人工智能革命将引起芯片业格局重新调整
我们在《
寻找
AI+
淘金热中的卖水人
》报告中已经指出，人工智能革命将引起芯片业格局重新调整。近期，谷歌推出第二代
TPU
，英伟达推出
V100
，
AMD
推出
Vega Frontier Edition
，我们对
AI
芯片市场进行再次审视。
就市场规模而言，目前数据中心服务器中只有
7%
用于人工智能（其中
3%
使用
GPGPU
，
95%
使用
CPU
），但英特尔估计，到
2020
年，人工智能计算量将增加
12
倍，运行人工智能工作负载的服务器将超过其他所有服务器。英伟达估计数据中心人工智能相关芯片的市场空间到
2020
年有
260
亿美元，包含训练
110
亿和推理
150
亿，
AMD
估计
50
亿美元，只含训练。
短期内，
GPU
仍将主导训练，
FPGA
争夺推理市场
GPU
强大的并行计算能力在深度学习训练环节的优势已是市场共识。英伟达经过多年努力形成的生态系统（
Cuda
已到第
9
代，开发者
51.1
万，支持
TensorFlow/Caffe2/MXNet
等多个主流框架，扶持创业企业
1300
家，开源
Xavier DLA
）已形成了较好的先发优势。谷歌
TPU
暂时还难以撼动英伟达
GPU
的市场地位（专门适用于
TensorFlow
，单片
TPU 45 teraflops
，低于单片英伟达
V100
的
120 teraflops
）。而在推理环节，目前主要由
CPU
兼任，但需要低延迟的实时推理，或者需要低功耗的场景，将逐渐由
FPGA
替代（平均每瓦特的性能在图片
CNN
算法推理、语音
LSTM
算法推理上，比
CPU
分别提高
30/81
倍）。英特尔和赛灵思
的
FPGA
已分别被微软
Azure
和
AWS
采用。
长期来看，训练和推理、云和终端都将更多采用
ASIC
然而，
CPU
、
GPU
和
FPGA
都属于通用芯片，并非专门为人工智能开发。我们相信，随着市场需求的扩大，各类专用芯片将最终占据主流地位，不论是在训练还是推理环节，不论是云数据中心还是移动终端。除了谷歌这样的云服务商外，英特尔（
Lake Crest
）、英伟达（
Xavier
）、高通等芯片商，以及
Groq
（原
TPU
开发者离职创立）、
Wave Computing
、
Graphcore
等创业公司（参见图表
13-16
）都在积极研发
AI
专用芯片。当前面临的主要困难（特别是对创业公司）是芯片研发的高成本和市场培育。
股票标的：英伟达、博通、赛灵思
当前我们依然看好
英伟达
，来自
TPU
和
AMD
的竞争，不影响我们对英伟达数据中心收入未来
3
年年均增长
90%
的假设。博通是谷歌
TPU
的
ODM
伙伴，不仅合作设计，也通过分包商帮忙谷歌完成芯片的制造、测试和封装。此外，公司还与另外至少
2
家客户定制人工智能方面的芯片。就公司整体而言，我们还看好其在高端射频方面的增长前景，以及利润率和红利现金回报的提高（参见报告《
5G
黎明
》）。就
赛灵思
而言，虽然管理层谨慎有加，未能就数据中心业务给出更高的收入指引，使股价催化剂延迟，但因其估值与其他高质量半导体公司相当，公司市场份额持续提高，股价下行风险也相对有限。
