logo资料库

AIGC 推动AI 产业化由软件向硬件切换，半导体+AI 生态逐渐清晰-21页.pdf

发布时间：2023-02-09 发布人：admin 分类：养殖 资料大小：2.27M 资料格式：pdf 举报 版权申诉
第1页 / 共20页
第2页 / 共20页
第3页 / 共20页
第4页 / 共20页
第5页 / 共20页
第6页 / 共20页
第7页 / 共20页
第8页 / 共20页
资料共20页，剩余部分请下载后查看
    AIGC 推动 AI 产业化由软件向硬件切换，半导体+AI 生态逐渐清晰 [Table_Industry] 半导体 [Table_ReportDate] 2023 年 2 月 7 日
    证券研究报告 行业研究 [Table_ReportType] 行业专题研究（普通） [Table_StockAndRank] 半导体 投资评级 上次评级 看好 看好 [Table_Author] 莫文宇 电子行业首席分析师 执业编号：S1500522090001 联系电话：13437172818 邮 箱：mowenyu@cindasc.com 信达证券股份有限公司 CINDA SECURITIES CO.,LTD 北京市西城区闹市口大街9号院1号楼 邮编：100031 [Table_Title] AIGC 推动 AI 产业化由软件向硬件切换，半导体+AI 生态逐渐清晰 [Table_ReportDate] 本期内容提要: [Table_Summary] [Table_Summary] ➢ AIGC 是什么：与传统 AI 应用最大的区别在于其可以“创作”全新的内容。AIGC 2023 年 02 月 07 日 指的是人工智能系统生成的内容，通常是文字、图像、音频或视频。这类内容可以 通过自然语言处理，机器学习和计算机视觉等技术生成。AIGC 的主要目的是帮助 人们快速生成大量内容，从而节省时间和资源。具体而言，AIGC 系统通常采用神 经网络技术，包括语言模型和图像生成模型等。语言模型通过学习大量文本数据， 了解人类语言的语法和词汇，并使用这些知识生成文本内容。图像生成模型则通 过学习大量图像数据，了解图像的结构和特征，并使用这些知识生成新的图像。 ➢ AIGC 赋予人工智能大规模落地场景，国内芯片有望切入 MaaS 产业生态。当前 时间节点，我们看好人工智能芯片及人工智能相关的半导体产业链，核心观点在 于：AIGC 的出现真正赋予了人工智能大规模落地的场景，AI 芯片也将从过去面 向厂商的训练场景为主转变为面向消费者的推理场景为主，GPU 的高并行计算能 力和高通用性的协调统一在消费者时代的统治力或许难以为继，ASIC 芯片、国产 GPGPU 芯片有望切入 MaaS 产业生态。 ➢ 数字化+智能化浪潮推动 AI 芯片市场迅速成长。AI 芯片是针对人工智能算法做了 特殊加速设计的芯片。算力是人工智能发展的关键因素之一，随着深度学习算法 的普及和应用，人工智能对算力提出了更高的要求，传统的 CPU 架构难以满足人 工智能算法对算力的要求，因此具有海量数据并行计算能力、能加速计算处理的 AI 芯片应运而生。在全球数字化、智能化的浪潮下，智能手机、自动驾驶、数据 中心、图像识别等应用推动 AI 芯片市场迅速成长。根据亿欧智库数据，预计国内 市场规模将于 2025 年达到 1780 亿元，2022-2025 年 CAGR 将达到 27.9％。 ➢ 技术层面，AI 芯片根据其技术架构，可以分为 GPU、FPGA、ASIC 和类脑芯片， 同时 CPU 也可用以执行通用 AI 计算。当前 GPU 为 AI 生态主体，被广泛用于高 性能计算、深度学习等领域；FPGA 和 ASIC 等非 GPU AI 芯片则在快速迭代实现 替代。 ➢ 投资建议：我们认为，AIGC 推动 AI 产业化由软件向硬件切换，半导体+AI 生态 逐 渐 清 晰 ， AI 芯 片 产 品 将 实 现 大 规 模 落 地 。 硬 件 端 核 心 包 括 AI 芯 片 /GPU/CPU/FPGA/AI SoC 等，而在 AI 芯片中，算力及信息传输速率成为关键技 术，芯片性能及成本的平衡也带动周边生态，包括 Chiplet/先进封装/IP 等产业链 受益。建议关注寒武纪/景嘉微/龙芯中科/海光信息/紫光国微/复旦微电/安路科技. 瑞芯微/晶晨股份/芯原股份/澜起科技/长电科技/通富微电等。 ➢ 风险因素：产品技术研发进度不及预期；AI 产业化进度不及预期。 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 2
    目 录 从分析到生成，AI 产业化应用迈入新阶段 ...................................................................................... 4 AI 芯片：算力的硬件基石 ......................................................................................................... 7 投资建议 ............................................................................................................................................ 13 风险因素 ............................................................................................................................................ 