1. 時(shí)代的機(jī)遇：誰會(huì)成為人工智能時(shí)代的ARM

1.1人工智能時(shí)代：AI+將無處不在

隨著大數(shù)據(jù)的發(fā)展，計(jì)算能力的提升，人工智能近兩年迎來了新一輪的爆發(fā)。2016年谷歌AlphaGo贏得了圍棋大戰(zhàn)后，人工智能在產(chǎn)業(yè)界和資本圈引起了高度關(guān)注，成為新的風(fēng)口。

人工智能的三個(gè)核心要素是數(shù)據(jù)、算法和計(jì)算能力。人工智能之前經(jīng)歷過數(shù)次興衰，一直未能取得突破的障礙主要是數(shù)據(jù)和計(jì)算能力的限制。相比前幾次的熱潮，目前人工智能在數(shù)據(jù)、算法和計(jì)算能力方面都有堅(jiān)實(shí)的基礎(chǔ)。因此，我們相信人工智能并不僅是一個(gè)風(fēng)口，而是即將迎來真正屬于自己的時(shí)代。

人工智能并不是一個(gè)單獨(dú)的存在，而必須要和其他產(chǎn)業(yè)結(jié)合起來才能創(chuàng)造提升效率，創(chuàng)造價(jià)值。未來將不存在所謂的人工智能，而是人工智能和其他產(chǎn)業(yè)的融合，也就是AI+。展望未來，AI+將無處不在。

按照當(dāng)前人工智能實(shí)現(xiàn)的基本功能來分類，主要有四部分：圖像認(rèn)知能力、語音語義理解能力、數(shù)據(jù)分析能力、整合多種能力的機(jī)器人。下面我們將分別按這幾種基本功能來介紹人工智能的應(yīng)用：

圖像認(rèn)知能力的應(yīng)用。最常見的應(yīng)用包括視頻安防人臉識(shí)別、客流統(tǒng)計(jì)、智能交通管理等面向企業(yè)的應(yīng)用，還有視頻直播中的鑒黃系統(tǒng)等方面。而在面向個(gè)人應(yīng)用方面，包括拍照軟件中的圖片分類檢索功能和相冊(cè)管理等。

語音語義理解能力的應(yīng)用。語音是人機(jī)最自然的交互方式，現(xiàn)在已經(jīng)被驗(yàn)證的應(yīng)用包括客服機(jī)器人，呼叫中心，私人助理Siri，亞馬遜的Echo音響等。未來，隨著語音語義理解能力的提升，語音有望成為新一代的入口，并衍生出各種應(yīng)用。

數(shù)據(jù)分析能力的應(yīng)用。數(shù)據(jù)分析應(yīng)用范圍非常廣，在金融中有市場(chǎng)營銷分析，風(fēng)險(xiǎn)管控、智能投顧等。在財(cái)務(wù)審計(jì)方面自動(dòng)生成報(bào)表，文案輔助上自動(dòng)給招聘文案打分并提出修改建議，人力資源上自動(dòng)尋找合適的候選者，編程輔助上自動(dòng)顯示相關(guān)的函數(shù)用法信息。

智能機(jī)器人。軟體機(jī)器人可以讓機(jī)器人更接近生物，做出很多人做不好的事情，例如精細(xì)抓取、肌肉仿生、穿越障礙等；微型機(jī)器人廣泛應(yīng)用于各領(lǐng)域，未來有希望跟納米技術(shù)結(jié)合，在醫(yī)療領(lǐng)域取得突破；集群機(jī)器人可以進(jìn)行協(xié)同搬運(yùn)，海洋探測(cè)等，應(yīng)用領(lǐng)域會(huì)進(jìn)一步拓展。

人工智能整體仍處市場(chǎng)早期，但是未來空間巨大。根據(jù)國外調(diào)查機(jī)構(gòu)Tractica的統(tǒng)計(jì)預(yù)測(cè)數(shù)字，2016年全球人工智能收入為6.4億美元，到2025年預(yù)計(jì)將增長至368億美元。從人工智能的主要構(gòu)成來看，規(guī)模最大的細(xì)分市場(chǎng)分別是機(jī)器學(xué)習(xí)應(yīng)用、自然語言理解、計(jì)算機(jī)視覺、虛擬個(gè)人助手和智能機(jī)器人等。在未來10年甚至更久的時(shí)間里，人工智能將是眾多智能產(chǎn)業(yè)技術(shù)和應(yīng)用發(fā)展的突破點(diǎn)，市場(chǎng)空間非常巨大。

