谨请参阅尾页重要声明及华泰证券股票和行业评级标准1证券研究报告行业研究/深度研究2017年09月21日计算机软硬件增持（维持）高宏博执业证书编号：S0570515030005研究员010-56793966gaohongbo@htsc.com蔡嵩松010-56793963联系人caisongsong@htsc.com1《荣科科技(300290,买入):收购神州视翰延伸智慧医疗产业链》2017.092《东软集团(600718,买入):绑定本田晋升新能源PACK新贵》2017.093《计算机软硬件:积极布局正当时，重点关注AI芯片》2017.09资料来源：Wind人工智能产业硬件基础与第一桶金AI+系列报告之一：智能计算芯片人工智能大时代到来，智能计算芯片需求旺盛颇具投资价值随着深度学习算法趋于成熟，人工智能技术有了突飞猛进的发展。技术的进步促使多行业领域应用进入落地阶段以及资本的踊跃投入。充分意识到人工智能的重大战略意义，国家的重磅级产业支持政策开始不断出台，人工智能大时代已经到来。根据国务院《新一代人工智能发展规划》2020年我国人工智能产业总规模将达1500亿元，其中智能计算芯片市场规模预计将达100亿元。芯片是我国人工智能产业中较为薄弱的一环，受海外技术限制严重，受益于人工智能产业和国产化安全需求拉动，颇具发展潜力和投资价值。CPU是数据中心传统支柱，GPU凭借强大的并行运算能力迅速崛起CPU作为计算和控制核心，是数据中心的传统支柱，由于内部结构的原因，从运算性能和效率角度考虑并不是计算芯片的最佳选择，未来将更多与其他专用计算芯片搭配使用。GPU内部结构更适合大规模并行计算且通用性强，因此近年来被广泛应用于高性能计算和人工智能计算，但同时也有能耗比较高的缺点。FPGA：可编程配置灵活，高性能低功耗优势明显FPGA属于半定制化芯片解决方案，可以通过编程灵活地针对算法修改电路，提前把固定算法的数据流以及执行指令写在硬件里，节约了指令获取和解码时间从而大幅提高效率。测试结果表明FPGA计算速度接近GPU远高于CPU，但能耗远低于CPU和GPU。由于算法实现通过编程进行，不需要专门的电路设计，因此开发成本较低，但FPGA本身需要从专业厂商采购，因此硬件成本相对比较高。ASIC神经网络处理器具备优良性能，是智能芯片终极解决方案神经网络处理器从硬件方向对神经网络结构进行模拟，并对神经元和突触数据在芯片上的传输提供了一系列专门的支持，属于高度定制化智能计算芯片。相比于CPU和GPU，神经网络处理器依靠模拟神经网络突触的海量运算单元，性能达到百倍提升；相比于FPGA，神经网络处理器...
