人工智能半導體產(chǎn)業(yè)分析報告

人工智能半導體產(chǎn)業(yè)分析報告人工智能芯片——架構轉變世界人工智能倒逼芯片底層的真正變革人類周密制造領域〔半導體制造是目前為止人類制造領域的最巔到硅經(jīng)消滅瓶頸，而數(shù)據(jù)量的增長卻呈現(xiàn)指數(shù)型的爆發(fā)，兩者之間的不匹配勢必會帶來技術和產(chǎn)業(yè)上的變革升級。變革從底層架構開頭。計算的體系處。數(shù)據(jù)的擴張遠大于處理器性能的擴張，依靠處理器性能在摩爾定律推動下的提升的單極世界已經(jīng)崩潰，處理器性能提升的速AI所需的應用程序的需求。大量數(shù)據(jù)消耗的數(shù)字運算力量比幾年前全部數(shù)據(jù)中心加起來還要多?；隈T諾伊曼架構的拓撲構造已經(jīng)持，是在摩爾定律放緩維度下引發(fā)芯片底層架構重構的變革。有可能引發(fā)的是一次超越以往任何時代的科技革命基于摩爾定律的機器時代的架構——從Wintel到AAIntel實現(xiàn)了最大化；ARM通過IP的商業(yè)模式帶來了更開放的生態(tài)體系，實現(xiàn)了軟硬件的結合延長了人類的觸角觀看Intel和ARM的黃金十年，站在現(xiàn)在時點往后看，我們提出過去十年以下游的應用驅動設計公司的成長轉換為由設計公司主導應用正在發(fā)生。從需求層面看企業(yè)成長空間。類似90PC10年的智能手機帶來的億級大空間增量市場將很簡潔推動企業(yè)的快速增長。設計企業(yè)能夠在成長軌跡上實現(xiàn)跨越式突破的可能性來自于賽道的選擇。但站在現(xiàn)在時點看，人工智能是確定性的方向，在全部已有領域的人工智能滲將極大的轉變人類的生活。處于最前沿的芯片公司的革正在以此而發(fā)生，重定義底層架構的芯片，從上游推動行業(yè)的變革在并沒有具體應用場景爆發(fā)之前已經(jīng)賜予芯片公司充分的高估值就是認可設計公司的價值人工智能芯片——架構的異軍突起觀看人工智能系統(tǒng)的搭建，以目前的架構而言，主要是以各種來實現(xiàn)深度學習算法。爭論各種的形式和實現(xiàn)，并探討變革下引發(fā)的行業(yè)深層次轉變。認為人工智能芯片將有可能在摩爾定律放緩維度下引發(fā)芯片底層架構重構的變革。從2個維度測算人工智能芯片空間從兩個維度爭論人工智能芯片的市場空間測算。維度一從人工智能總市場規(guī)，維度二具體拆分云/移動端所需人工智能的BOM進而推斷人工智能芯片市場空間。二個維度印證到2023年人工智能芯片將到達百億美元市場重點標的：Intel，臺積電，NVIDIA，全志科技，富瀚微，北京君正內容名目\l“_TOC_250011“人工智能倒逼芯片底層的真正變革 4\l“_TOC_250010“基于摩爾定律的機器時代的架構——從Wintel到AA 6\l“_TOC_250009“Intel——PC時代的王者榮耀 6\l“_TOC_250008“Intel公司簡介 6\l“_TOC_250007“Intel帶來的PC行業(yè)的市場規(guī)模變革和產(chǎn)業(yè)變化 7\l“_TOC_250006“ARM——開放生態(tài)下移動時代的王加冕 9\l“_TOC_250005“ARM公司簡介 9\l“_TOC_250004“ARM架構——重塑造移動智能時代 10\l“_TOC_250003“生態(tài)的建立和商業(yè)模式的轉變——ARM重塑了行業(yè) 12\l“_TOC_250002“人工智能芯片——架構的異軍突起 15\l“_TOC_250001“GPU——舊瓶裝酒 16\l“_TOC_250000“GPU芯片王者——NVIDIA 17FPGA——緊追GPU的步伐 19ASIC——定制化的專用人工智能芯片 21VPU——你是我的眼 223.3.1.TPU——Google的野心 23人工神經(jīng)網(wǎng)絡芯片 24寒武紀——真正的不同 25從2個維度測算人工智能芯片空間 26重點標的 29圖表名目圖1：遵從摩爾定律進展到微處理器進展 4圖2：摩爾定律在放緩 4圖3：全球智能手機每月產(chǎn)生的數(shù)據(jù)量〔EB〕5年提升了13X 4圖4：單一神經(jīng)元VS簡單神經(jīng)元 5圖5：2次應用驅動芯片進展 6圖6：英特爾x86處理器總市場份額 6圖7：使用X86架構的單元 7圖8：摩爾定律下推動下的Intel股價上揚 8圖9：Intel2023Q1-2023Q4各產(chǎn)品線增速 8圖10：Intel總產(chǎn)品收入VSPC端收入 8圖11：IntelVS全球半導體增速 8圖12：ARM的商業(yè)模式 9圖13：ARM架構的進展 10圖14：高級消費電子產(chǎn)品正在結合更多的ARM技術 12圖15：ARM在智能手機中的成分 13圖16：基于ARM芯片的出貨量 13圖17：ARM在載有處理器芯片部門的市場占有率 14圖18：ARM收入及利潤狀況 