1.2 智能手機(jī)時(shí)代ARM公司的“戴維斯雙擊”

在產(chǎn)業(yè)發(fā)展史中，每一場(chǎng)重要的產(chǎn)業(yè)變革總會(huì)帶來新的重大機(jī)遇。如果能夠在新興產(chǎn)業(yè)中占據(jù)核心產(chǎn)業(yè)鏈位臵，必將能夠充分享受新興產(chǎn)業(yè)爆發(fā)性增長帶來的紅利。ARM在智能手機(jī)時(shí)代的經(jīng)歷就是最好的例證。ARM公司歷史簡介如下：

ARM公司1978年在英國成立。1985年，ARM設(shè)計(jì)了第一代32位、6MHz的處理器，用它做出了一臺(tái)RISC指令集的計(jì)算機(jī)。ARM采用的RISC指令集，全稱是"精簡指令集計(jì)算機(jī)"（reducedinstructionsetcomputer），它支持的指令比較簡單，雖然功能遠(yuǎn)不如英特爾處理器強(qiáng)大，但是功耗小、價(jià)格便宜。

當(dāng)時(shí)處理器行業(yè)的霸主是英特爾，它采用的是X86的CISC指令集，占據(jù)著PC處理器市場(chǎng)絕大多數(shù)的市場(chǎng)份額。ARM處理器能力不足，根本無法撼動(dòng)英特爾在PC處理器的市場(chǎng)份額。

ARM處理器另辟蹊徑，在嵌入式設(shè)備市場(chǎng)找到了發(fā)展空間。它被廣泛用在各種嵌入式設(shè)備中，包括蘋果公司的牛頓PDA。這些嵌入式設(shè)備不需要處理器性能多么強(qiáng)大，而對(duì)功耗價(jià)格卻有很高的要求，這與ARM處理器的特性正好一拍即合。

盡管找到了市場(chǎng)立足點(diǎn)，但是整個(gè)20世紀(jì)90年代，ARM公司的業(yè)績平平，處理器的出貨量徘徊不前。直到進(jìn)入21世紀(jì)之后，由于手機(jī)的快速發(fā)展，ARM處理器迎來了快速增長。

而在2007年，ARM迎來了歷史性的機(jī)遇——智能手機(jī)時(shí)代的到來。2007年，喬布斯發(fā)布了第一代iPhone，使用的就是三星制造、ARM設(shè)計(jì)的芯片。此后的每一款iPhone都采用了ARM架構(gòu)，稍后推出的谷歌Android手機(jī)同樣采用了ARM架構(gòu)。

ARM架構(gòu)成為了智能手機(jī)的“事實(shí)標(biāo)準(zhǔn)”。2015年，包括高通、三星、聯(lián)發(fā)科等在內(nèi)的全球1384家移動(dòng)芯片制造商都采用了ARM的架構(gòu)，全球有超過85%的智能手機(jī)和平板電腦的芯片都采用的是ARM架構(gòu)的處理器，超過70%的智能電視也在使用ARM的處理器。

在此期間，ARM公司營業(yè)收入從2008年的3億英鎊增長到2013年的7.14億英鎊，同期凈利潤從0.44億英鎊增至2億英鎊，凈利潤C(jī)AGR為35.6%。

從股價(jià)表現(xiàn)來看，ARM股價(jià)受08年金融危機(jī)影響下跌到2008年底的80多英鎊，此后兩年多，連續(xù)上漲到2011年初的600多英鎊，期間漲幅超過600%。

總結(jié)起來，ARM公司之前在嵌入式處理器這個(gè)小眾市場(chǎng)中占據(jù)領(lǐng)導(dǎo)地位，業(yè)績一直徘徊不前。而后隨著智能手機(jī)市場(chǎng)爆發(fā)，ARM處理器作為整個(gè)智能手機(jī)的底層硬件平臺(tái)架構(gòu)，充分享受了下游市場(chǎng)爆發(fā)帶來的紅利。ARM公司業(yè)績?cè)?008年到2013年出現(xiàn)了爆發(fā)性增長，而股價(jià)更是表現(xiàn)出“戴維斯雙擊”。

1.3 人工智能時(shí)代：底層計(jì)算平臺(tái)存在著大機(jī)會(huì)

