70页人工智能芯片行业深度研究

AI 芯片迎接蓝海，GPU 引领主流，ASIC 割据一地，看好未来各领风骚 在人工智能立夏将至的大趋势下，芯片市场蛋糕越做越大，足以让拥有不 同功能和定位的芯片和平共存，百花齐放。后摩尔定律时代，我们强调AI 芯片市场不是零和博弈。我们认为在3-5 年内深度学习对GPU 的需求是当 仁不让的市场主流。行业由上至下传导形成明显的价值扩张，英伟达和 AMD 最为受益。 在深度学习上游训练端(主要用在云计算数据中心里)，GPU 是当仁不让的 第一选择，但以ASIC 为底芯片的包括谷歌的TPU、寒武纪的MLU 等，也 如雨后春笋。而下游推理端更接近终端应用，需求更加细分，我们认为除 了GPU 为主流芯片之外，包括CPU/FPGA/ASIC 等也会在这个领域发挥各 自的优势特点。 深度学习下游推理端，FPGA 依靠电路级别的通用性，加上可编程性，适用 于开发周期较短的IoT 产品、传感器数据预处理工作以及小型开发试错升 级迭代阶段等。以TPU 为代表的ASIC 定制化芯片，针对特定算法深度优 化和加速，将在确定性执行模型(deterministic execution model)的应用需求 中发挥作用。我们认为深度学习ASIC 芯片，包括英特尔的Nervana Engine、 Wave Computing 的数据流处理单元、以及英伟达的DLA 等逐步面市，将 依靠特定优化和效能优势，未来在细分市场领域发挥所长。 Engine、 Wave Computing 的数据流处理单元、以及英伟达的DLA 等逐步面市，将 依靠特定优化和效能优势，未来在细分市场领域发挥所长。