14圖19：人工智能芯片產(chǎn)業(yè)鏈 15圖20：CPUVSGPU架構 16圖21：GPU架構流程 16圖2US .723：GPU性能...........................................................17圖24：2023-2023年NVIDIA營收狀況.........................................18圖25：2023-2023年NVIDIA毛利狀況.........................................18圖26：NVIDIA2023年上半年收入構成.........................................18圖27：FPGA架構...........................................................20圖28：FPGAVSCPU20圖29：FPGAVSCPU20圖30：FPGA性能...........................................................21圖31：VPU架構............................................................22圖32：VPU模組...........................................................22圖33：VPU應用............................................................23圖34：3D景深構造.........................................................23圖35：3D成像.............................................................23圖36：GoogleTPU架構.................................................23圖37：GoogleTPU性能.................................................24圖38：傳統(tǒng)硬件處理方式....................................................25圖39：寒武紀處理方式......................................................25圖40：寒武紀芯片性能/能效.................................................25圖41：終端和移動端........................................................25圖42：人工智能市場規(guī)模....................................................26圖43：人工智能芯片總市場規(guī)模..............................................27表9：云端市場規(guī)?！矄挝唬喊偃f美元〕.......................................28圖44：云端領域人工智能芯片規(guī)模推測........................................28圖45：終端領域人工智能芯片市場規(guī)模推測....................................29表1：ARM架構匯總........................................................11表2：2023年ARM在各類型智能手機部件中的可獲得的單機收入 13表3：人工智能系統(tǒng) 15表4：NVIDIA出貨芯片推測〔單位：百萬顆〕 19表5：馮諾伊曼架構VSFPGA架構 19表6：圖像應用和語音應用人工智能定制芯片 21表7：實現(xiàn)原理 22表8：馮諾伊曼架構VS神經(jīng)網(wǎng)絡芯片架構 24人工智能倒逼芯片底層的真正變革爭論人類的科技進展史，覺察科技的進步速度呈現(xiàn)指數(shù)型加速態(tài)勢。尤其在1950年以后進入芯片時代，摩爾定律推動下的每18個月“芯片晶體管同比例縮小一半”帶來的性能提升以倍數(shù)計。每一次加速的過程推動，都引發(fā)了產(chǎn)業(yè)的深層次變革，帶動從底層到系統(tǒng)的階躍。我們本篇報告將著重從底層芯片角度動身，探討人工智能芯片帶來的深層次變革。圖1：遵從摩爾定律進展到微處理器進展資料來源：Gartner，天風證券爭論所然而時至今日，人類周密制造領域〔半導體制造是目前為止人類制造領域的最巔峰〕遇到硅基極限的挑戰(zhàn)，摩爾定律的放緩似乎預示著底層架構上的芯片性能的再提升已經(jīng)消滅瓶頸，，兩者之間的不匹配勢必會帶來技術和產(chǎn)業(yè)上的變革升級。