在人工智能時(shí)代，人們對(duì)計(jì)算能力的需求有指數(shù)級(jí)的提高，計(jì)算能力的要求超過了摩爾定律。隨著互聯(lián)網(wǎng)用戶的快速增長，數(shù)據(jù)體量的急劇膨脹，數(shù)據(jù)中心對(duì)計(jì)算的需求也在迅猛上漲。諸如深度學(xué)習(xí)在線預(yù)測(cè)、直播中的視頻轉(zhuǎn)碼、圖片壓縮解壓縮以及HTTPS加密等各類應(yīng)用對(duì)計(jì)算的需求已遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)CPU處理器的能力所及。除此之外，未來在激光雷達(dá)、無人機(jī)、無人駕駛、智能機(jī)器人等終端設(shè)備方面對(duì)計(jì)算能力也會(huì)有極大的提升。

另一方面，摩爾定律正在失效，傳統(tǒng)X86架構(gòu)下計(jì)算能力的提升開始滯后于摩爾定律。近幾年半導(dǎo)體技術(shù)改進(jìn)達(dá)到了物理極限，電路越來越復(fù)雜，每一個(gè)設(shè)計(jì)的開發(fā)成本高達(dá)數(shù)百萬美元，數(shù)十億美元才能形成新產(chǎn)品投產(chǎn)能力。2016年3月24日，英特爾宣布正式停用“Tick-Tock”處理器研發(fā)模式，未來研發(fā)周期將從兩年周期向三年期轉(zhuǎn)變。至此，摩爾定律對(duì)英特爾幾近失效。

因此，計(jì)算能力的需求供給出現(xiàn)了一個(gè)巨大的缺口。一方面處理器性能再無法按照摩爾定律進(jìn)行增長，另一方面數(shù)據(jù)增長對(duì)計(jì)算性能要求超過了按“摩爾定律”增長的速度。處理器本身無法滿足高性能計(jì)算(HPC：High Performance Compute)應(yīng)用軟件的性能需求。

巨大的缺口同時(shí)也是時(shí)代的機(jī)遇：傳統(tǒng)X86架構(gòu)芯片無法滿足需求，時(shí)代呼喚新一代的計(jì)算芯片平臺(tái)。誰能成為下一代硬件芯片平臺(tái)，就有望隨著海量計(jì)算需求的大爆發(fā)，上演ARM在智能手機(jī)時(shí)代爆發(fā)的輝煌。

2. 人工智能芯片決勝的主戰(zhàn)場(chǎng)在推理環(huán)節(jié)

提起人工智能芯片，很多人認(rèn)為人工智能芯片是一條好的賽道，但是勝負(fù)已經(jīng)明了，英偉達(dá)就是最終的贏家。特別是隨著2016年以來人工智能的浪潮，英偉達(dá)股價(jià)從不到20美元一路上漲到160多美元，更是助長了這種情緒的蔓延。

我們的觀點(diǎn)很簡單：

目前，英偉達(dá)的GPU在訓(xùn)練場(chǎng)景中占據(jù)著絕對(duì)領(lǐng)導(dǎo)地位。而人工智能整體仍然處于早期階段，未來人工智能應(yīng)用的主戰(zhàn)場(chǎng)是在推理環(huán)節(jié)，遠(yuǎn)沒有爆發(fā)。未來勝負(fù)尚未可知，各家技術(shù)路線都有機(jī)會(huì)勝出。

從應(yīng)用場(chǎng)景來看，人工智能芯片主要應(yīng)用在訓(xùn)練(training)和推理(inference)兩個(gè)環(huán)節(jié)。訓(xùn)練環(huán)節(jié)的作用是指利用海量數(shù)據(jù)，選擇合適的訓(xùn)練方法，訓(xùn)練出一個(gè)人工智能模型。訓(xùn)練環(huán)節(jié)最關(guān)心的指標(biāo)是速度快。國內(nèi)外的人工智能巨頭公司都建立了龐大的GPU集群，以最快速度處理海量數(shù)據(jù)訓(xùn)練、驗(yàn)證模型的有效性。

而在線推理環(huán)節(jié)也就是人工智能模型的實(shí)際應(yīng)用環(huán)節(jié)，是指利用訓(xùn)練出來的模型來在線響應(yīng)用戶的需求。推理環(huán)節(jié)又分為兩個(gè)場(chǎng)景，一個(gè)是在云端數(shù)據(jù)中心響應(yīng)用戶需求，一個(gè)是在前端智能設(shè)備響應(yīng)用戶需求。

在云端數(shù)據(jù)中心，各家公有云服務(wù)廠商都紛紛部署了高性能云計(jì)算服務(wù)器，應(yīng)用于視頻編解碼、深度學(xué)習(xí)、科學(xué)計(jì)算等多種場(chǎng)景。隨著人工智能技術(shù)的發(fā)展，未來云端數(shù)據(jù)中心應(yīng)用場(chǎng)景還會(huì)有極大的豐富。