19 表 目 录 表 1：AI 芯片根据技术架构分类 ....................................................................................................... 7 表 2：AI 芯片根据应用场景分类 ..................................................................................................... 10 表 3：国产边缘端 AI 芯片 ................................................................................................................ 12 表 4：寒武纪 AI 芯片主要产品类型 ................................................................................................ 13 表 5：寒武纪新款训练加速卡主要情况 .......................................................................................... 14 表 6：瑞芯微及晶晨股份 AI SoC 情况 ............................................................................................ 14 表 7：景嘉微 JM9 系列图形处理芯片主要技术指标 .................................................................... 15 表 8：市场主流 CPU 厂商典型产品参数情况 ................................................................................ 16 表 9：国内主流 FPGA 厂商产品进展 .............................................................................................. 16 表 10：主流 Chiplet 设计方案 .......................................................................................................... 17 表 11：全球部分先进封装解决方案（2D/2.5D/3D） ..................................................................... 18 表 12：全球主要提供 Chiplet 封装厂商解决方案汇总 ................................................................... 18 图 目 录 图 1：ChatGPT 回答 AIGC 与传统 AI 应用有什么区别 .................................................................. 4 图 2：内容创作的四个阶段，未来以 AI 创作为主 .......................................................................... 4 图 3：AI 算法发展历史 ....................................................................................................................... 5 图 4：MaaS 生态下，中间层才是 AI 芯片最大的客户 .................................................................... 6 图 5：全球 AI 芯片市场规模 .............................................................................................................. 7 图 6：中国 AI 芯片市场规模 .............................................................................................................. 7 图 7：CPU 与 GPU 的架构差异对比 ................................................................................................. 8 图 8：英伟达 A100 Tensor Core GPU ................................................................................................ 8 图 9：英伟达编程框架 CUDA ............................................................................................................ 