資料來源：IFS，天風證券爭論所資料來源：CiscoVNL，天風證券爭論所圖2：摩爾定律在放緩 圖3：全球智能手機每月產(chǎn)生的數(shù)據(jù)量〔EB資料來源：IFS，天風證券爭論所資料來源：CiscoVNL，天風證券爭論所14121086420202320232023202320232023變革從底層架構開頭計算芯片的架構50多年來都沒有發(fā)生過本質上的變化，請留意計算架構的打算是資源的組織形式。而傳統(tǒng)的馮諾伊曼是實行掌握流架構，承受的是線性的記憶體和布爾函數(shù)作為基線計算操作。處理器的架構基于流水線串行處理的機制建立，存儲器和處理器分別，流水線的計算過程可以分解為取指令，執(zhí)行，取數(shù)據(jù)，數(shù)據(jù)存儲，依次循環(huán)。依靠整個串行的過程，規(guī)律清楚，但性能的提升通過兩種方式，一是摩爾定律下推動下晶體管數(shù)量的增多實現(xiàn)性能倍增；二是通過并行多個芯片核來實現(xiàn)。無論何種方式，本質上都是線性的性能擴張。人工智能芯片依據(jù)數(shù)據(jù)流的碎片化和分布式而實行神經(jīng)網(wǎng)絡計算范式，特征在于分布式的表示和激活模式。變量由疊加在共享物理資源上的向量表示，并且通過神經(jīng)元的激活來進行計算。以神經(jīng)元架構實現(xiàn)深度學習人工智能的臨界點實現(xiàn)主要緣由在于：數(shù)據(jù)量的激增和計算機力量/本錢。從單一的神經(jīng)元,再到簡潔的神經(jīng)網(wǎng)絡,到一個用于語音識別的深層神經(jīng)網(wǎng)絡。層次間的簡單度呈幾何倍數(shù)的遞增。數(shù)據(jù)量的激增要求的就是芯片計算力量的提升。4VS簡單神經(jīng)元資料來源：NVIDIA，天風證券爭論所計算的體系處于碎片化引發(fā)架構變革。數(shù)據(jù)的擴張遠大于處理器性能的擴張，依靠處理器性能在摩爾定律推動下的提升的單極世界已經(jīng)崩潰，處理器性能提升的速度并缺乏以滿足AI所需的應用程序的需求。大量數(shù)據(jù)消耗的數(shù)字運算力量比幾年前全部數(shù)據(jù)中心加起來還要多。Cl現(xiàn)階段的一切技術和應用，基于馮諾伊曼架構的拓撲構造已經(jīng)持續(xù)了很多年并沒有本質上的變化。而人工智能帶來的，是在摩爾定律放緩維度下引發(fā)芯片底層架構重構的變革。有可能引發(fā)的是一次超越以往任何時代的科技革命?；谀柖傻臋C器時代的架構——從Wintel到AA本章我們重點爭論兩次芯片架構變化引發(fā)的產(chǎn)業(yè)變革和應用爆發(fā)。Intel與Windows結合PC2023后蘋果帶來的智能手機引發(fā)的ARM與Android生態(tài)，將機器與人的結合拓展到了移動端。我們回憶歷史上的芯片架構歷史，認為馮諾伊曼架構帶來了計算體系的建立并通過Intel實現(xiàn)了最大化；ARM通過共享IP的商業(yè)模式帶來了更開放的生態(tài)體系，實現(xiàn)了軟硬件的結合延長了人類的觸角。圖5：2次應用驅動芯片進展資料來源：SIA，天風證券爭論所觀看Intel和ARM過去十年以下游的應用驅動設計公司的成長轉換為由設計公司主導應用正在發(fā)生。從需求層面看企業(yè)成長空間。類似90年月的PC和10年的智能手機帶來的億級大空間增量市場將很簡潔推動企業(yè)的快速增長。設計企業(yè)能夠在成長軌跡上實現(xiàn)跨越式突破的可能性來自于賽道的選擇。但站在現(xiàn)在時點看，人工智能是確定性的方向，在全部已有領域的人工智能滲透，都將極大的轉變人類的生活。處于最前沿的芯片公司的革正在以此而發(fā)生，重定義底層架構的芯片，。在并沒有具體應用場景爆發(fā)之前已經(jīng)賜予芯片公司充分的高估值就是認可設計公司的價值Intel——PC時代的王者榮耀IntelX86時代的芯片架構產(chǎn)品以及此架構下公司以及行業(yè)的變化。Intel公司簡介Intel是一家成立于1968年的半導體制造公司，總部位于美國加州。隨著個人電腦的普及和全球計算機工業(yè)的日益進展，公司漸漸進展成為全球最大的微處理器及相關零件的供給2023594億美元，世界500158。公司分為PC客戶端部門、數(shù)據(jù)中心部門、物聯(lián)網(wǎng)、移動及通訊部門、軟件及效勞運營，其他還有筆記本部門、設備部門及NVM解決方案部門。公司主要營業(yè)收入來自于PC客戶部門，其次是數(shù)據(jù)中心部門。公司的主要產(chǎn)品X86處理器占主導地位，接近90%，包2023PowerPCx86processors。圖6：英特爾x86處理器總市場份額95.00%90.00%85.00%80.00%75.00%70.00%65.00%