而在前端智能設(shè)備，受模型算法以及計(jì)算能力的限制，目前應(yīng)用還不多。但是基于實(shí)時(shí)性及隱私安全要求，很多應(yīng)用都會(huì)在前端部署，未來市場(chǎng)空間非常巨大。我們以無人駕駛和智能服務(wù)機(jī)器人為例說明。

在無人駕駛中，無人駕駛汽車需要實(shí)時(shí)處理來自激光雷達(dá)、攝像頭等多路傳感器傳輸?shù)暮Ａ繑?shù)據(jù)并作出實(shí)時(shí)反映。如果通過云端反饋處理，則必然會(huì)增加時(shí)延和不確定性，導(dǎo)致無人汽車安全性下降。因此，無人駕駛中必須將計(jì)算平臺(tái)部署在前端。

在智能家居中，未來包括智能服務(wù)機(jī)器人在內(nèi)的智能家居設(shè)備都需要具備實(shí)時(shí)環(huán)境感知能力及語音語義理解能力等，這些也都需要強(qiáng)大的計(jì)算平臺(tái)作為底層支撐。而基于私密性考慮，不可能把智能家居的數(shù)據(jù)都上傳云端處理。因此，智能家居的應(yīng)用也需要計(jì)算平臺(tái)部署在前端設(shè)備中。

與訓(xùn)練環(huán)節(jié)不同，推理環(huán)節(jié)更重視性能功耗比。云端數(shù)據(jù)中心對(duì)高并發(fā)更加重視，而前端智能設(shè)備則對(duì)低延時(shí)更加重視。

從市場(chǎng)潛力來看，未來市場(chǎng)規(guī)模最大的肯定是推理環(huán)節(jié)。人工智能的發(fā)展，首先需要訓(xùn)練出足夠好的算法模型。而當(dāng)人工智能真正落地應(yīng)用時(shí)候，則需要在大量的云端數(shù)據(jù)中心或者前端智能設(shè)備上部署應(yīng)用。

以人臉識(shí)別為例，我們需要在GPU集群中經(jīng)過多次訓(xùn)練才能得到一個(gè)足夠好的人臉識(shí)別算法模型，而當(dāng)把人臉識(shí)別應(yīng)用于實(shí)際應(yīng)用時(shí)候，我們需要將模型部署在成千上萬臺(tái)服務(wù)器進(jìn)行實(shí)時(shí)人臉識(shí)別，甚至在上億臺(tái)攝像機(jī)中前臵部署部分算法進(jìn)行預(yù)處理。

由此可見，推理環(huán)節(jié)才是未來最大的潛在市場(chǎng)，也是人工智能芯片決勝的主戰(zhàn)場(chǎng)。在推理環(huán)節(jié)還遠(yuǎn)沒有爆發(fā)的時(shí)候。未來勝負(fù)尚未可知，各家技術(shù)路線都有機(jī)會(huì)勝出。

3.幾種芯片架構(gòu)的技術(shù)特點(diǎn)：各有千秋

人工智能芯片，目前有兩種發(fā)展路徑：一種是延續(xù)傳統(tǒng)計(jì)算架構(gòu)，加速硬件計(jì)算能力，主要以3種類型的芯片為代表，即GPU、FPGA和ASIC，但CPU依舊發(fā)揮著不可替代的作用；另一種是顛覆經(jīng)典的馮諾依曼計(jì)算架構(gòu)，采用人腦神經(jīng)元的結(jié)構(gòu)來提升計(jì)算能力，以IBMTrueNorth芯片為代表。由于人腦神經(jīng)元芯片距離產(chǎn)業(yè)化仍然較遠(yuǎn)，我們著重討論在人工智能時(shí)代GPU,FPGA和ASIC的應(yīng)用和未來發(fā)展可能性。

按照處理器芯片的效率排序，從低到高依次是CPU、DSP、GPU、FPGA和ASIC。沿著CPU->ASIC的方向，芯片中晶體管的效率越來越高。因?yàn)镕PGA&ASIC等芯片實(shí)現(xiàn)的算法直接用晶體管門電路實(shí)現(xiàn)，比起指令系統(tǒng)，算法直接建筑在物理結(jié)構(gòu)之上，沒有中間層次，因此晶體管的效率最高。CPU&GPU需要軟件支持，而FPGA&ASIC則是軟硬件一體的架構(gòu)，軟件就是硬件。