8 图 10：FPGA 内部结构 ....................................................................................................................... 9 图 11：ASIC 与 FPGA 计算性能对比 ................................................................................................ 9 图 12：ASIC 与 FPGA 成本对比 ........................................................................................................ 9 图 13：高通 AI Engine 架构 ............................................................................................................. 10 图 14：全球智能驾驶渗透率 ............................................................................................................ 11 图 15：智能驾驶算力需求（单位：TOPS）................................................................................... 11 图 16：全球 AI 服务器市场规模及预测 .......................................................................................... 11 图 17：2021 年中国 AI 服务器芯片份额 ......................................................................................... 11 图 18：边缘计算在数据处理中的位置 ............................................................................................ 12 图 19：半导体行业 AIGC 相关标的情况 ........................................................................................ 13 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 3
    从分析到生成，AI 产业化应用迈入新阶段 AIGC 与传统 AI 应用最大的区别在于其可以“创作”全新的内容。AIGC (Artificial Intelligence Generated Content) 指的是人工智能系统生成的内容，通常是文字、图像、 音频或视频。这类内容可以通过自然语言处理，机器学习和计算机视觉等技术生成。AIGC 的主要目的是帮助人们快速生成大量内容，从而节省时间和资源。具体而言，AIGC 系统 通常采用神经网络技术，包括语言模型和图像生成模型等。语言模型通过学习大量文本数 据，了解人类语言的语法和词汇，并使用这些知识生成文本内容。图像生成模型则通过学 习大量图像数据，了解图像的结构和特征，并使用这些知识生成新的图像。 图 1：ChatGPT 回答 AIGC 与传统 AI 应用有什么区别 资料来源：ChatGPT，信达证券研发中心 现阶段 AIGC 已经在多个领域开花结果，有望在更高层次辅助甚至代替人类工作。2022 年可以说是 AIGC 走入公众视野的元年。2022 年，Stability AI 发布的开源模型 Stable Diffusion 可以根据用户的文字描述生成图像，引爆了 AI 作画话题；同年 12 月，OpenAI 的大型语言生成模型 ChatGPT 更是快速获得关注，其不仅能够胜任高情商的复杂对话， 还可以撰写代码、文章、小说等高难度文体，将人机对话的层次推向新的高度。 图 2：内容创作的四个阶段，未来以 AI 创作为主 资料来源：腾讯研究院，信达证券研发中心 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 4
    AIGC 应用的强劲增长得益于生成型神经网络的快速发展。生成型神经网络（Generative Neural Networks）通过学习训练数据中的模式来生成新的数据，而不是仅仅对输入数据进 行分类或回归预测；自 2014 年以来，变分自编码器（VAE）、生成对抗网络（GAN）、基 于流的生成模型、扩散模型、Transformer 模型、神经辐射场、CLIP 模型等多种生成模型 相继出现，奠定了 AIGC 的发展基础。 图 3：AI 算法发展历史 资料来源：上海交通大学苏州人工智能研究院，信达证券研发中心 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 5
