AI加速需求远超CPU摩尔定律供给，深度学习亟需专用硬件。本报告深入对比GPU、FPGA、ASIC三大芯片路线：GPU凭借成熟生态率先受益，英伟达主导市场；但GPU存在并行计算局限、能效低于ASIC等短板。FPGA灵活但成本高；ASIC虽初期门槛高，但TPU1性能达传统GPU的14-16倍，NPU达118倍，寒武纪已发布指令集，预计ASIC将成为未来AI芯片核心。报告还推荐中科曙光、中科创达、富瀚微等标的。适合AI芯片从业者、投资者、计算机行业研究员、技术决策者阅读。
AI加速需求远超CPU摩尔定律供给，深度学习亟需专用硬件。本报告深入对比GPU、FPGA、ASIC三大芯片路线：GPU凭借成熟生态率先受益，英伟达主导市场；但GPU存在并行计算局限、能效低于ASIC等短板。FPGA灵活但成本高；ASIC虽初期门槛高，但TPU1性能达传统GPU的14-16倍，NPU达118倍，寒武纪已发布指令集，预计ASIC将成为未来AI芯片核心。报告还推荐中科曙光、中科创达、富瀚微等标的。适合AI芯片从业者、投资者、计算机行业研究员、技术决策者阅读。
AI加速需求远超CPU摩尔定律供给，深度学习亟需专用硬件。本报告深入对比GPU、FPGA、ASIC三大芯片路线：GPU凭借成熟生态率先受益，英伟达主导市场；但GPU存在并行计算局限、能效低于ASIC等短板。FPGA灵活但成本高；ASIC虽初期门槛高，但TPU1性能达传统GPU的14-16倍，NPU达118倍，寒武纪已发布指令集，预计ASIC将成为未来AI芯片核心。报告还推荐中科曙光、中科创达、富瀚微等标的。适合AI芯片从业者、投资者、计算机行业研究员、技术决策者阅读。核心数据:TPU1性能是传统GPU的14-16倍;NPU是GPU的118倍;英伟达自2006年起布局AI硬件。
本报告由申万宏源发布,发布于 2017 年。
覆盖 2017 年,全文约 21。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合AI芯片从业者、计算机行业研究员、投资者、技术决策者等读者参考。
重点分析了AI与科技、ASIC、拥抱未来、GPU等议题。