年ISCA最佳论文《A员课题组的《一种神经网络指令集99GPU（图形处理器）适用场合：最早适用于图形加速和几何计算，现在数学计算、电影特技、图像渲染（包括安防图像）、大量深度学习等。shader填充）件和开发工具，2011吴恩达将其使用在谷歌大脑，12颗GPU性能相当于2000颗CPU的深度1010局限性1：AI分为训练和处理。例如在图像处理时，训练很出色，执行时一次只能处理一张。局限性2：功耗损耗高于FPGA与ASIC，极大限制应用场景（以智能驾驶DrivePXPegasus为例，目标功率为250W，散热与能耗均产生问题）。AI算法训练框架图不同芯片性能对比TOPS/s41W*40W•缺点1：计算能力有限。能效不如ASIC极致•缺点3：使用需要再次硬件开发，对算法使用者要求较高。11FPGA（Field－ProgrammableGateArray）称为现场可编程门阵列。GPU能效高，本质上是无指令、无需共享内存的体系结构带来的福利。单次迭代时间（微秒）单次迭代能耗（毫焦）55小大难高低高短短长1212ASIC：ASIC（ApplicationSpecificIntegratedCircuit）是一种为专门目的而设计的集成电路ASIC本质上适用场合:所有极致要求的领域，例如挖矿芯片速度、面积、功率损耗经常俱佳AI应用通常为多种算法组合，如Alphago，单算法加速没有意义算法经常变化，每次流片经济成本很高，TSMC28nm，小面积下是大约23.5万软妹币每平方毫米。对应常规300平方过于专用限制商业化各芯片的吞吐量（intops）对比体系结构吞吐量（intops)高高高低各芯片的吞吐量（pps）对比体系结构吞吐量（pps)高高高ASIC（switchchip)低TOPS/sTOPS/s41W*40W13通过加速大使用量算法实现。根据谷歌数据：目前三种类型的神经网占了应用量的95%。则TPU专门加速这三类算早期研发不完善，会有弱于TPU1，原因为TPU1没有浮点计算，而浮点运算是训练所需，所以被认为不能做训练。功能上需要做取舍。不同芯片性能对比芯片各指标不能兼得，可对比蒙代尔不可能三角模型芯片各指标不能兼得，可对比蒙代尔不可能三角模型1414TPU产生重要原因：法国协作作者被谷歌挖走，同时也刺激陈天石兄弟产业化进程持续演进、如何发现个性谷歌的方式是认为目前三种类型的神经网络MLP、的95%。2016ISCA大会上57篇论文有9篇神经网络相关，全部跟踪寒武纪方向谷歌VS寒武纪：算法适用范围TPU（2017ISCA）1515专用走向通用：计算能力比较专用走向通用：能耗比较资料来源：寒武纪PuDianNao论文、申万资料来源：寒武纪PuDianNao论文、申万1616片上存储：时分复用，部分指标被反复使用，部分指标不会指令集：对必要算法的抽象化，专利寒武纪指令集申请已完成，ASIC兴起后的杀手锏寒武纪指令集论文只是PR的工具，实际性能相当于TPU3倍其他可关注芯片：次操作的能力资料来源：Novumind官网，申万宏1717测试片：2015年推出，为国内目前唯一手机端：麒麟970相比上一代的图形处理性能提升了20%，能效提升了50%。搭载寒武纪1A的华为麒麟970每分钟识别2005张照片，而苹果A11处理器每分钟识别889张照片。服务器端：和曙光推出推理服务器。达到CPU服务器20倍性能、预计2018年联合推出性能CPU服务器120倍产品。2017.11发布会：推出面向低功耗场景视觉应用的寒武纪1H8、拥有更广泛通用性和更高性能的寒武纪1H16和面向智能驾驶领域的1M。摄像头端：预计和海康、大华会有深度寒武纪1A处理器为麒麟970插上AI翅膀 1919手机、安防商业化场景形成，教育、医疗正孕育，AI行业从导入期切入成长期。我们在2016年11月发布的AI年度策略《人工智能的KNOW-HOW时代》中预计，2017年人工智能行业处于通用技术与行业知识结合，逐步形成商业化场景阶段。在2017年7月发布的AI中期策略《技术冲击-AI细分行业的演进猜想》中根据技术演进路线，提出人工智能商业场景逐步成熟的三个层次：一线为安防、工业；二线为教育、医疗；三线为金融无人驾驶。从目前总体来看，手机。安防场景将马上步入商业化，教育、医疗正孕育商业模式。AI技术场景推进图理车据据统资料来源：海康威视官网、科大讯飞官网、2020片，均具备机器学习处理单元，奠定人工智能处理硬件基础（更优秀效率与能耗）。