人工智能芯片行业研究报告( 70 页)

---

内容目录

1. 人工智能“脑力”基础：AI 芯片繁荣共生，创造非零和博弈的一片蓝海 ......... 7

1.1. AI芯片繁荣共生，GPU引领主流，ASIC割据一地，看好未来各领风骚......... .7.

1.2. 行业首推：英伟达 GPU王者风范，Google TPU破局科技 ....... .9

1.2.1. 英伟达 GPU王者风范，TP上调至 280美元 ........ 9..

1.2.2. AMD行业老二不遑多让，TP 16美元 ........ 10

1.2.3. Google软硬兼施，打造 AI帝国，TP上调至 1300美元 ........ 10

2. 英伟达和AMD：GPU 巨头的引领AI 盛夏 ..... 11

2.1. 英伟达：GPU巨头的 AI时代最强音 ..... 1..2

2.1.1. 数据中心抢滩战，英伟达先拔头筹 ..... 1. 3

2.1.2. 数据中心 GPU空间测算：蓝海正当时 ..... 13

2.1.2.1. Volta更新迸发澎湃动力 ....... 1...6

2.1.3. 自动驾驶开启「黄金十年」 ......... 1..8

2.1.4. 英伟达成自动驾驶先行军，接棒数据中心 ......... 2...1

2.1.4.1. Xavier：“装进手提箱”的车载超级电脑 ........ .2..3

2.1.4.2. 开源 DLA，加速自动驾驶研发生态 ........ 23

2.1.5. 游戏业务“现金马”扬鞭奔腾 ..... 2..5

2.1.6. 估值：重申“买入”，TP上调至 280美元 ........ 2..6

2.1.7. 英伟达整体盈利预测 ..... 29

2.2. AMD：CPU+GPU双剑合璧，不畏阻力起飞时 ......... 3. 0

2.2.1. CPU量价齐升：Ryzen闪耀 PC端，EPYC从零到一破局服务器市场 ........... 3. 1

2.2.1.1. EPYC——从零到一破局服务器市场 ........ 31

2.2.1.2. Ryzen——蛰伏五年闪耀 PC端 .......... 3. 4

2.2.1.3. 中国云计算和 AI“春光乍现”，借力中科曙光拓宽市场 ..... 3...6

2.2.2. GPU上下游布局：Vega打开高端市场，进军云计算享 AI之夏浪潮 ........... 3. 6

2.2.2.1. 进军云计算，享人工智能芯片浪潮 ........ 37

2.2.2.2. 进入 Vega发布新周期，重回显卡高端市场 ........... 3..8

2.2.2.3. 苹果全新 iMac Pro“钦点”Vega ..... 4. 0

2.2.3. 估值：行业老二起飞时，重申“买入”，TP 16美元 ............ 41

2.2.4. AMD整体盈利预测 ........ 4. 3

2.3. GPU需求和虚拟货币的关系：“微小但不是零的” ........... 4..4

2.3.1. 浅谈挖矿 ........... 4...5

3. Google：TPU 以时间换吞吐量，破局者加速云端AI 帝国 ....... 47

3.1. 谷歌以 TPU为破局者，软硬兼施，加速云端 AI帝国 ........ .4.9

3.2. 第一代 TPU：脉动阵列“获新生”，以时间换吞吐量....... .4.9

3.3. 第二代 TPU：可进行深度学习上游训练计算 ..... 52

3.4. 谷歌重申买入：人工智能巨头新征途——云+YouTube+硬件 ........ 54

4. 英特尔：老巨头，MAN(Mobileye+Altera+Nervana) up ！ ......... 56

4.1. 收购 Nervana挑战深度学习上游 ...... 5..6

4.2. 收购 Mobileye打造自动驾驶新巨头 ..... 5..7

4.2.1. EyeQ芯片发展之路 ........ 5. 8

4.3. 收购 Altera全面加速数据中心 ........... 6..0

5. 可编程的FPGA，推理端伸展拳脚 ...... 61

6. 冉冉升起的特制芯片新星 ....... 62

6.1. 寒武纪—人工智能 NPU / MLU 芯片 ...... 6..2

6.1.1. IP授权进入华为手机 ...... 65

7. 量子计算是啥？具体用来干嘛？ ......... 65

7.1.1. 量子电脑的历史 ...... 6. 7

7.1.2. 谷歌的量子计算机之路 ....... 68

图表目录

图 1：目前深度学习领域常用的四大芯片类型，“通用性和功耗的平衡” ....... .7..

