事件
近日,英伟达全球副总裁暨中国区企业事业总经理沈威在中国工程院信息与电子工程学部主办、浪潮集团承办的AICC 中国人工智能计算大会上表示:“除GPU 天生适合深度学习这一任务以外,英伟达的CUDA 计算平台是决胜的关键。http://www.hibor.com.cn【慧博投研资讯】”( 机器之能报道)
CUDA 是英伟达基于其生产的GPUs 的一个并行计算平台和编程模型,便于更多的技术人员参与开发
CUDA,Compute Unified Device Architecture 的简称,是由NVIDIA 公司创立的基于他们公司生产的图形处理器GPUs 的一个并行计算平台和编程模型。http://www.hibor.com.cn(慧博投研资讯)开发人员可以通过C/C++、Fortran 等高级语言来调用CUDA 的API,来进行并行编程,达到高性能计算目的。CUDA 平台的推出,让很多开发人员在没有完全精通GPU 的硬件架构和运算逻辑的情况下,参与到并行计算的开发中来。
CUDA 帮助英伟达成为AI 产业目前最大受益者,GPU 生态效应使得英伟达处于领先地位
自从2013 年开始英伟达发现的GPU 硬件架构特别适合深度学习算法,越来越多的AI 开发开始应用在英伟达GPU 平台之上,同时CUDA 良好的用户体验也从另一方面促进了英伟达GPU 平台在深度学习市场的占有率,英伟达的股价从13 年8 月份的12 美元涨到目前的170 美元左右。CUDA开发平台以及GPU 架构上的积累的开发者生态,使得英伟达在AI 芯片领域处于领先地位。
CUDA 之于GPU,相当于C/C++之于CPU,VHDL/Verilog 之于FPGA,CUDA 是目前最友好的AI 开发平台
GPU、FPGA、ASIC 是目前主流的三种AI 计算架构,GPU 目前使用最广,代表厂商有英伟达;FPGA 主要用于云端的AI 加速,主要厂商有Xilinx、Altera(被因特尔收购);ASIC 主要用在终端等低功耗场景,代表厂商有谷歌TPU、寒武纪(华为NPU)。各种不同的硬件机构对应着不同的编程环境,经典的因特尔CPU 架构,对应的是C/C++;GPU 是目前AI 应用的主流架构,而且CUDA 的编程相对友好(可以使用C/C++,Fortran,Java 等),优势相对明显;FPGA 需要使用硬件语言VHDL/Verilog,硬件语言需要硬件架构、时序等底层知识,对开发人员的要求较高;ASIC 一般会有自己指令集,例如寒武纪的芯片使用的是diannaoyu(将之前深度学习算法指令从CICS 指令集转化成RSIC 指令集),对开发人员的要求更高。
FPGA、ASIC 等AI 芯片架构逐渐起步,“AI 芯片+”产业链公司投资机遇大
在FPGA方面,Xilinx、Altera等已经有云端服务器的AI加速产品上线,另外百度等公司在服务器优化等方面也使用大量的FPGA,整体来说国内FPGA实力较弱;ASIC架构方面,寒武纪、深鉴科技等中国企业在AI芯片方面在全球处于第一梯队,与其合作的公司有望获益。例如,中科曙光与寒武纪同为中科院系背景公司,在云端AI芯片方面开展合作(Digitimes报道),未来有望持续受益。
重点标的:"AI芯片+"产业链投资机遇大,AI芯片是基础,基于AI芯片的数据、场景应用前景极为广阔。我们分别从AI芯片产业链上下游,从技术、数据、场景应用等方面优选个股--首推:中科曙光、浪潮信息、中科创达。重点推荐:四维图新、汉王科技、佳都科技、景嘉微、科大讯飞、海康威视、大华股份、同花顺、东方网力、思创医惠。
风险提示:AI芯片技术及应用进展不及预期;竞争加剧毛利率下滑等