    模型即服务（Model-as-a-Service，MaaS）未来或将是 AIGC 主流的商业模式。MaaS 产 业生态的上游是基础层，也就是由预训练模型为基础搭建的 AIGC 技术基础设施层。由于 预训练模型的高成本和技术投入，因此具有较高的进入门槛。中间层，即垂直化、场景 化、个性化的模型和应用工具的提供方，需要对预训练的模型进行二次开发。应用层，即 面向 C 端用户的文字、图片、音视频等内容生成服务及相关的创作者。我们认为，中间 层未来是 MaaS toB/toG 业务的芯片主力采购方，这也将为成国内半导体发展的基石。 图 4：MaaS 生态下，中间层才是 AI 芯片最大的客户 资料来源：腾讯研究院，信达证券研发中心整理 当前时间节点，我们看好人工智能芯片及人工智能相关的半导体产业链，核心观点在于： AIGC 的出现真正赋予了人工智能大规模落地的场景，AI 芯片也将从过去面向厂商的训练 场景为主转变为面向消费者的推理场景为主，GPU 的高并行计算能力和高通用性的协调统 一在消费者时代的统治力或许难以为继，ASIC 芯片、国产 GPGPU 芯片有望切入 MaaS 产业生态。 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 6 内容创作者芯片采购方
    AI 芯片：算力的硬件基石 AI 芯片是针对人工智能算法做了特殊加速设计的芯片。算力是人工智能发展的关键因素之 一，随着深度学习算法的普及和应用，人工智能对算力提出了更高的要求，传统的 CPU 架 构难以满足人工智能算法对算力的要求，因此具有海量数据并行计算能力、能加速计算处理 的 AI 芯片应运而生。近年来，在全球数字化、智能化的浪潮下，智能手机、自动驾驶、数 据中心、图像识别等应用推动 AI 芯片市场迅速成长。根据 TrendForce 预测，2022 年全球 AI 芯片市场规模将达到 390 亿美元，到 2025 年有望达到 740 亿美元，2022-2025 年 CAGR 为 23.8％。我国 AI 芯片市场也将持续增长，根据亿欧智库数据，预计国内市场规模将于 2025 年达到 1780 亿元，2022-2025 年 CAGR 将达到 27.9％。 图 5：全球 AI 芯片市场规模 图 6：中国 AI 芯片市场规模 资料来源：TrendForce，信达证券研发中心 资料来源：亿欧智库，信达证券研发中心 技术层面上：AI 芯片根据其技术架构，可以分为 GPU（图形处理器）、FPGA（现场可编程 门阵列）、ASIC（专用集成电路）和类脑芯片，同时 CPU 也可用以执行通用 AI 计算。 表 1：AI 芯片根据技术架构分类 技术架构种类 定制化程度 可编辑性 算力 价格 优点 缺点 应用场景 GPU 通用型 不可编辑 中 高 通用性较强且适合大规模并行运 并行运算能力在推理端无 高级复杂算法和通用性人 算；设计和制造工艺成熟 法完全发挥 工智能平台 FPGA 半定制化 容易编辑 高 中 应算法迭代，平均性能较高；功 可通过编程灵活配置芯片架构适 耗较低；开发时间较短(6 个月) 通过算法固化实现极致的性能和 ASIC 全定制化 难以编辑 高 低 能效、平均性很强；功耗很低； 类脑芯片 模拟人脑 不可编辑 高 - 资料来源：亿欧智库，信达证券研发中心 体积小；量产后成本最低 最低功耗；通信效率高；认知能 力强 量产单价高；峰值计算能 力较低；硬件编程困难 适用于各种具体的行业 前期投入成本高；研发时 间长(1 年)；技术风险大 当客户处在某个特殊场 景，可以为其独立设计一 套专业智能算法软件 目前仍处于探索阶段 适用于各种具体的行业 ➢ GPU：从图形处理器到通用型 AI 芯片 GPU 最初是专门用于图像处理的芯片，可以使计算机显卡减少对 CPU 的依赖，并且分担部 分原本是 CPU 所承担的工作。从物理结构上看，GPU 和 CPU 相似，包括控制单元、存储 单元和运算单元三个部分，CPU 的控制单元占比较大，负责进行逻辑控制和串行计算，而 运算单元（ALU）较小；GPU 拥有较多的 ALU，适合于类型高度统一的、相互无依赖的大 规模数据以及不被打断的纯净计算环境，因而被广泛用于高性能计算、深度学习等领域。 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 7 0%5%10%15%20%25%30%35%020406080100120140160202020212022E2023E2024E2025E2026E2027E2028E市场规模（十亿美元）YoY（右轴）0%20%40%60%80%100%120%140%05001,0001,5002,0002019202020212022E2023E2024E2025E市场规模（亿元）YoY（右轴）
    图 7：CPU 与 GPU 的架构差异对比 资料来源：英伟达官网，信达证券研发中心 英伟达是全球 GPU 和 AI 计算平台的领军者。1999 年，英伟达首次提出可从真正意义上替 代 CPU 渲染的 GPU 概念，把显卡带入了全硬件处理时代，并在之后持续深耕于 GPU 产 品。2006 年之后，英伟达为解决 GPU 编程的复杂度问题推出通用并行计算平台 CUDA， 大幅降低了用 GPU 做通用计算的难度，为后续 AI 算力的支撑打下基础。 图 8：英伟达 A100 Tensor Core GPU 图 9：英伟达编程框架 CUDA 资料来源：英伟达官网，信达证券研发中心 资料来源：英伟达官网，信达证券研发中心 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 8
    分享到：
    赞 收藏

    相关推荐

    资料库

    经济师考试

    共收录386份资料，累计22个分类，关注成员有19位，主要包括：2022年,2015年,广西,2021年,2003年,综合,2019年,2018年,2017年,2016年,2014年,2013年,2012年,2011年,2010年,2009年,2008年,2007年,2006年,2005年,2004年

    热门标签

    2022年 2015年 广西 2021年 2003年 综合 2019年 2018年 2017年 2016年 2014年 2013年 2012年 2011年 2010年 2009年 2008年 2007年 2006年 2005年 2004年

    最新资料