而按照晶體管易用性排序是相反的。從ASIC到CPU，芯片的易用性越來越強(qiáng)。CPU&GPU的編程需要編譯系統(tǒng)的支持，編譯系統(tǒng)的作用是把高級(jí)軟件語言翻譯成機(jī)器可以識(shí)別的指令（也叫機(jī)器語言）。高級(jí)語言帶來了極大的便利性和易用性，因此用CPU&GPU實(shí)現(xiàn)同等功能的軟件開發(fā)周期要遠(yuǎn)低于FPGA&ASIC芯片。

3.1 CPU仍然是最好的通用處理器之一

CPU作為通用處理器，兼顧計(jì)算和控制，70%晶體管用來構(gòu)建Cache還有一部分控制單元，用來處理復(fù)雜邏輯和提高指令的執(zhí)行效率，如圖所示，所以導(dǎo)致計(jì)算通用性強(qiáng)，可以處理計(jì)算復(fù)雜度高，但計(jì)算性能一般。

目前，英特爾等芯片制造商主要通過增加CPU核數(shù)來增加計(jì)算能力，但是因?yàn)槊總€(gè)物理核中只有30%的晶體管是計(jì)算單元。通過這種方式來增加計(jì)算能力并不劃算，還帶來芯片功耗和價(jià)格的增加。

此外，英特爾進(jìn)行CPU架構(gòu)調(diào)整的時(shí)間也在放緩。原來英特爾按照“Tick-Tock”二年一個(gè)周期進(jìn)行CPU架構(gòu)調(diào)整，從2016年開始放緩至三年，更新迭代周期較長。

由此可見，CPU仍然最好的通用處理器之一，但是在高性能計(jì)算上，CPU越來越無法滿足計(jì)算能力提升的需求。

3.2 GPU具有最強(qiáng)大的并行計(jì)算能力

GPU主要擅長做類似圖像處理的并行計(jì)算，所謂的“粗粒度并行（coarse-grainllelism）”。圖形處理計(jì)算的特征表現(xiàn)為高密度的計(jì)算而計(jì)算需要的數(shù)據(jù)之間較少存在相關(guān)性，GPU提供大量的計(jì)算單元（多達(dá)幾千個(gè)計(jì)算單元）和大量的高速內(nèi)存，可以同時(shí)對(duì)很多像素進(jìn)行并行處理。

GPU的設(shè)計(jì)出發(fā)點(diǎn)就是用于計(jì)算強(qiáng)度高、多并行的計(jì)算。GPU把晶體管更多用于計(jì)算單元，而不像CPU用于數(shù)據(jù)Cache和流程控制器。GPU中邏輯控制單元不需要能夠快速處理復(fù)雜控制。并行計(jì)算時(shí)，每個(gè)數(shù)據(jù)單元執(zhí)行相同程序，不需要繁瑣的流程控制而更需要高計(jì)算能力，因此也不需要大的cache容量。

GPU同CPU一樣也是指令執(zhí)行過程：取指令->指令譯碼->指令執(zhí)行，只有在指令執(zhí)行的時(shí)候，計(jì)算單元才發(fā)揮作用。GPU的邏輯控制單元相比CPU簡單，要想做到指令流水處理，提高指令執(zhí)行效率，必然要求處理的算法本身復(fù)雜度低，處理的數(shù)據(jù)之間相互獨(dú)立，所以算法本身的串行處理會(huì)導(dǎo)致GPU浮點(diǎn)計(jì)算能力的顯著降低。

GPU具有最強(qiáng)大的并行計(jì)算處理能力。以GP100為例，其雙精度運(yùn)算能力是5.3Teraflops，單精度為10.6Teraflops(AMD雙芯RadeonProDuo是16TeraFLOPs)。而英偉達(dá)在開發(fā)者大會(huì)GTC2017上發(fā)布新一代GPU架構(gòu)Volta，首款核心為GV100據(jù)稱其在推理場(chǎng)景下，V100比上一代搭載GP100CPU的P100板卡，圖像處理能力提升了約10倍，延遲也下降了約30%。

3.3 FPGA：萬能芯片

FPGA即現(xiàn)場(chǎng)可編程門陣列，它不采用指令和軟件，是軟硬件合一的器件。FPGA由于算法是定制的，沒有CPU和GPU的取指令和指令譯碼過程，數(shù)據(jù)流直接根據(jù)定制的算法進(jìn)行固定操作，計(jì)算單元在每個(gè)時(shí)鐘周期上都可以執(zhí)行，所以可以充分發(fā)揮浮點(diǎn)計(jì)算能力，計(jì)算效率高于CPU和GPU。