1 4 3QQQ2 2 30 0 0

2 1 4 3QQQQ4 5 5 60 0 0 0

2 1 4QQQ7 8 80 0 0

3 2 1 4 3QQQQQ9 0 1 1 20 1 1 1 1

2 1 4 3 2QQQQQ3 4 4 5 61 1 1 1 1資料來源：Intel，天風證券爭論所Intelx86Intel8086開頭，286386486586P1、P2、P3、P4CPUX86x86指令集，被稱為x86微處理器。指令集是微處理器可以遵循的根本命令集，它本質上是微處理器的芯片級x86AMDVia做處理器的許可權。圖7：使用X86架構的單元80007000600050004000300020231000013131QQQQQ3344500000

313QQQ566000

131QQQ778000

313QQQ899000

131QQQ001111

313QQQ122111

131QQQ334111

31313QQQQQ4556611111資料來源：wind，天風證券爭論所Intel帶來的PC行業(yè)的市場規(guī)模變革和產(chǎn)業(yè)變化Intel90年月至今進展歷程，清楚看到90Intel進展最快的階段并在2023年前顯而易見的緣由是個人電腦的快速普及滲透。而遵從摩爾定律的每一代產(chǎn)品的推出，疊加個人電腦快速滲透的乘數(shù)效應，持續(xù)放大了企業(yè)的市值，類似于戴維斯雙擊，。圖8Intel股價上揚資料來源：Wind，天風證券爭論所馮諾伊曼架構帶來了計算體系的建立并通過Intel實現(xiàn)了最大化，但從本質上說，英特爾參與的是機器時代的興起和計算芯片價值表達。但時至今日，在人口紅利消散，PC滲透率到達穩(wěn)定階段，依托于PC時代的處理器芯片進入了穩(wěn)定常態(tài)。英特爾在總產(chǎn)品收入提升的狀況下，PC在應用增長乏力的階段缺乏爆發(fā)式的再增長。PC時代的處理器設計遵從了下游應用驅動上游芯片的實質。圖9：Intel2023Q1-2023Q4各產(chǎn)品線增速 圖10：Intel總產(chǎn)品收入VSPC端收入 資料來源：Intel，天風證券爭論所 資料來源：Intel，天風證券爭論所進入2023年后，英特爾的處理器增速同半導體行業(yè)根本協(xié)同全都，毫無疑問超越行業(yè)增速的增長已經(jīng)需要的應用拉動。摩爾定律支撐了10多年的快速增長再消滅邊際改善的增長需要重打量。圖11：IntelVS球半導體增速資料來源：Intl天風證券爭論所ARM——開放生態(tài)下移動時代的王加冕本節(jié)重點闡述ARM在移動時代的芯片架構產(chǎn)品以及此架構下公司以及行業(yè)的變化。ARM公司簡介ARM公司是全球領先的半導體學問產(chǎn)權(IP)供給商，特地從事基于RISC技術芯片設計開發(fā)，并因此在數(shù)字電子產(chǎn)品的開發(fā)中處于核心地位。公司的前身Acorn于1978年在倫敦正式成立。1990ARMAcorn2090年月手機的快速進展，基ARM技術的芯片出貨量飛速增長，并于2023年宣布正式達成1000億芯片出貨量的里程碑。