人工智能对计算性能要求较高,GPU、GPGA、ASIC专用芯片各有千秋。近年来人工智能技术的突飞猛进,源于三大关键领域的突破,分别是深度学习算法、大数据和强大的硬件运算能力。深度学习与传统计算模式最大的区别就是不需要编程,它是从输入的大量数据中自发地总结出规律,而传统计算模式更多都需要人为提取所需解决问题的特征或者总结规律来进行编程。也正因为如此,深度学习对计算能力要求非常高,以至于有人称之为“暴力计算”。传统的CPU在目前人工智能计算中使用较为普遍但由于内部结构原因在性能和效率上并不是最优选择,GPU在浮点运算、并行计算等方面性能优于CPU是目前主流方案,FPGA综合性价比不错也有一定应用,人工智能ASIC专用芯片尚未成熟但效率最高未来更具前景。 人工智能带动智能计算芯片旺盛需求,2020年国内市场规模预计达100亿。随着数据量的快速增长以及人工智能产业需求的快速增长,Intel预测到2020年人工智能相关的计算量将增长到现在的12倍。在2017年投资者会议材料中,AMD预测2020年全球数据中心芯片市场空间为210亿美元,其中CPU160亿美元,GPU50亿美元;NVIDIA表示目前数据中心使用的GPU中约60%用于人工智能计算,公司预测2020年全球数据中心芯片市场空间更为乐观达300亿美元。结合AMD和NVIDIA的分析和判断,我们估计2020年人工智能计算GPU市场空间约为30亿美元(GPU市场50亿美元*人工智能计算占比60%)。根据前文所述国务院7月印发的《新一代人工智能发展规划》中预计我国2020年人工智能核心产业规模超过1500亿元,赛迪预测2020年全球人工智能市场规模达4000亿元,同比例计算我国2020年人工智能计算用GPU市场空间约为75亿元(11.25亿美元),再考虑到CPU和FPGA的份额以及ASIC专用芯片的迅猛发展,2020年国内智能计算芯片总市场空间有望超过100亿元。
智能计算芯片行业报告:人工智能产业硬件基础与第一桶金.zip
(2.17 MB, 下载次数: 1)
|