整個(gè)FPGA市場(chǎng)規(guī)模約50億美元。由于FPGA萬能芯片的特點(diǎn)，它被芯片廠商用作芯片原型設(shè)計(jì)和驗(yàn)證，還廣泛使用在通訊密集型和計(jì)算密集型市場(chǎng)中，使用行業(yè)包括通訊、軍工、汽車電子、消費(fèi)及醫(yī)療等行業(yè)。

FPGA的缺點(diǎn)在于進(jìn)行編程要使用硬件描述語言，而掌握硬件描述語言的人才太少，限制了其使用的拓展。

3.4 ASIC：高性能功耗比的專用芯片

ASIC是一種專用芯片，與傳統(tǒng)的通用芯片有一定的差異。是為了某種特定的需求而專門定制的芯片。ASIC芯片的計(jì)算能力和計(jì)算效率都可以根據(jù)算法需要進(jìn)行定制，所以ASIC與通用芯片相比，具有以下幾個(gè)方面的優(yōu)越性：體積小、功耗低、計(jì)算性能高、計(jì)算效率高、芯片出貨量越大成本越低。但是缺點(diǎn)也很明顯：算法是固定的，一旦算法變化就可能無法使用。

與FPGA相比，ASIC上市速度慢，需要大量時(shí)間開發(fā)，而且一次性成本（光刻掩模制作成本）遠(yuǎn)高于FPGA，但是性能高于FPGA且量產(chǎn)后平均成本低于FPGA。在同一時(shí)間點(diǎn)上用最好的工藝實(shí)現(xiàn)的ASIC的加速器的速度會(huì)比用同樣工藝FPGA做的加速器速度快5-10倍，而且一旦量產(chǎn)后ASIC的成本會(huì)遠(yuǎn)遠(yuǎn)低于FPGA方案。

4. FPGA未來大有可為

從技術(shù)上來看，GPU、FPGA和ASIC都各有千秋。從實(shí)際應(yīng)用來看，GPU擁有最完善的生態(tài)系統(tǒng)支撐，具有較大的先發(fā)優(yōu)勢(shì)。由于市場(chǎng)對(duì)此已經(jīng)充分預(yù)期，我們?cè)诖司筒辉儋樖觥?/p>

人工智能在推理環(huán)節(jié)應(yīng)用剛起步，云端要比前端設(shè)備發(fā)展速度更快。下面我們將重點(diǎn)講述一下云端數(shù)據(jù)中心的應(yīng)用。在數(shù)據(jù)中心，F(xiàn)PGA使用日益廣泛，而ASIC路線風(fēng)險(xiǎn)太高，目前僅有谷歌批量部署了TPU。

4.1 FPGA已在全球七大數(shù)據(jù)中心實(shí)際部署

FPGA最大的優(yōu)點(diǎn)是動(dòng)態(tài)可重配、性能功耗比高，非常適合在云端數(shù)據(jù)中心部署。

當(dāng)在數(shù)據(jù)中心部署之后，F(xiàn)PGA可以根據(jù)業(yè)務(wù)形態(tài)來配臵不同的邏輯實(shí)現(xiàn)不同的硬件加速功能。以騰訊云為例，當(dāng)前服務(wù)器上的FPGA板卡部署的是圖片壓縮邏輯，服務(wù)于QQ業(yè)務(wù)；而此時(shí)廣告實(shí)時(shí)預(yù)估需要擴(kuò)容獲得更多的FPGA計(jì)算資源，通過簡單的FPGA重配流程，F(xiàn)PGA板卡即可以變身成“新”硬件來服務(wù)廣告實(shí)時(shí)預(yù)估，非常適合批量部署。

FPGA的性能功耗比顯著高于GPU。以普遍使用在服務(wù)器中的FPGA型號(hào)A10GX660為例，性能/功耗能達(dá)到45GFLOPS/W，而對(duì)應(yīng)的GPU型號(hào)M4，性能/功耗能達(dá)到29GFLOPS/W。依次測(cè)算FPGA性能功耗比要高50%。

近兩年，全球七大超級(jí)云計(jì)算數(shù)據(jù)中心包括IBM、Facebook、微軟、AWS以及BAT都采用了FPGA服務(wù)器。在這方面，中國和美國處以同一起跑線。

4.2 行業(yè)發(fā)展趨勢(shì)：FPGA大有可為

比使用現(xiàn)狀更重要的是未來的技術(shù)和產(chǎn)業(yè)發(fā)展趨勢(shì)。從行業(yè)發(fā)展趨勢(shì)來看，我們認(rèn)為FPGA潛力被低估了，未來大有可為。具體如下：

