AI进入爆发期，千亿芯片市场空间

向。

云端GPU：云端AI芯片主流，先发优势明显

1.1 发展现状：GPU天然适合并行计算，是目前云端AI应用最广的芯片

GPU目前云端应用范围最广。目前大量涉足人工智能的企业都采用GPU进行加速。根据英伟达官方资料，与英伟达合作开发深度学习项目的公司2016年超过19000家，对比2014年数量1500 家。目前百度、Google、Facebook 和微软等IT巨头都采用英伟达的GPU对其人工智能项目进行加速，GPU目前在云端AI深度学习场景应用最为广泛, 由于其良好的编程环境带来的先发优势，预计未来仍将持续强势。

GPU芯片架构脱胎图像处理，并行计算能力强大。GPU（Graphics Processing Unit），又称视觉处理器，是之前应用在个人电脑、工作站、游戏机、移动设备（如平板电脑、智能手机等）等芯片内部，专门用作图像运算工作的微处理器。与CPU类似可以编程，但相比CPU更适合执行复杂的数学和几何计算，尤其是并行运算。内部具有高并行结构（highly paralle lstructure），在处理图形数据和复杂算法方面拥有比CPU更高的效率。

GPU较CPU结构差异明显，更适合并行计算。对比GPU和CPU在结构上的差异，CPU大部分面积为控制器和寄存器，GPU拥有更多的ALU（Arithmetic Logic Unit，逻辑运算单元）用于数据处理，而非数据高速缓存和流控制，这样的结构适合对密集型数据进行并行处理。CPU执行计算任务时，一个时刻只处理一个数据，不存在真正意义上的并行，而GPU具有多个处理器核，同一时刻可并行处理多个数据。

与CPU相比，GPU在AI领域的性能具备绝对优势。深度学习在神经网络训练中，需要很高的内在并行度、大量的浮点计算能力以及矩阵运算，而GPU可以提供这些能力，并且在相同的精度下，相对传统CPU的方式，拥有更快的处理速度、更少的服务器投入和更低的功耗。在2017年5月11日的加州圣何塞GPU技术大会上，NVIDIA就已经发布了Tesla V100。这个目前性能最强的GPU运算架构Volta采用台积电12nm FFN制程并整合210亿颗电晶体，在处理深度学习的性能上等同于250颗CPU。

1.2 生态格局：英伟达垄断GPU市场

抓住人工智能契机，英伟达垄断GPU市场。英伟达目前占据全球GPU行业的市场份额超过70%，远超AMD等竞争对手。GPU作为英伟达公司的核心产品占据其84%的收入份额。英伟达应用领域涵盖视频游戏、电影制作、产品设计、医学诊断以及科学研究等各个门类。主营产品包括游戏显卡GeForceGPU，用于深度学习计算的Tesla GPU，以及为智能汽车处理设计Tegra 处理器等。得益于人工智能发展，英伟达营收利润不断攀升，成为人工智能产业最大受益公司之一。

编程环境良好，是英伟达GPU垄断云端AI硬件主流的重要原因。由于广泛应用于图形图像处理，GPU具备相对良好的编程环境和使用其编程的软件工程师人群，因此成为目前最主流的深度学习硬件。英伟达公司发布的CUDA运算平台，是专门针对开发者提供的一种并行计算平台。开发者能通过CUDA平台使用软件语言很方便得开发英伟达GPU实现运算加速。由于CUDA平台之前被广泛认可和普及，积累了良好的编程环境，目前应用在人工智能领域、可进行通用计算的GPU市场基本被英伟达垄断。

云端数据中心及车载等AI相关领域，成为英伟达业务成长新引擎。英伟达公司2017财年全年营收创下69.1亿美元纪录，较上2016财年的50.1亿美元增长38%。按照终端用户应用领域拆分，英伟达主营业务拆分为游戏、数据中心、专业可视化、汽车业务。游戏业务2017财年营收达到40.6亿美元，占总营收58.8%，同比增长44.1%；数据中心和汽车的份额分别占总营收12%和7%，其中数据中心增长同比达到144.8%，汽车增长同比达到52.2%。公司从2017财年Q1季度到2018财年Q1季度，主营构成变动很大，数据中心业务占比11%增长至21%，成长速度迅猛，成为英伟达业务增长新引擎。

1.3 未来趋势：从开环到专精，未来GPU在云端市场继续强势

GPU不断适应AI的进化路径，未来进化方向：从"开环"到"专精"。目前云端应用范围最广、效率最高的AI芯片仍是GPU。但AI芯片并非只有GPU一种路径，ASIC与FPGA相关厂商相继推出针对人工智能计算的芯片。谷歌推出ASIC芯片TPU2代，性能达到45 TFLOPS（一个TFLOPS等于每秒万亿次的浮点运算），而功耗仅仅40W。国内公司寒武纪推出的ASIC芯片DaDianNao性能达到5.585 TFLOPS，功耗仅为15.97W。众多专属ASIC芯片的推出，可能威胁到未来GPU的霸主地位。英伟达显然意识到这一点，不断推动技术创新，推出性能更加强劲、更适合AI运算的产品，不断对其GPU进行深度优化，向更