2017年7月人工智能芯片行业分析报告1746

一、时代的机遇：谁会成为人工智能时代的ARM 4 2、智能手机时代ARM公司的“戴维斯双击” 63、人工智能时代：底层计算平台存在着大机会 8 1、CPU仍然是最好的通用处理器之一 132、GPU具有最强大的并行计算能力 14 4、ASIC：高性能功耗比的专用芯片 16 1、FPGA已在全球七大数据中心实际部署 18 (1)算法正在快速迭代中 19(2)芯片NRE费用在指数级上升 21 1、FPGA行业呈现双寡头格局 22 芯片平台。谁能成为下一代硬件芯片平台，就有望随人工智能未来应用主战场是在推理环节。人工智能尚处于早期，U，全球七大超级云计算数据中心包括IBM、可为：CAltera(被英特尔收购)占39%。国内参与者很少,目前国内能够生产FPGA的上市公司仅有紫光国芯(002049)一家，具有较强的稀缺性。FPGA巨头积极打造生态合作体系，帮助合作伙伴更方便地使用。一、时代的机遇：谁会成为人工智能时代的ARM新了高度关注，成为新的风口。心要素是数据、算法和计算能力。人工智能之迎来真正属于自己的时代。个单独的存在，而必须要和其他产业结合起来能实现的基本功能来分类，主要有四部分：图像义理解能力、数据分析能力、整合多种能力的机器人。下面我们将分别按这几种基本功能来介绍人工智能的应用：管理等面向企业的应用，还有视频直播中的鉴黄系向个人应用方面，包括拍照软件中的图片分类检索的应用。语音是人机最自然的交互方式，现在场营销分析，风险管控、智能投顾等。在财务审计方面自动生成报表，编程辅助上自动显示相关的函数用法信息。。软体机器人可以让机器人更接近生物，做出很多人机器人可以进行协同搬运，海洋探测等，应用领域会进一步市场早期，但是未来空间巨大。根据国外调查细分市场分别是机器学习应用、自然语言理解、计算将是众多智能产业技术和应用发展的突破点，市场空2、智能手机时代ARM公司的“戴维斯双击”在产业发展史中，每一场重要的产业变革总会带来新的重大机遇。业中占据核心产业链位置，必将能够充分享受新兴ARM能手机时代的经历就是最好的例证。ARM公司历史简介如下：setcomputer，它支持的指令比较简单，虽然功能远不如英特尔处理ARM找到了发展空间。它DA式设备不需要处理器性能多么强大，而对功耗价格却有很高的要求，个智能手机的底层硬件平台架构，充分享受了下游市场更是表现出“戴维斯双击”。会代，人们对计算能力的需求有指数级的提高，计算度学习在，未来在激光雷达、无人机、无人驾驶、智能机器人等终端设开始滞后于摩尔定律。近几年半导体技术改进达到了物理极限，电路变。至此，摩尔定律对英特尔几近失效。了按“摩尔定律”增长的速度。处理器本身无法满足高性能计求，时代呼唤新一代的计算芯片平台。谁能成为下一代硬件芯片平台，二、人工智能芯片决胜的主战场在推理环节提起人工智能芯片，很多人认为人工智能芯片是一条好的赛道，位。而人工智能整体仍然处于早期阶段，未来人工智能应线都有机会胜出。e指标是速U能模型的实际应用环节，是指利用训练出来的模型来在线响应用户的需求。推理环节又分为两个场景，数据中心响应用户需求，一个是在前端智能设备响应用数据中心，各家公有云服务厂商都纷纷部署了高性能云计于视频编解码、深度学习、科学计算等多种场景。随的发展，未来云端数据中心应用场景还会有极大的丰法以及计算能力的限制，目前应用，无人驾驶汽车需要实时处理来自激光雷达、摄像器传输的海量数据并作出实时反映。如果通过云端反馈会增加时延和不确定性，导致无人汽车安全性下降。因，未来包括智能服务机器人在内的智能家居设备都境感知能力及语音语义理解能力等，这些也都需要强为底层支撑。而基于私密性考虑，不可能把智能家居端处理。因此，智能家居的应用也需要计算平台部署推理环节更重视性能功耗比。云端数据中心对的发展，首先需要训练出足够好的算法模型。而当人工智能真正落好的人脸识别算法模型，而当把人脸识别应用于实际应用时候，我们需要将模型部署在成千上万台服务器进行实时人脸识别，台摄像机中前置部署部分算法进行预处理。由此可见，推。还远没有爆发的时候。未来胜负尚未可知，各家技术路线三、几种芯片架构的技术特点：各有千秋人工智能芯片，目前有两种发展路径：一种是延续传统计算架构，能性。按照处理器芯片的效率排序，从低到高依次是CPU、DSP、GPU、作用是把高级软件语言翻译成机器可以识别的指令(也叫机器语言)。导致计算通用性强，可以处理计算复杂度高，但力并不划算，还带来芯片功耗和价格的增加。U (多达几千个计算单元)和大量的高速内存，可以同时对很多像素进元执行相同程序，不需要繁琐的流程控制而更需要制单元相比CPU简单，要想做到指令流水处理，提高指令执行效率，法本身复杂度低，处理的数据之间相互独立，所以数据流直接根据定制的算法进行固定操作，计算单元上都可以执行，所以可以充分发挥浮点计算能力，计整个FPGA市场规模约50亿美元。由于FPGA万能芯片的特点，片原型设计和验证，还广泛使用在通讯密集型和使用行业包括通讯、军工、汽车电子、消费及医太少，限制了其使用的拓展。个方面的优越性：体积小、功耗低、计算性能高、计算效率高、芯片出货量越大成本越低。但是缺点也很明显：算法是固定的，次性成本(光刻掩模制作成本)远高于FPGA，但是性能高于FPGA分预期，我们在此就不再赘述。节应用刚起步，云端要比前端设备发展速度更快。下面我们将重点讲述一下云端数据中心的应用。在数据中心，FPGA合在云的硬件加速功能。以腾讯云为例，当前服务器上的同一起跑线。行业发展趋势来看，我们认为FPGA潜力被低估了，未来大有可为。具体如下：(1)算法正在快速迭代中够大的市场来保证成本价格，而且从研发到市场的时间公司敢于尝试。走向推理环节并不是简单搬运过去。训练出来的算人工智能算法模型研究的重要趋势就是将训练后的模型再进行压缩，在基本不损失模型精度的情况下，将模型压缩到原来的几十分之一，短期记忆网络(LSTM)被广泛用于语音识别领域。为实现更高的预学习研究者们构建了越来越大的模型。然而这样的模型和存储资源。部署此类笨重的模型会给数据中心带来很高的功耗，从而带来很高的总拥有成本(TCO)。LSTM模型的尺寸压缩20倍(10倍来自剪枝和2倍来自量化)的负载平衡了一种可以直接在这种压缩模型上工作的硬件框这篇论文验证了我们上述观点：于快速迭代中。公司提出的新算法，可以在几来自剪枝和2倍来自量化)。在算法能够带来数量级的性能提升下，(2)芯片NRE费用在指数级上升要收回成本的芯片销售规模门槛越来越高。市场上能够满足如此大市场规模要求的单品是非常少的。五、行业主要企业简况趋势来看，无论是快速迭代的算法，还是指数级增长思)、Altera(阿尔特拉)、Lattice(莱迪思