服务粉丝

我们一直在努力
当前位置：首页 > 财经 >

【信达电子】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

日期： 来源：信达硬科技收集编辑：信达电子团队



报告摘要


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。




报告正文


01

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。



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。

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。


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。


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。

1.1


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％。


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。


  • 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。



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。


  • FPGA：灵活可编程，持续创新满足AI计算需求
FPGA是一种半定制、可编程的集成电路，具有模块化和规则化的架构，主要由三部分组成，分别为CLB（可编程逻辑块）、I/O（输入输出单元）和内部连接线，用户可以通过更新FPGA配置文件来定义这些门电路及存储器之间的连线，以达到重构的目的。相较于CPU和GPU，FPGA在灵活性、功耗和时延等方面具备优势，能够在较低的功耗下达到GFLOPS数量级的算力，在人工智能算法不断迭代的情况下，FPGA的特性能较好地满足AI的运算需求。


  • ASIC：针对特定需求设计，具备性能优势
ASIC是指针对特定用户要求和特定电子系统的需要而设计的集成电路，相较于通用型芯片在性能、功耗上具备优势。与FPGA相比，ASIC专用度较高、计算效率更好，在开发流程中，ASIC的非重复成本较高，但随着规模化量产的实现，单个芯片的成本会随着产量的增加而降低，具备批量生产的成本优势。因此，在技术、算法尚未成熟阶段，FPGA架构灵活改变芯片功能，有利于降低成本和风险；而随着技术、算法的普及，ASIC更具备竞争优势。


应用层面上：根据AI芯片的应用场景，又可分为云端（云）、边缘端（边）和终端（端）和三种，云、边、端三种场景对芯片的算力和功耗有着不同的要求，单一芯片难以满足实际应用的需求。


  • 终端：产品多样化催生大量需求
终端AI芯片主要应用在消费电子、智能驾驶、智能家居和智慧安防等领域，随着终端产品类型增加和出货量的增长，催生了大量芯片需求。与此同时，终端AI芯片直接面向下游产品，往往以实际需求为导向，对芯片的性能与成本有更高的要求。在手机应用上，AI芯片通常集成于手机SoC中，已实现图像/场景识别、拍照美化、语音交互、游戏优化等功能，追求高算力和低功耗。


随着汽车智能化水平不断提升，车用AI芯片对算力提出更高的要求。近年来，全球汽车智能化不断渗透，根据ICV统计2021年全球L1及L1以上的智能汽车渗透率超过2/3，ICV预计到2026年，全球L1及L1以上智能驾驶汽车市场渗透率将达到92.2%。汽车智能化水平的提升对计算能力提出更高的要求，L2需要的算力<10TOPS，L3需要的算力为30~60 TOPS，而L4需要的算力要大于100TOPS。


  • 云端：追求高性能和高算力芯片
当前，大多数AI训练和推理工作负载都在云端进行，云端仍是AI的中心。AI服务器具有超高计算性能，是AI应用的核心基础设施，根据IDC数据，2021年全球AI服务器市场规模已达到145亿美元，并预计2025年将超过260亿美元。由于云端需要对巨量、复杂的数据进行运算，对于AI芯片的性能和算力要求较高，当前AI服务器主要采用GPU方案，根据IDC数据，2021年数据中心AI芯片中，GPU占有90%以上的份额，而与此同时ASIC、FPGA、NPU等非GPU芯片也在不断迭代以满足需求。


  • 边缘端：边缘数据积累逐渐增多
边缘端是指处理云端和终端之间的传输网络，实现数据的汇集、处理分析和通信传输功能。边缘AI芯片的算力要比终端更强，通常都是独立解决问题，且有用丰富的外设，强调信息的可获得性。在AI算法的驱动下，边缘AI芯片不仅能自主进行逻辑分析与运算，还能动态实时进行自我优化、调整策略。建立在边缘的数据分析和处理能够分担云端的压力，大幅提升效率和降低成本。随着全球智能化、数据化的迅速发展，带来了数据的指数级增长，大量的数据在边缘端积累，我们预计随着数据量的进一步提升，边缘端AI芯片的需求会进一步增长，对芯片的性能也将提出更高要求。


02

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。

  • AI芯片/AI SoC
（1） 寒武纪
公司专注于AI芯片产品的研发与技术创新，致力于打造人工智能领域核心处理器芯片，主营业务包括各类云服务器、边缘计算设备、终端设备中人工智能核心芯片，主要产品为云端智能芯片及加速卡、训练整机、边缘智能芯片及加速卡、终端智能处理器 IP 以及上述产品的配套软件开发平台。


2022年3月21日，公司正式发布新款训练加速卡MLU370-X8。MLU370-X8搭载双芯片四芯粒思元370，集成寒武纪MLU-Link多芯互联技术，主要面向训练任务，在业界应用广泛的YOLOv3、Transformer等训练任务中，8卡计算系统的并行性能平均达到350WRTXGPU的155%。加速卡基于思元370智能芯片的技术，通过Chiplet技术，灵活组合产品的特性，在同样的研发费用之下，满足了更多市场需求。截止2022H1，公司持续加大产品研发力度，发布了基于思元370智能芯片的新款智能训练卡MLU370-X8。同时，新一代智能芯片产品持续保持高效的研发。