20237320ARM。ARM本身不直接從事芯片生產(chǎn)，只設計IP，包括指令集架構、微處理器、圖形核心和互連架構，依靠轉讓設計許可由合作公司生產(chǎn)各具特色的芯片，目前它在世界范圍有超100個的合作伙伴。ARM的創(chuàng)型商業(yè)模式為公司帶來了豐厚的回報率：它既使得ARM技術獲得更多的第三方工具、制造、軟件的支持，又使整個系統(tǒng)本錢降低，使產(chǎn)品更簡潔進入市場被消費者所ARMIPARM的解決方案的芯片(OEMARM技術，因此ARM得以在智能手機、平板上一枝獨秀，全世界超過95%的智能手機都承受ARM架構。12：ARM的商業(yè)模式資料來源：ARM，天風證券爭論所ARM架構——重塑造移動智能時代ARM沿用了馮諾伊曼架構，在性能和功耗上做到了更加平衡。在底層架構沒有發(fā)生根本性 變革的狀況下，在架構的橫向延長上查找到了技術的轉換，從而實現(xiàn)了智能手機時代移動端的產(chǎn)品階躍。處理器架構在根源上看ARM連續(xù)了X86的底層架構。正如我們在之前爭論架構時指出，處理器一般分為取指令，譯碼，放射，執(zhí)行，寫回五個步驟。而我們說的訪存，指的是訪問數(shù)據(jù)，不是指令抓取。訪問數(shù)據(jù)的指令在前三步?jīng)]有什么特別，在第四步，它會被發(fā)送到存取單元，等待完成。與X86不同的是在指令集方面，ARM架構過去稱作進階精簡指令機器dC，更早時期被稱作nC，是2位精簡指令集〔RISC〕處理器架構，被廣泛地使用在嵌入式系統(tǒng)設計中。在應用場景上有所不同。ARM指令集架構的主要特點：一是體積小、低功耗、低本錢、高性能，因此ARM處理器格外適用于移動通訊領域；二是大量使用存放器且大多數(shù)數(shù)據(jù)操作都在存放器中完成，指令執(zhí)行速度更快；三是尋址方式敏捷簡潔，執(zhí)行效率高；四是指令長度固定，可通過多流水線方式提高處理效率。13：ARM架構的進展資料來源：ARM，天風證券爭論所表1：ARM架構匯總ARM ARM2、ARM3V2ARM ARM2、ARM3V2V132位乘法指令和協(xié)處理器指令的支持。版本2a2的變種，ARM32a，是第一片承受CacheARM處理器。

代表處理器 簡介ARM1V3

ARM19903ARM6。它作為IPMMCU和寫緩沖的集成CPU。變種版本有3G3M。版本3G2a33M引入了有符號和無符號數(shù)乘法和乘加指令。ARMV4ARM7-TDMI，ARM720-T，ARM9-TDMI，ARM920-T，ARM940-T等ARMV4ARM7-TDMI，ARM720-T，ARM9-TDMI，ARM920-T，ARM940-T等43版上作了進一步擴大4版架構是目前應用最廣的M4指令集，不再強制要求與26位地址空間兼容，而且還明確了哪些指令會引起未定義指令特別。V5 ARM9-E-S，ARM1020-E，ARM940-T等；ARMv5EJ指令集：ARM926-EJ-S，ARM7-EJ-S，ARM1026-EJ-S等

