一文读懂AI芯片,卡位未来芯片投资机会

admin发布

经过几个回合的较量,博通在周一采取了对高通发起恶意收购的第一项正式行动,提交了一份由11名被提名人组成的候选董事名单,希望将他们安插在高通的董事会中。在上月高通拒绝了博通总额1030亿美元的现金加股票收购要约,如果交易达成这将是芯片领域有史以来最大规模的收购案。

众所周知,半导体是整个电子产业的心脏,无论是在PC时代、移动互联网时代还是即将到来的AI时代,都离不开半导体尤其是处于核心地位的芯片支撑。AI时代的到来使各主要国家、科技巨头纷纷卡位布局芯片领域,不仅现有玩家愈演愈烈收购吞并,如博通欲强娶高通,软银大手笔收购ARM;「围城外」玩家也纷纷试水,如苹果、特斯拉欲自研芯片,阿里频繁布局AI芯片初创公司。

在本文,作者尝试对AI芯片做个基本梳理,提前卡位未来AI芯片的投资机会。

AI芯片分类

一文读懂AI芯片,卡位未来芯片投资机会

一项深度学习工程的搭建,可分为训练(training)和推断(inference)两个环节:

环节一:训练环境通常需要通过大量的数据输入,或采取增强学习等非监督学习方法,训练出一个复杂的深度神经网络模型。训练过程由于涉及海量的训练数据(大数据)和复杂的深度神经网络结构,需要的计算规模非常庞大,通常需要GPU 集群训练几天甚至数周的时间,在训练环节GPU 目前暂时扮演着难以轻易替代的角色。

环节二:推断(inference)环节指利用训练好的模型,使用新的数据去” 推断” 出各种结论,如视频监控设备通过后台的深度神经网络模型,判断一张抓拍到的人脸是否属于黑名单。虽然推断环节的计算量相比训练环节少,但仍然涉及大量的矩阵运算。在推断环节,除了使用CPU 或GPU 进行运算外,FPGA 以及ASIC 均能发挥重大作用。

一文读懂AI芯片,卡位未来芯片投资机会

下面介绍一下各种芯片在技术和应用上的特点。

GPU:以英伟达为主,AMD 为辅。依靠通用及灵活的强大并行运算能力,广泛契合当前人工智能监督深度学习以及生成式对抗网络(GAN)/强化学习所需要的密集数据和多维并算处理需求,在3-5 年内GPU 仍然是深度学习市场的第一选择。

AI 将至的大趋势下,数据中心市场空间巨大。天风证券认为,深度学习上游训练端由GPU 主导并基本为英伟达所垄断。下游推理端虽可容纳CPU/FPGA/ASIC 等芯片,但竞争态势中英伟达依然占大头。

英伟达依靠Volta 构架升级以及广泛成熟的开发生态环境,自上而下的对训练、推理兼顾,扩张版图。以2016 年为例,全年服务器市场出货量约在1110 万台,在只有7%用于人工智能workload,其中约3.4%配置GPU,总量仅2.6 万台。所以全球新增服务器中GPU 的渗透仅为0.24%,在2020 年前全球服务器GPU渗透率将达4 倍以上增长。

FPGA(Field Programmable Gate Array,现场可编程门阵列):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。

FPGA 可灵活支持各类深度学习的计算任务,性能上根据百度的一项研究显示,对于大量的矩阵运算 GPU 远好于 FPGA,但是当处理小计算量大批次的实际计算时 FPGA 性能优于 GPU。另外 FPGA 有低延迟的特点,非常适合在推断环节支撑海量的用户实时计算请求(如语音云识别)。FPGA 厂商包括Xilinx、Altera(英特尔)、Lattice 及Microsemi。

ASIC(Application Specific Integrated Circuit,专用集成电路):细分市场需求确定后,TPU (谷歌的阿法狗就是用的TPU芯片架构为代表的ASIC 定制化芯片,将在确定性执行模型的应用需求中发挥作用。例如比特币早年间的挖矿热潮就从GPU 通用算力堆积逐步转向了ASIC 专用矿机。

天风证券分析师何翩翩认为,ASIC特点是需要大量的研发投入,如果不能保证出货量其单颗成本难以下降,而且芯片的功能一旦流水线生产后则无更改余地,若市场深度学习方向一旦改变,ASIC 前期投入将无法回收,意味着ASIC 具有较大的市场风险。

但 ASIC 作为专用芯片性能高于 FPGA,如能实现高出货量,其单颗成本可做到远低于 FPGA。深度学习ASIC 包括英特尔的Nervana Engine,WaveComputing 的数据流处理单元,英伟达的DLA,寒武纪的NPU 等逐步面市,将依靠特定优化和效能优势,未来在深度学习领域分一杯羹。

天风证券分析师何翩翩认为,GPU板块首推英伟达,而在TPU领域,Google有望率先破局。

目前深度学习领域常用的四大芯片类型及主要芯片商

一文读懂AI芯片,卡位未来芯片投资机会

AI芯片的发展路径:从通用走向专用

作为一项计算密集型的新技术,人工智能早期可以依靠通用芯片的性能来迅速发展,而后期则必须依靠专用芯片的出现才能统治市场。定制的硬件才能实现更优的功耗效率,满足不同算法、结构、终端和消费者的需求,实现规模化的收益。

一文读懂AI芯片,卡位未来芯片投资机会

当然,通用芯片与专用芯片永远都不是互相替代的关系,二者必须协同工作才能发挥出最大的价值。

全球AI芯片行业规模

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。

一文读懂AI芯片,卡位未来芯片投资机会

目前中国的主要的AI芯片公司

中国的主要的人工智能芯片公司大都处在初创阶段,尚未形成大规模商用,目前主要的公司有:

1、地平线机器人——NPU

由中国人创立于2015年的初创企业Horizon Robotics(地平线机器人)致力于打造基于深度神经网络的人工智能「大脑」平台-包括软件和芯片,可以做到低功耗、本地化的解决环境感知、人机交互、决策控制等问题。2017年10月20日,地平线完成1亿美元的新一轮融资,由英特尔投资领投,嘉实投资联合投资,其余参投方包括现任股东晨兴资本、高瓴资本、双湖投资和线性资本。

2、中科寒武纪——在国际上开创了深度学习处理器方向

寒武纪科技由创始人陈天石教授带领中科院团队成立于2016 年,致力于打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。2017年8月18日,寒武纪科技完成1亿美元A轮融资,由国投创业、阿里巴巴创投、联想创投、国科投资、中科图灵、元禾原点、涌铧投资联合投资。

3、中星微电子

2016年6月20日,率先推出中国首款嵌入式神经网络处理器(NPU)芯片中星微,这是全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片,并取名「星光智能一号」。这款基于深度学习的芯片运用在人脸识别上,最高能达到98%的准确率,超过人眼的识别率。

4、耐能

耐能的定位是终端人工智能的技术提供厂商,专注在终端市场。公司的核心竞争力在于主打轻量级的NPU(神经网络处理单元),功耗很低,专注在终端市场, 能耗比可以做到100mw到300mw,最新的一款产品甚至可以到10mw以下。2017年11月15日,完成超过千万美元的A轮融资,阿里巴巴领投。(编辑/曾尚)

风险提示

上文所示之作者或者嘉宾的观点,都有其特定立场,投资决策需建立在独立思考之上。富途将竭力但却不能保证以上内容之准确和可靠,亦不会承担因任何不准确或遗漏而引起的任何损失或损害。