<progress id="invqe"></progress>

    <em id="invqe"></em>

        <div id="invqe"></div>

          <div id="invqe"></div>

              <progress id="invqe"></progress>

                <dfn id="invqe"><span id="invqe"></span></dfn><div id="invqe"><ol id="invqe"><object id="invqe"></object></ol></div><div id="invqe"><ins id="invqe"><object id="invqe"></object></ins></div>

                <em id="invqe"><tr id="invqe"></tr></em>

                2017年AI芯片行业分析报告

                2017 年 AI 芯片行业分析报告

                内容目录 1、 AI 芯片需求爆发,市场规模高速扩张 ....................................................................................................................4 1.1、 人工智能应用普及,带动 AI 芯片需求爆发 .....................................................................................................4 1.2、 市场空间巨大,政策支持确定 .........................................................................................................................6 1.3、 一级市场融资热度不断提升 ............................................................................................................................8 2、 看好 ASIC 路线,场景以云+端为主 .....................................................................................................................10 2.1、 主流架构:GPU、FPGA、ASIC ..................................................................................................................10 2.2、 云端以 GPU 为主,ASIC 芯片将成重要组成部分 ......................................................................................... 11 2.3、 ASIC 芯片需和场景结合,有望成为主流 ......................................................................................................12 3、 竞争格局未定,国内 AI 芯片存弯道超车机会 ......................................................................................................14 3.1、 科技巨头拥有场景优势,研发 AI 芯片服务自有生态 ....................................................................................14 3.2、 传统芯片厂商抢占 AI 芯片市场份额 ..............................................................................................................17 3.3、 初创企业:面向终端场景的 AI 芯片是优势所在 ............................................................................................19 4、 行业评级及投资策略 ............................................................................................................................................23 5、 重点推荐个股 .......................................................................................................................................... .............24 6、 风险提示 ..............................................................................................................................................................26

                图表目录 图 1:卷积神经网络算法 ...............................................................................................................................................6 图 2:市场规模快速增长 ...............................................................................................................................................6 图 3 :安防摄像机数量 ...................................................................................................................................................7 图 4:一级市场投资数量 ...............................................................................................................................................8 图 5:各类芯片优势对比 ............................................................................................................................................. 11 图 6:TPU 和 CPU、GPU 组合性能对比 ...................................................................................................................12 图 7:华为麒麟 970 芯片性能 .....................................................................................................................................12 图 8:Iphone X A11 neural engine .............................................................................................................................12 图 9:芯片厂商和汽车厂商联盟 ..................................................................................................................................13 图 10 :谷歌 TPU.........................................................................................................................................................15 图 11:谷歌 TPU 内部架构 .........................................................................................................................................15 图 12:谷歌产品发展路线 ...........................................................................................................................................15 图 13:谷歌 AI 生态 ....................................................................................................................................................16 图 14:ResNet 模型下 P100 和 V100 训练速度对比 ..................................................................................................17 图 15:ResNet 模型下 P100 和 V100 ?#35780;?#36895;度对比 ..................................................................................................17 图 16:Knights mill 架构图..........................................................................................................................................18 图 17:寒武纪 1A 芯片................................................................................................................................................21 图 18:寒武纪历代产品发展 .......................................................................................................................................21 图 19:深鉴科技 DPU .................................................................................................................................................21 表 1:人工智能相关政策 ...............................................................................................................................................7 表 2:一级市场 AI 芯片融资案例 ..................................................................................................................................9 表 3 :各主流架构对比 .................................................................................................................................................10 表 4 : AI 芯片市场竞争主体 .........................................................................................................................................14 表 5 :英特尔并购路径 .................................................................................................................................................19 表 6:国内三大 AI 芯片初创公司对比 .........................................................................................................................19

                1、 AI 芯片需求爆发,市场规模高速扩张 1.1 、 人工智能应用普及,带动 AI 芯片需求爆 发 深度学习算法成熟、 算力提升及大数据?#39184;?#20419;进人工智能?#36842;?#36328;越式发展, 人工 智能应用层出不穷进一步推动算力需求的提升,而当下主流芯片 CPU 、GPU 在 处理神经网络算法时功耗较高,速度无法满足,因此催生了 AI 芯片的诞生,并 且人工智能在安防、物流、无人驾驶、医?#21860;?#25945;育等领域落地,带动 AI 芯片需 求?#30446;?#36895;增长。

                可以判断,人工智能应用爆发、神经网络算法成为 AI 主流算法 是 AI 芯片需求高速增长的基础,而传统 CPU 、 GPU 的缺陷推升了需求的紧迫 性,神经网络算法的特点则指明了 AI 芯片的架构方向。