ZK中斷指令；增加了數(shù)字信號處理指令E版；為協(xié)處理器增加更多可選擇的指令。ARM ARM ，處理器。V6版架構在降低耗電量的同時，還V6 ARM1156-J(F)-S，強化了圖形處理性能。它還引進了包括單指令多數(shù)據(jù)(SIMD)運算在內的一系列功能。通過追加ARM1176-J(F)-S，SIMD〔SingleInstruction,MultipleData，單指令多數(shù)據(jù)〕功能，將語音及圖ARM11MPCore等像的處理功能提高到了原型機的4倍。此外，還引進了作為ARMv6Thumb-2TrustZone技術。V7

Cortex-A、、Cortex-R等

ARMv7Thumb-2技術，它是在ARM解決方案的完整的代還支持改進的運行環(huán)境，來迎合不斷增加ARMCortex-A23、V8Cortex-A57、Cortex-A53、Cortex-R52、Cortex-M23、Cortex-M33等

架構還包括NEON?技術擴展，可將DSP400%，并供給改進的浮點支持以滿足下一代3D圖形和玩耍以及傳統(tǒng)嵌入式掌握應用的需要。ARMv8ARM公司的首款支持64位指令集的處理器架構，可在32位和64位之間切換。由于ARMARMv8架構作為下一代處理器的核心技術而受到普遍關注。ARMv8是在32ARM架構上進展開發(fā)的，主要被用于對擴展虛擬地址和64位數(shù)據(jù)處理技術有更高要求的產(chǎn)品領域。ARMv820年來，ARM架構變動最大的一次。它ExecutionState、ExceptionLevel、SecurityState等特性，已經(jīng)和我們對舊的ARM架構的認知。資料來源：ARM、滿天芯，天風證券爭論所生態(tài)的建立和商業(yè)模式的轉變——ARM重塑了行業(yè)ARM的商業(yè)模式值得真正的關注。ARMARM的授權，跟據(jù)流片的次數(shù)，可以付一次流片的費用，也可以買三年內無限次流片，更可以永久買斷。芯片Intel通過售賣自己的芯片來贏得終端客戶和市場，而ARM則是通過授權讓全世界的芯片制造商使用自家的產(chǎn)品來推廣。ARM的商業(yè)模式之所以在智能手機時代能夠推廣，是由于移動端的生態(tài)更為開放，自上而下的生態(tài)建立，不僅是芯片開發(fā)者，也包括軟件開發(fā)者，都被構建在生態(tài)的范圍內。智能移動設備上包含多件ARM的處理器/技術，每當智能手機上增一個功能時，就為的ARM學問產(chǎn)權帶來了的時機。2023年，ARM在移動應用處理器〔包括智能手機、平板電腦和筆記本電腦〕上，依據(jù)量的測算，其市場份額高達90%，同時ARM估量移動應用處理器規(guī)模將從2023200億美元增長到2025300億美元。圖14：高級消費電子產(chǎn)品正在結合更多的ARM技術資料來源：ARM，天風證券爭論所M各項技術在智能手機領域都有良好的滲透率A技術早已完全滲入，ARMv8-A70%，Maligraphics50%，高核數(shù)技術〔highcorecount〕35%.圖15：ARM在智能手機中的成分資料來源：ARM，天風證券爭論所ARM2025年為止，智能手機設備的CAGR3%左右，而ARM在這一板5%CAGR上漲。表2：2023年ARM在各類型智能手機部件中的可獲得的單機收入智能手機類型部件ASP高端智能機應用處理器$15-$20連接傳感器$5-$10中端智能機應用處理器$5-$15連接傳感器$2-$3低端智能機應用處理器<$5資料來源：ARM，天風證券爭論所