（2）澜起科技
截止22H1，公司持续推进 AI 芯片的软硬件协同及性能优化，同时积极推进第一代 AI芯片工程样片流片前的准备工作。在 AI 芯片解决方案的研发过程中，澜起科技自主研发及系统整合了一系列关键的核心技术，攻克了在大数据高性能计算场景下存在的内存墙的技术难点，支持异构多核、高速稳定的互连互通以及与 x86 软硬件生态的无缝兼容，提升了 AI 推理计算和大数据吞吐应用场景下的运算效率。
公司AI芯片整体架构采用“基于 CXL 协议的近内存计算”这一创新的架构，旨在解决数据中心的 AI 推理计算和大数据融合的业务场景下多方面用户痛点和技术难点；AI计算引擎模块为交互计算的异构计算系统，同时融合高速 SRAM 及自主研发硬件加速器，并兼备灵活的可编程多核异构设计思路，可同时进行处理命令和数据的高速交互，提高了运算效率。


（3）AI SoC：瑞芯微/晶晨股份


  • GPU：景嘉微
2022年6月，公司发布产品进展公告，JM9 系列第二款图形处理芯片经阶段性测试，主要技术指标如下：


截止2022年6月，公司 JM9 系列第二款图形处理芯片已完成流片、封装阶段工作及初步测试工作，可以满足地理信息系统、媒体处理、CAD 辅助设计、游戏、虚拟化等高性能显示需求和人工智能计算需求，可广泛应用于用于台式机、笔记本、一体机、服务器、工控机、自助终端等设备。经过公司长期的适配与推广，目前公司 JM9 系列图形处理芯片已逐步实现在政务、电信、电力、能源、金融、轨交等多领域的试点应用。

  • CPU：龙芯中科/海光信息
以英特尔至强可扩展处理器为例，其内置了人工智能计算和高级安全功能，依靠其强大算力可以极大提高AI推理效率，并兼顾成本与安全性。国内CPU主流上市公司主要包括龙芯中科/海光信息，其近年来投入研发设计取得一定进展。


  • FPGA：紫光国微/复旦微电/安路科技


  • Chiplet
Chiplet技术能够平衡AI芯片性能和良率之间的矛盾问题，实现芯片设计复杂度及设计成本降低。算力为AI芯片的重要指标之一，充足的算力为应对指数级增长计算需求的必要条件，Chiplet技术在IC设计阶段将SoC按照不同功能模块分解为多个芯粒，部分芯粒实现模块化设计并在不同芯片中重复使用，能够实现设计难度降低，且有利于后续产品迭代，加速产品上市周期。


（1） 先进封装及SiP技术为AI芯片的关键封装技术
在AI芯片中，算力及信息传输速率成为关键技术，HPC将成为AI芯片工艺技术发展的关键平台，而包括CoWoS等在内的先进封装和SiP技术将成为AI芯片的关键封装技术。通常，AI架构包括上游云计算，中游边缘计算和下游设备。通过升级IC微缩技术，改变前端的晶体管结构，并在后端加入先进封装技术，可以提升AI芯片的性能。此外，物联网也在人工智能的发展中起着重要的作用。由于AI芯片要求的高性能，物联网芯片要求低功耗，小型化、低成本，SiP具备的小型化、低功耗、高性能、低成本等特点，将成为适用于AI芯片和物联网芯片应用的主要封装技术。
为了抢占先进封装技术高地，全球主要封测厂、晶圆厂和IDM厂商都加紧布局先进封装，包含OSAT、晶圆厂及IDM。其中，Foundry由于其先具有的工艺技术，在先进封装领域具备先发优势。


国内龙头OSAT积极布局Chiplet相关技术。长电科技XDFOI平台以2.5D无TSV为基本技术平台，采用RDL First技术，具备成本优势，可实现2D/2.5D/3D集成；而通富微电利用次微米级硅中介层以TSV将多芯片整合于单一封装，已顺利实现7nm节点量产。


（2） IP：通过快速复用积累技术提升AI芯片厂商效率
对于AI芯片厂商，使用成熟稳定的IP核，通过快速复用积累的技术，可以有效提高芯片设计效率，提升芯片设计公司的交付能力，同时缩短SoC芯片的开发周期。由于IP厂商只设计芯片局部的某些功能模块，因而更能够追求这些功能模块设计的最优化，AI芯片厂商可以借助先进的IP核保障芯片设计的按时交付。
截止22H1，芯原的图形处理器IP、数字信号处理器IP 分别排名全球前三；芯原的神经网络处理器（NPU）IP 和视频处理器（VPU）IP 全球领先，在众多国际行业巨头的各种产品中发挥重要作用。目前，芯原的神经网络处理器（NPU）IP 已被 60 余家户用于其 110 余款人工智能芯片中。这些内置芯原 NPU 的芯片主要应用于物联网、可穿戴设备、智慧电视、智慧家居、安防监控、服务器、汽车电子、智能手机、平板电脑、智慧医疗这 10 个市场领域，奠定了芯原在人工智能领域全球领先的根基。