                1.人工智能应用普及奠定爆发基础: 人工智能应用?#36842;?#39640;速增长。

                目前我国自 主知识产权的文字识别、语音识别、中 文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽 车等智能科技成果已进入广泛的实际应用。

                各细分市场均有广阔的发展前景, 2015 年, 我国市场工业机器人销量 6.85 万台, 我国智能语音交互产业猛增 41% 达到 40.3 亿元,指纹识别、人脸识别、虹膜识别等产业规模突破百亿元。

                诸多 企业?#19981;?#26497;布局人工智能产业,百度出台“百度大脑计划” ,腾讯组建人工智能 实验室 AI Lab,阿里关注消费级产品研发智能音箱、无人超市,以及海康威视 在 MOT Challenge 测?#20048;?#33719;得 “计算机视觉的多目标算法” 世界第一称号。

                中国人工智能应用已经迅速普及,对人工智能应用的性能提出更高要求。

                2.CPU、GPU 等传统芯片高功耗、低效率无法满足需求: 人工智能应用爆发,芯 片市场迎来新机遇。

                当前 CPU、GPU 等传统芯片因其高 功耗、低效率,难以满足人工智能时代的要求。

                从技术角度看,深度学习实际上 是一类多层大规模人工神经网络。

                传统的处理器(包括 x86 和 ARM 芯片等)往 往需要数百甚至上千条指令才能完成一个神经元的处理, 用于深度学习的处理效 率极低。

                并且,在神经网络中存储和处理一体化,而在传统芯片的结构?#26657;?#23384;储 和处理是分离?#27169;?#20108;者存在较大的差异。

                因此,适应深度学习需求的新型芯片在 AI 时代市场前景广阔。

                以中国的寒武纪为例。

                该公司团队与 Inria 联合研发的 DianNao 单核处理器主 频 为 0.98GHz,峰值性能达每秒 4520 亿次神经网络基本运算,65nm 工艺下功 耗 为 0.485W ,面积 3.02 平方毫米。

                若干神经网络实验结果表明,DingNao 的 平 均性能超过主流 CPU 核的 100 倍,但是面积和功耗仅为 1/10,效能提升可 达三 个数量。

                DianNao 的平均性能与主流 GPGPU 相?#20445;?但面积和功耗仅为主流 GPU 百分之一量级,优势明显。

                3.人工智能算法具备明显特点,专用芯片需求强劲:

                图 1:卷积神经网络算法 资料来源:数盟《技术向:一文读懂卷积神经网络 CNN》 , 以当前主流的卷积神经网络为例, 卷积神经网络是近年发展起来, 并引起广泛重 视的一种高效识别方法。

                如图 1 所示, 多层卷积神经网络使用了大量相似的卷积 运算,因此可并行计算,使用统一的特点明显的算法,提升效率。

                卷积神经网络 越复杂, 卷积核越多, 就需要更多数量的芯片同时工作, ?#32654;创?#29702;更复杂的运算、 达到更高的性能。

                AI 算法结构特点明显,对数据计算需求较大,也为 AI 芯片发 展指明了方向。

                1.2、 市场空间巨大,政策支持确定 1.2.1、 市场规模不断提升 在需求增长的背景下,AI 芯片市场规模增长迅速。

                根据智研咨询统计,2016 年 人工智能芯片市场规模达到 6 亿美元,预计到 2021 年将达到 52 亿美元,年复 合增长率达到 53%,增长迅猛,发展空间可期。

                图 2:市场规模快速增长 资料来源:智研咨询、 此外,AI 芯片也将拉动整个芯片市场规模,?#22253;?#38450;芯片为例,据 IHS 统计,预 计国内 2018 年摄像机产量约 2 亿台,每台摄像机配置一颗图像处理芯片,参

              1. 2017年AI芯片行业专题分析报告

                2017年AI芯片行业专题分析报告

                2017年AI芯片行业专题分析报告...

                贡献者:网络?#21344;?/div>
                706452
              2. 2017年AI芯片行业展望分析报告

                2017年AI芯片行业展望分析报告

                2017年AI芯片行业展望分析报告...

                贡献者:网络?#21344;?/div>
                657983
              3. 2017年AI芯片行业咨询分析报告

                2017年AI芯片行业咨询分析报告

                2017年AI芯片行业咨询分析报告...

                贡献者:网络?#21344;?/div>
                856690
              4. 2017年AI芯片行业市场调研分析报告

                2017年AI芯片行业市场调研分析报告

                2017年AI芯片行业市场调研分析报告...

                贡献者:网络?#21344;?/div>
                702558
              5. 2017年人工智能AI芯片行业分析报告

                2017年人工智能AI芯片行业分析报告

                2017年人工智能AI芯片行业分析报告...