$1-$2ARM1000億支，2023ARM技術芯片到達177億，發(fā)貨量在過去5CAGR15%。ARM的增長完善契合了智能手機的快速增10年。圖16ARM芯片的出貨量資料來源：ARM，天風證券爭論所圖17：ARM在載有處理器芯片部門的市場占有率 圖18：ARM收入及利潤狀況資料來源：ARM，天風證券爭論所 資料來源：ARM，天風證券爭論所人工智能芯片——架構的異軍突起觀看人工智能系統(tǒng)的搭建，以目前的架構而言，主要是以各種來實現(xiàn)深度學習算法。本章爭論各種的形式和實現(xiàn)，并探討變革下引發(fā)的行業(yè)深層次轉變，并從2個維度給出具體的測算人工智能芯片的潛在空間首先我們必需描述人工智能對芯片的訴求，深度學習的目標是仿照人類神經(jīng)網(wǎng)絡感知外部世界的方法。深度學習算法的實現(xiàn)是人工智能芯片需要完成的任務。在算法沒有發(fā)生質變的前提下，追根溯源，全部的芯片都是為了實現(xiàn)算法而設計。表3：人工智能系統(tǒng)處理器存儲器

芯片功能數(shù)據(jù)/指令讀寫信息交換

芯片類型CPU、DRAM、ASICWiFi、Bluetooth

芯片廠商Intel，ARM，AMDNvidia，Google、MovidiusAvago，Skyworks，CSR資料來源：Wind，天風證券爭論所傳統(tǒng)的芯片廠商/生態(tài)的建立者/進入者。傳統(tǒng)的芯片制造廠商：Intel，Nvidia和AMD。他們的優(yōu)勢在于在已有架構上對人工智能的延長，對于硬件的理解會優(yōu)于競爭對手，但也會困頓于架構的囹圄；2上層生態(tài)的構建者進入芯片設計，比方蘋果和Google，優(yōu)勢在于依據(jù)生態(tài)敏捷開發(fā)定制各類ASIC，專用性強；進入者，某些全的架構比方神經(jīng)網(wǎng)絡芯片的寒武紀，由于是全的市場開進入者的時機，由于是個全的架構時機，將有時機誕生獨角獸。圖19：人工智能芯片產(chǎn)業(yè)鏈資料來源：Wind，半導體行業(yè)觀看，天風證券爭論所GPU——舊瓶裝酒GPU使用SIMD〔單指令多數(shù)據(jù)流〕來讓多個執(zhí)行單元以同樣的步伐來處理不同的數(shù)據(jù)，原本用于處理圖像數(shù)據(jù)，但其離散化和分布式的特征，以及用矩陣運算替代布爾運算適合處理深度學習所需要的非線性離散數(shù)據(jù)。作為的使用，可以實現(xiàn)深度學習算法。但留意的是，GPU架構照舊基于馮諾伊曼。GPUCPUGPUGPU由并行計算單元和掌握單元以及存儲單元構成GPU擁有大量的核〔多達幾千個核和大量的高速內存，擅長做類似圖像處理的并行計算，以矩陣的分布式形式來實現(xiàn)計算。同CPU不同的是，GPU的計算單元明顯增多，特別適合大規(guī)模并行計算。圖20：CPUVSGPU架構資料來源：NVIDIA，天風證券爭論所留意GPU并行計算架構，其中的流處理器組〔SMs〕類似一個CPU核，多個流處理器組可實現(xiàn)數(shù)據(jù)的同時運算。因此，GPU主要適用于在數(shù)據(jù)層呈現(xiàn)很高的并行特性〔data-parallelism〕的應用。21：GPU架構流程資料來源：NVIDIA，天風證券爭論所CPUGPUCPUGPU之間的不同，主要不同點列舉如下圖22：CPUVSGPU資料來源：Intel，天風證券爭論所深度學習是利用簡單的多級「深度」神經(jīng)網(wǎng)絡來打造一些系統(tǒng)，這些系統(tǒng)能夠從海量的未標記訓練數(shù)據(jù)中進展特征檢測。由于GPU可以平行處理大量瑣碎信息。深度學習所依靠的是神經(jīng)系統(tǒng)網(wǎng)絡——與人類大腦神經(jīng)高度相像的網(wǎng)絡——而這種網(wǎng)絡消滅的目的，就是要在高速的狀態(tài)下分析海量的數(shù)據(jù)。GPU擅長的是