图 2：目前深度学习领域常用的四大芯片类型及主要芯片商 ..... 8..

图 3：四大芯片的“通用性和功耗的平衡” .......... 8..

图 4：深度学习在神经网络模型的应用中主要分为上游训练端和下游推理端 ......... 9..

图 5：GPU和 CPU结构上的区别.......... 1. 1

图 6：深度学习在计算机视觉领域的优越表现 ........... .1.1

图 7：英伟达历史大事件 .......... .1..2

图 8：英特尔估算的 AI相关工作及 GPU在服务器中的使用率 ........ .1.3

图 9：当前 GPU在数据中心使用情况 ........ 14

图 10：全球服务器 GPU市场估计........ 1. 4

图 11：全球数据中心工作负载变化 ...... 15

图 12：云计算数据中心的工作负载效率明显高于传统数据中心 ..... 1. 5

图 13：全球超级数据中心数量 ...... 1. 5

图 14：英伟达人工智能布局平台 ......... 1. 6

图 15：英伟达发布 Volta构架 GPU Tesla V100 ........... 1.6

图 16：V100对比前代 P100的性能提升明显 ..... 1..7

图17：英伟达DGX 产品线更新：DGX- 1V、DGX Station以及公有云服务器HGX- 1 ........ 17

图 18：英伟达历代 Tesla GPU性能对比 ........ 1...7

图 19：全球自动驾驶 L1- L5渗透率预测 ........ 1...8

图 20：英伟达公布的自动驾驶算力提升路径 ..... 1..8

图 21：全球自动驾驶渗透率预测 ......... 1. 9

图 22：「车企+供应商+芯片巨头+打车软件」新格局 ..... 19

图 23：打车软件紧抓数据，把握共享经济 .......... 2..0

图 24：商业用车的无人驾驶场景最快落地 .......... 2..0

图 25：L1到 L4的单车零部件成本变化 ......... 2...1

图 26：Drive PX 2平台的三款芯片 ....... 21

图 27：英伟达 Drive PX车载计算平台情况 ......... 2..2

图 28：英伟达三代自动驾驶平台性能比较 .......... 2..2

图 29：英伟达自动驾驶服务 .......... 2..3

图 30：英伟达 Xavier下一代车载超级电脑 ......... 2..3

图 31：英伟达 Xavier包含 8核 CPU和 512核 GPU ......... 23

图32：英伟达Xavier下一代车载超级电脑，硬件加速模块DLA 拥有最好的能效比 ......... 24

图 33：新一代奥迪 A8搭载了超过 22个传感器设备 ...... 24

图 34：奥迪新 A8的无人驾驶按钮 ....... 25

图 35：奥迪的 zFAS中央驾驶辅助控制系统 ....... 2..5

图 36：全球电子竞技市场收入（百万美元） ..... 2..5

图 37：全球电竞游戏观众人数（百万人） .......... 2..5

图 38：3A游戏大作及现象级游戏频出刺激玩家升级电脑配置 ....... .2.6

图 39：英伟达新发游戏显卡 1070 Ti性能比较 ........... 2.6

图 40：英特尔历史大事件，在 2000年 PE最高一度达到 70x ......... 2..7

图 41：英伟达各项业务营收比较（百万美元） .......... 2. 8

图 42：英伟达游戏、数据中心、汽车三块业务同比增速 ......... 2...8

图 43：英伟达毛利率逐年增长 ...... 2. 8

图 44：英伟达 R&D 投入以及 R&D/营收 ....... 2...8

图 45：英伟达各项业务营收占比- 2016年..... 2..8

图 46：英伟达各项业务营收占比- 2017年 E ....... 2..8

图 47：英伟达各项业务营收占比- 2018年 E ....... 2..8

图 48：英伟达各项业务营收占比- 2019年 E ....... 2..8

图 49：英伟达整体盈利预测 .......... 2..9

图 50：AMD历史大事件 .......... .3..0

图 51：AMD服务器业务收入测算 ....... .32

图 52：EPYC目标成为单插槽服务器市场的破局者 ......... .32