03

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。




团队简介


莫文宇：电子行业分析师，S1500522090001。毕业于美国佛罗里达大学，电子工程硕士，2012-2022年就职于长江证券研究所，2022年入职信达证券研发中心，任副所长、电子行业首席分析师。

韩字杰：电子行业研究员。华中科技大学计算机科学与技术学士、香港中文大学硕士。研究方向为半导体设备、半导体材料、集成电路设计。

郭一江：电子行业研究员。本科兰州大学，研究生就读于北京大学化学专业。2020年8月入职华创证券电子组，后于2022年11月加入信达证券电子组，研究方向为光学、消费电子、汽车电子等。



报告来源

本文源自外发报告《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》

发布时间：2023年2月7日

发布报告机构：信达证券研究开发中心

作者：莫文宇 S1500522090001



免责声明

本订阅号不是信达证券研究报告的发布平台，所载内容均来自于信达证券已正式发布的研究报告或对报告进行的跟踪与解读，订阅者若使用所载资料，有可能会因缺乏对完整报告的了解而对其中关键假设、评级、目标价等内容产生误解。提请订阅者参阅信达证券已发布的完整证券研究报告，仔细阅读其所附各项声明、信息披露事项及风险提示，关注相关的分析、预测能够成立的关键假设条件，关注投资评级和证券目标价格的预测时间周期，并准确理解投资评级的含义。

信达证券对本订阅号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。本订阅号中资料、意见等仅代表来源证券研究报告发布当日的判断，相关研究观点可依据信达证券后续发布的证券研究报告在不发布通知的情形下作出更改。信达证券的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本订阅号中资料意见不一致的市场评论和/或观点。

本订阅号发布的内容并非投资决策服务，在任何情形下都不构成对接收本订阅号内容受众的任何投资建议。订阅者应当充分了解各类投资风险，根据自身情况自主做出投资决策并自行承担投资风险。订阅者根据本订阅号内容做出的任何决策与信达证券或相关作者无关。

本订阅号发布的内容仅为信达证券所有。未经信达证券事先书面许可，任何机构和/或个人不得以任何形式转发、翻版、复制、发布或引用本订阅号发布的全部或部分内容，亦不得从未经信达证券书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用本订阅号发布的全部或部分内容。版权所有，违者必究。


文章推荐

相关阅读

  • 贺建奎事件再发酵，基因编辑技术的进展如何？

  • 近几日，关于贺建奎获批香港“高才通”签证的事件，再次在中国引发巨大舆论争议。随着舆论的发酵，曾因“基因编辑婴儿”被判刑的贺建奎，其高端人才通行证现已被香港政府撤销。2022

  • 价格暴涨3.5倍！

  • 欢迎各位研粉来到「社长说」栏目，今天咱们聊聊两个话题：消费芯片、鸡和鸭。消费芯片●●●大●●在经历2022年一整年的下行周期之后，目前半导体产业处在本轮下行周期的中后期，接

  • 全球汽车芯片的基本趋势

  • 芝能汽车出品2023年我们开始要梳理智能化的月报，我们会把智能汽车的主要芯片逐一进行跟踪，围绕智能座舱、智能驾驶、网关和感知芯片等等来跟踪汽车产业芯片发展和国产化的进程

  • 「微侃」特斯拉对智能汽车设计的考虑

  • 聚焦汽车科技，剖析产业趋势和变革浪潮————————早在2016年，马斯克就在《特斯拉宏图计划第二篇章》提到要发展自动驾驶，但特斯拉与当时最热的自动驾驶技术路线有所不同—

聚合标签

中国 自己的 美国 都是 疫情 的人 的是 亿元 三星 手机 华为 这款 车型 万元 企业 小米 日本 俄罗斯 民警 互联网

热门文章

  • “复活”半年后　京东拍拍二手杀入公益事业

  • 京东拍拍二手“复活”半年后，杀入公益事业，试图让企业捐的赠品、家庭闲置品变成实实在在的“爱心”。 把“闲置品”变爱心 6月12日，“益心一益·守护梦想每一步”2018年四

最新文章

  • VR硬件趋势渐朗，关注光学及显示产业链

  • 报告摘要VR行业：商业化破晓，长期有望再造手机市场。VR通过光学原理给人以深刻沉浸感，是科技创新又上新阶的结晶，有望接过传统消费电子创新接力棒，长期再造手机市场。政策端，2022年

  • 【信达硬科技策略会】邀请函

  • 近百家上市公司齐聚上海，共话"科技+新能源"产业趋势！欢迎各位投资者点击下方链接或私信对口销售报名！