赋能手机以机器学习识别功能。顶级旗舰手机推出商业化平台通常为相关应用成熟起点，在可预见未来，预计相康）显示视频分析系统推进迅速，预计2018年，安防相关AI产业链（端处理、云分析、算力）快速爆发（深醒科技300个摄像头改造项目1600万元/格灵深瞳创始人赵勇预测AI公司在安防市场规模比旷视智能安防解决方案2121年，且互相产品相互适配。根据异构芯片服务器研发经验（浪潮、曙光、联想）。产品跟随需要1-2旷视、海康等），预计中科曙光AI服务器将快速抢占市场份额，仅考虑安防市场假设30%市占率2016A2017E2018E2019E科大讯飞开发平台发展迅速科大讯飞11月10日发布5款教育场景产品科大讯飞开发平台发展迅速科大讯飞11月10日发布5款教育场景产品领先壁垒。根据我们在2017年7月发布的AI中期策略《技术冲击-AI细分行业的演进猜想》中判断，教育、医疗行业属于需要数据、渠道的持续积累，产品推进较慢行业。但对于产品质量的高要求，及对于成本的不敏感使得行业容易产生巨头。考虑到科大讯飞产品平均价格5000元/套（全套产品超过），2222东方网力算力安防教育•• 和晶科技视源股份23东方网力算力安防教育•• 和晶科技视源股份23产业成熟节奏预示四类机会浪潮信息浪潮信息2424 （元）（元）（亿元）注：科大讯飞、思创医惠、万东医疗、浪潮信息、景嘉微、海康威视、东方网力、立思辰、和晶科技、视源股份预测EPS取Wind一25 25本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告,并对本报告的内容和观点负责。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。本公司隶属于申万宏源证券有限公司。本公司经中国证券监督管理委员会核准，取得证券投资咨询业务许可，资格证书编号为：ZX0065。本公司关联机构在法律许可情况下可能持有或交易本报告提到的投资标的，还可能为或争取为这些标的提供投资银行服务。本公司在知晓范围内依法合规地履行披露义务。客户可通过compliance@索取有关披露资料或登录信息披露栏目查询从业人员资质情况、静默期安排及其他有关的信息披露。上海陈陶021-2329722118930809221chentao@北京李丹010-6650061018930809610lidan@深圳胡洁云021-2329724713916685683hujy@海外胡馨文021-2329775318321619247huxw@综合朱芳021-2329723318930809233zhufang@股票投资评级说明证券的投资评级：以报告日后的6个月内，证券相对于市场基准指数的涨跌幅为标准，定义如下：买入（Buy相对强于市场表现20％以上；增持（outperform相对强于市场表现520%;中性(Neutral)：相对市场表现在－55％之间波动；减持(underperform)：相对弱于市场表现5％以下。行业的投资评级：以报告日后的6个月内，行业相对于市场基准指数的涨跌幅为标准，定义如下：看好（overweight行业超越整体市场表现；中性(Neutral)：行业与整体市场表现基本持平；看淡(underweight)：行业弱于整体市场表现。我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议；投资者买入或者卖出证券的决定取决于个人的实际情况，比如当前的持仓结构以及其他需要考虑的因素。投资者应阅读整篇报告，以获取比较完整的观点与信息，不应仅仅依靠投资评级来推断结论。申银万国使用自己的行业分类体系，如果您对我们的行业分类有兴趣，可以向我们的销售员索取。本报告采用的基准指数：沪深300指数2626本报告仅供上海申银万国证券研究所有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。客户应当认识到有关本报告的短信提示、电话推荐等只是研究观点的简要沟通，需以本公司网站刊载的完整报告为准，本公司并接受客户的后续问询。本报告首页列示的联系人，除非另有说明，仅作为本公司就本报告与客户的联络人，承担联络工作，不从事任何证券投资咨询服务业务。本报告是基于已公开信息撰写，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为作出