图 53：EPYC主打单插槽高性能，超过 50%英特尔双插槽产品........ .3.2

图 54：EPYC系列产品基本情况（后缀 P为单槽处理器） ........ 3..3

图 55：EPYC与 Radeon Instinct加速器协同精简架构..... 33

图 56：英特尔 Xeon Skylake系列和 AMD EPYC系列参数对比 ....... .3.4

图 57：AMD和英特尔的 PC端 CPU市场份额 ........... .3.4

图 58：英特尔 Core i9- 7920X与 AMD Ryzen 1920X基本参数对比 ..... .35

图 59：处理器 Cinebench单线程测试（越高越好） ....... 35

图 60：处理器 Cinebench多线程测试（越高越好） ....... 35

图 61：AMD GPU规划路径 ..... 3..7

图 62：AMD GPU规划路径 ..... 3..7

图 63：全球服务器 GPU市场估计........ 3. 7

图 64：AMD去年发布的 Radeon Instinct加速器 ....... 3. 8

图 65：AMD与英伟达显卡市占率对比 ........... 3..9

图 66：AMD Radeon Vega Frontier显卡 ....... 3...9

图 67：AMD Radeon Vega Frontier基本信息 ..... 3..9

图 68：Vega Frontier性能比较 ...... 3. 9

图 69：Vega架构设计 ....... 3..9

图 70：Vega RX和英伟达 GTX性能比较（越高越好） ......... 4. 0

图 71：系统总功耗（越低越好） ......... 4. 0

图 72：苹果更新 iMac产品线，高端机型将搭载 AMD显卡 ............ 4..0

图 73：苹果发布的 iMac Pro将搭载 Vega显卡 .......... 4. 0

图 74：AMD各项业务营收比较（百万美元） ........... .4.1

图 75：AMD各季营收（百万美元）及毛利率指引 ......... .41

图 76：AMD PC市场将依赖 Ryzen系列扩张高端市场 ........... 41

图 77：AMD游戏市场将靠 Vega系列重回高端 ......... 4. 1

图 78：中科曙光股价变动 ........ 4..2

图 79：AMD整体盈利预测 ...... 4..3

图 80：比特大陆 ASIC蚂蚁矿机 ............ 4. 4

图 81：以太币市值估计 ............ 4...5

图 82：GPU矿机盈利估计 ........ 4..5

图 83：AMD与英伟达显卡性能比较（单位：sol/s, solution per second） ............ 4..6

图 84：Ebay上二手微星 RX 470曾被标价 315美元高价 .......... 4...6

图 85：Newegg上微星 RX 580在 Q2 一度售罄 ......... 4. 6

图 86：目前深度学习领域常用的四大芯片类型，“通用性和功耗的平衡” ........... 4..7

图 87：皮查伊在 2016 I/O大会上介绍 TensorFlow ......... .47

图 88：皮查伊介绍 TPU性能对比 ........ 4. 7

图 89：谷歌第一代 TPU电路板 ..... 4. 8

图 90：谷歌第一代 TPU尺寸示意图 ..... 48

图 91：TPU的性能/功耗比较优势 ........ 4. 8

图 92：TPU的性能/功耗比较优势 ........ 4. 8

图 93：AlphaGo版本进化 ........ 4..9

图 94：TPU Pod由 64台第二代 TPU组成 ..... 4..9

图 95：TensorFlow Research Cloud云开发平台 ......... 4. 9

图 96：第一代 TPU各模块的框图，红框为核心矩阵乘法单元 ........ .5.0

图 97：第一代 TPU的芯片布局图 ........ 5. 0

图 98：TPU论文核心专利：Neural Network Processo .r........ 5. 1

图 99：第一代 TPU各模块设计原理专利，核心为矩阵运算单元和矢量运算单元 ...... 5. 1