4.2.1 算法正在快速迭代中

人工智能算法正處于快速迭代中。雖然ASIC芯片可以獲得最優(yōu)的性能，即面積利用率高、速度快、功耗低；但是AISC開發(fā)風(fēng)險(xiǎn)極大，需要有足夠大的市場(chǎng)來保證成本價(jià)格，而且從研發(fā)到市場(chǎng)的時(shí)間周期很長，不適合例如深度學(xué)習(xí)CNN等算法正在快速迭代的領(lǐng)域。因此，推出ASIC芯片風(fēng)險(xiǎn)非常高，且成本太高，只有谷歌等極少數(shù)公司敢于嘗試。

更重要的是，當(dāng)前人工智能算法模型的發(fā)展趨勢(shì)是從訓(xùn)練環(huán)節(jié)向推理環(huán)節(jié)走，這個(gè)過程非常有利于FPGA未來的發(fā)展。人工智能算法模型從訓(xùn)練環(huán)節(jié)走向推理環(huán)節(jié)并不是簡單搬運(yùn)過去。訓(xùn)練出來的算法模型往往規(guī)模太大，復(fù)雜度太高，無法直接部署實(shí)際應(yīng)用。現(xiàn)在，人工智能算法模型研究的重要趨勢(shì)就是將訓(xùn)練后的模型再進(jìn)行壓縮，在基本不損失模型精度的情況下，將模型壓縮到原來的幾十分之一，再應(yīng)用到推理環(huán)節(jié)。

以深鑒科技的研究成果為例，公司發(fā)布的論文《ESE :Efficient Speech Recognition Engine with Sparse LSTM on FPGA 》指出，長短期記憶網(wǎng)絡(luò)（LSTM）被廣泛用于語音識(shí)別領(lǐng)域。為實(shí)現(xiàn)更高的預(yù)測(cè)精度，機(jī)器學(xué)習(xí)研究者們構(gòu)建了越來越大的模型。然而這樣的模型十分耗費(fèi)計(jì)算和存儲(chǔ)資源。部署此類笨重的模型會(huì)給數(shù)據(jù)中心帶來很高的功耗，從而帶來很高的總擁有成本（TCO）。

公司提出了一種可以在幾乎沒有預(yù)測(cè)精度損失的情況下將LSTM模型的尺寸壓縮20倍（10倍來自剪枝和2倍來自量化）的負(fù)載平衡感知剪枝（load-balance-awarepruning）方法。

最后，它們?cè)O(shè)計(jì)了一種可以直接在這種壓縮模型上工作的硬件框架——EfficientSpeechRecognitionEngine(ESE)。該框架使用了運(yùn)行頻率為200MHz的XilinxXCKU060FPGA，具有以282GOPS的速度直接運(yùn)行壓縮LSTM網(wǎng)絡(luò)的性能，相當(dāng)于在未壓縮LSTM網(wǎng)絡(luò)上2.52TOPS的速度；此外，該框架執(zhí)行一個(gè)用于語音識(shí)別任務(wù)的全LSTM僅需41W功耗。在基于LSTM的語音基準(zhǔn)測(cè)試中，ESE的速度為英特爾Corei75930kCPU的43倍，英偉達(dá)PascalTitanXGPU的3倍。它的能量效率分別為以上兩種處理器的40倍和11.5倍。

這篇論文驗(yàn)證了我們上述觀點(diǎn)：

人工智能算法正處于快速迭代中。公司提出的新算法，可以在幾乎沒有預(yù)測(cè)精度損失的情況下將LSTM模型的尺寸壓縮20倍（10倍來自剪枝和2倍來自量化）。在算法能夠帶來數(shù)量級(jí)的性能提升下，想要將算法固化在ASIC中來獲得效率提升的想法是不切實(shí)際的。

采用了搭建在FPGA上的硬件框架ESE，獲得了高一個(gè)數(shù)量級(jí)的能量效率提升。ESE的速度為英特爾Corei75930kCPU的43倍，英偉達(dá)PascalTitanXGPU的3倍。它的能量效率分別為以上兩種處理器的40倍和11.5倍。采用FPGA搭建硬件框架充分發(fā)揮了FPGA萬能芯片的特性，性能遠(yuǎn)超GPU等。

