智能计算芯片行业报告：人工智能产业硬件基础与第一桶金（42页）

行业报告下载 2017年09月25日 07:40 管理员

人工智能对计算性能要求较高，GPU、GPGA、ASIC 专用芯片各有千秋。近年来人工智能技术的突飞猛进，源于三大关键领域的突破，分别是深度学习算法、大数据和强大的硬件运算能力。深度学习与传统计算模式最大的区别就是不需要编程，它是从输入的大量数据中自发地总结出规律，而传统计算模式更多都需要人为提取所需解决问题的特征或者总结规律来进行编程。也正因为如此，深度学习对计算能力要求非常高，以至于有人称之为 “暴力计算”。传统的 CPU 在目前人工智能计算中使用较为普遍但由于内部结构原因在性能和效率上并不是最优选择，GPU 在浮点运算、并行计算等方面性能优于 CPU 是目前主流方案，FPGA 综合性价比不错也有一定应用，人工智能 ASIC 专用芯片尚未成熟但效率最高未来更具前景。

人工智能带动智能计算芯片旺盛需求，2020 年国内市场规模预计达 100 亿。随着数据量的快速增长以及人工智能产业需求的快速增长，Intel 预测到 2020 年人工智能相关的计算量将增长到现在的 12 倍。在 2017 年投资者会议材料中，AMD 预测 2020 年全球数据中心芯片市场空间为 210 亿美元，其中 CPU160 亿美元，GPU50 亿美元；NVIDIA 表示目前数据中心使用的 GPU 中约 60%用于人工智能计算，公司预测 2020 年全球数据中心芯片市场空间更为乐观达 300 亿美元。结合 AMD 和 NVIDIA 的分析和判断，我们估计 2020年人工智能计算 GPU 市场空间约为 30 亿美元（GPU 市场 50 亿美元*人工智能计算占比60%）。根据前文所述国务院 7 月印发的《新一代人工智能发展规划》中预计我国 2020年人工智能核心产业规模超过1500亿元，赛迪预测2020年全球人工智能市场规模达4000亿元，同比例计算我国 2020 年人工智能计算用 GPU 市场空间约为 75 亿元（11.25 亿美元），再考虑到 CPU 和 FPGA 的份额以及 ASIC 专用芯片的迅猛发展，2020 年国内智能计算芯片总市场空间有望超过 100 亿元。