2017年人工智能AI芯片行业现状及发展趋势调研预测咨询分析报告

(此文档为word格式，可任意修改编辑！）

1

正文目录

一、人工智能芯片前景广阔 (6)

1.1.人工智能市场高速增长 (6)

1.2. 深度学习引领人工智能算法发展方向 (10)

二、GPU：并行计算能力突出 (13)

2.1. GPU已获得广泛应用 (13)

2.2. GPU的优势来自并行计算能力 (14)

2.3. Nvidia垄断GPU市场，国内公司逐步突破 (16)

三、FPGA：低功耗场景凸显优势 (19)

3.1.FPGA性能领先 (19)

3.2. 双寡头垄断FPGA市场 (22)

3.3.国内FPGA产业孜孜求索 (23)

四、ASIC：有望成为主流趋势 (24)

五、类脑芯片：超越“冯•诺依曼”架构的新思路 (27)

六、人工智能芯片在云端与终端携手共进 (30)

6.1.云端AI芯片领域百家争鸣 (31)

IBM Waston (32)

微软Azure (34)

亚马逊AWS (35)

谷歌云平台 (36)

阿里云 (37)

百度开放云 (38)

6.2.终端AI芯片领域初露头角 (39)

智能汽车 (40)

智能机器人 (43)

智能音箱 (44)

相关建议 (47)

主要公司分析 (48)

中科曙光 (48)

全志科技 (48)

景嘉微 (48)

通富微电 (49)

2

富瀚微 (49)

风险提示 (49)

图表目录

图1：人工智能关键要素 (6)

图2：全球人工智能市场规模（单位：亿美元） (7)

图3：中国人工智能市场规模（单位：亿元） (7)

图4：全球人工智能主要公司 (8)

图5：国际人工智能领域三巨头动作 (9)

图6：国内人工智能主要企业 (10)

图7：深度学习VS神经网络 (11)

图8：深度学习市场规模 (12)

图9：深度学习主要市场参与者及开源平台 (12)

图10：各公司主要开源平台列表 (13)

图11：主要深度学习平台性能比较 (13)

图12：GPU在深度学习领域应用广泛 (14)

图13：使用NVidia加速计算GPU的企业数量快速增长 (14)

图14：CPU与GPU结构差异 (15)

图15：GPU在3年时间内性能提高50倍 (15)

图16：GPU每秒计算量远超CPU (16)

图17：GPU是Nvidia的主要产品（2016年报） (17)

图18：Nvidia在GPU市场有绝对优势 (17)

图19：NVidia公司加速运算GPU及相关产品 (18)

图20：Nvidia近年来财务数据 (18)

图21：中国在GPU领域取得最新成就 (18)

图22：FPGA内部结构原理图 (19)

图23：CPU、GPU及FPGA单次迭代时间比较（单位：微秒） (20)

图24：CPU、GPU及FPGA单次迭代能耗比较（单位：毫焦） (20)

3

图25：CPU、GPU及FPGA三种芯片性能比较 (21)

图26：全球FPGA市场规模保持较快增长（单位：亿美元） (21)

图27：2016年FPGA市场份额分布 (22)

图28：英特尔Lake Crest架构 (23)

图29：Canyon Bridge Capital Partners拟收购Lattice (24)

图30：谷歌TPU内部架构 (25)

图31：寒武纪芯片 (26)

图32：寒武纪2号DaDianNao版图 (26)

图33：中星微NPU架构图 (27)

图34：2022年类脑芯片不同类型终端应用占比 (28)

图35：各国类脑计算研究项目列表 (28)

图36：各科技巨头类脑芯片产品列表 (29)

图37：IBM第一代TrueNorth芯片 (29)

图38：第一代IBM TrueNorth芯片与第二代比较 (30)

图39：IBM神经元计算机包含16颗TrueNorth芯片 (30)

图40：全球云计算市场规模（亿美元） (31)

图41：云计算平台人工智能功能 (32)

图42：2011年Watson参加节目《Jeopardy》并取得冠军 (32)

图43：Watson产生答案流程 (33)

图44：IBM POWER处理器发展路径 (33)

图45：POWER8架构图 (34)

图46：微软Azure功能 (35)

图47：2014年亚马逊AWS市场份额占比遥遥领先 (35)

图48：亚马逊AWS能够提供的服务 (36)

图49：谷歌云计算平台 (37)

图50：阿里云适用场景 (37)

图51：阿里云新一代HPC (38)

图52：百度与Altera合作建立FPGA集群 (39)

图53：百度开放云功能 (39)

图54：Nvidia Drive PX车载计算平台 (40)

图55：Nvidia Drive PX2平台 (41)

图56：Nvidia Xavier芯片 (41)

图57：高通发布智能汽车芯片602A (42)

图58：国内汽车电子芯片市场规模 (42)

4

图59：飞思卡尔Vybrid处理器 (43)

图60：赛灵思FPGA芯片 (44)

图61：夏普机器人手机RoBoHoN (44)

图62：亚马逊Echo音箱基本构造 (45)

图63：Echo音箱主板芯片构成 (46)

图64：京东&科大讯飞叮咚音箱 (46)

图65：叮咚音箱主板构造 (47)

图66：人工智能芯片及应用 (47)

图67：A股上市公司切入人工智能领域情况 (48)

5

一、人工智能芯片前景广阔

人工智能（AI，Artificial Intelligence）是用于开发和研究用于模拟甚至扩展人的智能的技术及应用系统的一门新的技术科学。人工智能的目标是对人意识和思维过程的模拟，让机器做到像人一样思考，甚至超过人的智能，从而使机器能够胜任通常需要人类智能才能完成的复杂工作。

当前实现人工智能的主要途径是软件算法。目前算法主要可以分为工程学方法和模拟法两种，工程学方法利用大量数据处理经验，运用传统的编程技术使系统呈现智能效果，该方法已经在文字识别等领域有所建树；模拟法则在运算结果和实现方法两个维度模仿人类或其他生物机理，从而提升算法性能，遗传算法（GA）及神经网络（ANN）均属于此类算法。人工智能算法不同于常规算法，需要用到大量的卷积等特定运算，常规处理器芯片在进行这些运算时效率较低，人工智能算法需要特殊的芯片。

目前主流芯片为GPU并行计算神经网络，而FPGA和ASIC也将成为推动人工智能进步的强大动力。

图1：人工智能关键要素

1.1.人工智能市场高速增长

在人工智能超过60年的发展历程中，经历了漫长的历史演进和技术更迭，并曾两次陷入低谷。近几年随着工业4.0、智能生活、“互联网+”等领域的快速进步，加之深度学习算法在语音和视觉识别上取得突破，人工智能技术开始渗透至工业、医疗、教育、安全等多个领域，尤其是近两年来，由DeepMind公司开发的人工智能机器人AlphaGo接连击败李世石、柯洁等著名围棋选手，人工智能受到了全球大范围关注，迎来了第三个黄金发展时期。

6