图 100：矩阵乘法单元的脉动数据流(Systolic data flow .).......... 5...1

图 101：矩阵运算单元的架构原理图 ......... 51

图 102：矩阵运算单元中一个 Cell的架构 ...... 5..1

图 103：矢量运算单元的架构原理图 ......... 51

图 104：英伟达 GeForce GTX 1070 Ti模块框图.......... 5. 2

图 105：CUDA核心计算处理流程图 .......... 52

图 106：第二代 TPU包含 4个芯片 ....... 52

图 107：第二代 TPU包含 4个芯片 ....... 52

图 108：TPU Pod，由 64台 TPU组成，算力达 11.5 petaflops ....... .5.3

图 109：第二代 TPU使用了 16 GB HBM内存 ............ .5.3

图110：A 是第二代TPU 及散热片，B 是每块TPU 的2 根BlueLink 25GB/s 电缆，C 是Omni- Path架构(OPA)电缆接口，D是电源连接器背面，E可能为网络交换机 ..... 5..3

图111：A 和D 是CPU 机架，B 和C 是TPU 机架，蓝色方框为不间断电源(UPS)，红色方

框为电源，右上角绿色方框为网络交换机顶部 ........... 5.4

图 112：谷歌 Cost- per- click增长率（*号为算法调整后） ....... 5..5

图 113：谷歌 Paid clicks（*号为算法调整后） ........... .5.5

图 114：全球云计算市场竞争格局 ....... .55

图 115：全球云计算企业 SaaS市场格局 ....... 5...5

图 116：英特尔历史大事件 ...... 5..6

图 117：英特尔 Lake Crest深度学习芯片构架 ........... .5.7

图 118：针对深度学习 workloads设计的 Nervana Engine ........ 5..7

图 119：英特尔的 Nervana AI构架布局路线 ...... 5..7

图 120：英特尔给出的市场空间指引 ......... 58

图 121：EyeQ系列芯片参数介绍 ......... 5. 9

图 122：英特尔计划在数据中心里提供 FPGA加速 ......... .60

图 123：英特尔整合 Xeon处理器和全定制化的 FPGA加速器 ........ .6.0

图 124：FPGA具有低延迟、低功耗、硬件可编程等优良特性 ........ .6.1

图 125：赛灵思提供的 FPGA与 CPU性能对比优势 ......... 61

图 126：赛灵思 FPGA被应用在亚马逊 AWS中 .......... 6. 1

图 127：微软使用 FPGA进行 Bing搜索加速 ...... 6..2

图 128：微软 Azure从 2015年开始就布局 FPGA的使用 ......... 6...2

图 129：寒武纪产品研发历程 ....... .6.3

图 130：机器学习处理器 MLU系列，布局服务器级加速 ......... 6...3

图 131：寒武纪处理器系列 ...... 6..3

图 132：寒武纪芯片的板卡 ...... 6..3

图 133：寒武纪 1号架构 .......... 6..4

图 134：寒武纪 1号处理器 ...... 6..4

图 135：寒武纪 2号性能比较 ....... .6.4

图 136：寒武纪 2号能耗比较 ....... .6.4

图 137：寒武纪 DianNao系列主要产品与性能........... 6.4

图 138：华为海思麒麟 970架构搭载寒武纪 IP的 NPU ......... 6. 5

图 139：寒武纪 NPU的性能优势 ......... 6. 5

图 140：D-Wave 2量子计算机支撑结构，机器被冷却到接近绝对零度 ..... 6. 6

图 141：可以与不可以被量子计算攻破的加密技术......... .66

图 142：D-Wave的量子处理器 ............ 6. 7

图 143：D-Wave量子计算机示意图 .......... 67

图 144：谷歌量子计算机 9个量子位排列示意图 ....... 6. 8

图 145：谷歌制造的量子计算实验芯片 ........... 6..8