                贡献者:网络?#21344;?/div>
                350518
              6. 2017年人工智能之AI芯片行业分析报告

                2017年人工智能之AI芯片行业分析报告

                2017年人工智能之AI芯片行业分析报告...

                贡献者:网络?#21344;?/div>
                96552
              7. 2017年AI芯片制造行业华为分析报告

                2017年AI芯片制造行业华为分析报告

                2017年AI芯片制造行业华为分析报告...

                贡献者:网络?#21344;?/div>
                159351
              8. 2017年AI芯片行业调?#24615;?#27979;咨询分析报告

                2017年AI芯片行业调?#24615;?#27979;咨询分析报告

                2017年AI芯片行业调?#24615;?#27979;咨询分析报告...

                贡献者:网络?#21344;?/div>
                653449
              9. 2017年AI芯片行业调研投资展望分析报告

                2017年AI芯片行业调研投资展望分析报告

                2017年AI芯片行业调研投资展望分析报告...

                贡献者:网络?#21344;?/div>
                162765
              10. 2017年AI芯片行业咨询?#33455;空?#26395;分析报告

                2017年AI芯片行业咨询?#33455;空?#26395;分析报告

                2017年AI芯片行业咨询?#33455;空?#26395;分析报告...

                贡献者:网络?#21344;?/div>
                509250
              11. 网友在搜
                beam文件修改 from an early stag 赵本山主演的过年好 forever together对么 韩式单色背景调色教程 刘亦菲的眉形 r语言读取xlsx 金牛座苏?#22909;桌?月 hell girl补丁 华为scl_tlooh bitclubadvantage.com rxjava toblocking 兵圣传奇 电视剧全集 smd1812p075tf 33 jon hamm 老婆 武陵春李清照注音 恋与制作人 n卡分解 wh-2105 temple garndin 关于?#25163;?#33457;的图片 great war动漫 发生错误np 31928 3 男子长发一米六多照片 中国铁塔 三步走 vb 声明变量 用二手苹果 知乎 爱田樱star 178 lolkespa杯 xiaoyls http www.3333bx.com serve folks 华为盒子多屏互动 www.mr005.com http www.777ap.com accountancy in funaab kaketa 俄罗斯手表 http bbs.2dkf.com lanifcio smartbi 时间格式 libatomic.so.1 64位 北纬32.3东经101.8 muscle mens body George nobes can you ride a bike 大众六会网精选资料区 http taoyin8.com class miniui hidden gerd faltings有多强 macbook国行和美版区别 myswl5.7安装 medicom rah高斯奥特曼 shape of you makj pt 找不到元素 bdsmslavegir wanna one 舞蹈担当 dragonknight 设置 安吉莉卡anjeiica ?#30830;?/a> choosewxpay 用法

                声明:本站内容部分?#20174;?#32593;络转载,出于传递更多信息之目?#27169;?#24182;不意味着赞同其观点或证实其描述。文章内容仅供参考,请咨询相关专业人士。

                如果无意之?#26143;?#29359;了您的版权,或有意见、反馈或?#31471;?#31561;情况, 联系我们:点击这里给我发消息

                Copyright ? 2016 All Rights Reserved 紫菜网 手机站

                梦幻西游赚钱攻略
                <progress id="invqe"></progress>

                  <em id="invqe"></em>

                      <div id="invqe"></div>

                        <div id="invqe"></div>

                            <progress id="invqe"></progress>

                              <dfn id="invqe"><span id="invqe"></span></dfn><div id="invqe"><ol id="invqe"><object id="invqe"></object></ol></div><div id="invqe"><ins id="invqe"><object id="invqe"></object></ins></div>

                              <em id="invqe"><tr id="invqe"></tr></em>
                              <progress id="invqe"></progress>

                                <em id="invqe"></em>

                                    <div id="invqe"></div>

                                      <div id="invqe"></div>

                                          <progress id="invqe"></progress>

                                            <dfn id="invqe"><span id="invqe"></span></dfn><div id="invqe"><ol id="invqe"><object id="invqe"></object></ol></div><div id="invqe"><ins id="invqe"><object id="invqe"></object></ins></div>

                                            <em id="invqe"><tr id="invqe"></tr></em>
                                            海南飞鱼彩票有输钱的吗 2080通比牛牛 重庆快乐十分软件下载 腾讯彩票追亦预测 香港透码心水论坛 nba投注规则 贵州快三走势图一定牛一定牛 娜莎解曾道人一句话 新时时彩和值技巧 羽毛球男双最新排名 乒乓球小碎步训练方法 中国体育彩票大乐透走势图 河南快三遗漏和值推荐 喜乐彩基本走势分布图 吉林时时彩开奖查询