人工智能芯片:风起于青萍之末,GPU,FPGA,ASIC

第1页:投资要点

第1页:投资要点

第2页:中科曙光:业绩拐点确立 海光携手AMD前途无量

第3页:同有科技:财务投资人减持快完成 对中期成长更有利!

第4页:卫士通:一季报收入大增 静待增发落地迈上快车道

第5页:超图软件一季报点评:一季报扭亏为盈,迎接跨越式发展

第6页:神州信息:营收大幅增长 战略加速落地

投资要点

人工智能——风起于青萍之末

人工智能市场将保持高速增长,根据艾瑞咨询的数据,2020年全球人工智能市场规模约1190亿人民币。而未来10年,人工智能将会是一个2000亿美元的市场。空间非常巨大。其中在硬件市场方面,将会有30%的市场份额。对人工智能的实现来说,算法是核心,计算、数据是基础。人工智能之所以在当下能得到长足进展,高性能的计算能力(CPU,GPU,FPGA,ASIC)的突破至关重要。

GPU——厚积薄发正当时

我们认为人工智能时代的GPU已经不再是传统意义上的图形处理器,而更多的应该赋予专用处理器的头衔,具备强大的并行计算能力。因为GPU的特点特别适合于大规模并行运算,GPU在“深度学习”领域发挥着巨大的作用,因为GPU可以平行处理大量琐碎信息。深度学习所依赖的是神经系统网络——与人类大脑神经高度相似的网络——而这种网络出现的目的,就是要在高速的状态下分析海量的数据。

FPGA——“万能芯片”在人工智能时代复苏

FPGA之所以能有潜力成为人工智能深度学习方面的计算工具,主要原因就在于其本身特性:可编程专用性,高性能,低功耗。比CPU和GPU,FPGA凭借比特级细粒度定制的结构、流水线并行计算的能力和高效的能耗,在深度学习应用中展现出独特的优势,在大规模服务器部署或资源受限的嵌入式应用方面有巨大潜力。此外,FPGA架构灵活,使得研究者能够在诸如GPU的固定架构之外进行模型优化探究。Intel收购Altera,目的也是看中FPGA在深度学习体想出的性能优势。

ASIC——后起之秀,不可估量

ASIC将性能和功耗完美结合。ASIC著名应用之一:比特币挖矿。比特币挖矿和人工智能深度学习有类似之处,都是依赖于底层的芯片进行大规模的并行计算。而ASIC在比特币挖矿领域,展现出了得天独厚的优势。从“比特币挖矿机ASIC发展”推导“ASIC在人工智能领域大有可为”。而谷歌最新推出的人工智能专用芯片其实也是一款ASIC。