4.2.2 芯片NRE費(fèi)用在指數(shù)級(jí)上升

集成電路行業(yè)的特點(diǎn)是贏家通吃，像CPU處理器，只有英特爾一家獨(dú)大，門檻極高。而隨著芯片制程工藝的提升，芯片NRE費(fèi)用呈現(xiàn)指數(shù)級(jí)上升。這樣導(dǎo)致的結(jié)果是需要收回成本的芯片銷售規(guī)模門檻越來越高。市場(chǎng)上能夠滿足如此大市場(chǎng)規(guī)模要求的單品是非常少的。

而FPGA則可以受益于指數(shù)級(jí)成本上升帶來的規(guī)模效應(yīng)。因?yàn)镕PGA的NRE成本可以攤到上千個(gè)小項(xiàng)目上，從而讓每個(gè)項(xiàng)目只分擔(dān)幾十萬美元的NRE。比如開發(fā)一款14nm的FPGA，假設(shè)需要一億美元，其性能可以達(dá)到45nmASIC的水平。然后有1000個(gè)有45nm工藝要求的項(xiàng)目可以采用該FPGA來解決問題，他們支付不了45nm工藝數(shù)千萬美元的NRE，但是通過分?jǐn)偟姆绞矫考抑Ц稁资f美元可以使用14nm的FPGA產(chǎn)品。

因此，隨著芯片NRE費(fèi)用指數(shù)級(jí)上升，越來越多的ASIC芯片將由于達(dá)不到規(guī)模經(jīng)濟(jì)而被迫放棄，從而轉(zhuǎn)向直接基于FPGA開發(fā)設(shè)計(jì)。而FPGA可以受益于指數(shù)級(jí)成本上升帶來的規(guī)模效應(yīng)。

5.投資建議

5.1 FPGA行業(yè)呈現(xiàn)雙寡頭格局

FPGA動(dòng)態(tài)可重配的，性能功耗比高，非常適合在云端數(shù)據(jù)中心部署。目前，F(xiàn)PGA云服務(wù)器也已經(jīng)在全球七大超級(jí)數(shù)據(jù)中心得到了部署，未來出貨量增長值得密切關(guān)注。

從行業(yè)發(fā)展趨勢(shì)來看，無論是快速迭代的算法，還是指數(shù)級(jí)增長的NRE費(fèi)用，都有利于FPGA的發(fā)展。FPGA未來的發(fā)展大有可為。

FPGA行業(yè)呈現(xiàn)典型的雙寡頭競爭格局，主要有4家生產(chǎn)廠家都在美國。根據(jù)Gartner的數(shù)據(jù)，F(xiàn)PGA器件的廠家主要有Xilinx（賽靈思）、Altera（阿爾特拉）、Lattice（萊迪思）和Microsemi（美高森美），這四家公司都在美國，總共占據(jù)了98%以上的市場(chǎng)份額。其中全球份額Xilinx占49%，另一家Altera占39%，剩余的占比12%。

近兩年，F(xiàn)PGA行業(yè)展開了多項(xiàng)并購，但是對(duì)競爭格局影響不大。2015年6月，英特爾宣布以167億美元收購Altera（阿爾特拉）。2016年上半年，紫光在公開市場(chǎng)收購Lattice（萊迪思）股權(quán)6.07%，11月萊迪思被Canyon Bridge以13億美元收購，但此案一直沒有獲得美國監(jiān)管單位同意。

目前國內(nèi)能夠生產(chǎn)FPGA的上市公司僅有紫光國芯（002049），而非上市公司有智多晶和AgateLogic等。

5.2 投資標(biāo)的

5.2.1 賽靈思（XLNX.O）

Xilinx(賽靈思)是全球領(lǐng)先的可編程邏輯完整解決方案的供應(yīng)商。世界上第一個(gè)FPGA就是由賽靈思設(shè)計(jì)的。賽靈思擁有FPGA市場(chǎng)超過50%的市場(chǎng)份額，下游客戶超過2萬家，產(chǎn)品被廣泛使用在芯片原型驗(yàn)證、通訊、工業(yè)、宇航軍工、汽車電子等行業(yè)。

賽靈思推出了面向數(shù)據(jù)中心的FPGA解決方案，已經(jīng)被亞馬遜、騰訊、百度等多家云服務(wù)商所采納。FPGA解決方案的靈活性、高并發(fā)和高性能功耗比具有很強(qiáng)的競爭優(yōu)勢(shì)，能夠帶來更低的全生命周期成本。

除了在數(shù)據(jù)中心端的產(chǎn)品之外，賽靈思在前端設(shè)備方面也有非常多的積累。以ADAS為例，公司是第二大的半導(dǎo)體供應(yīng)商，正在與26家制造商正在密切合作開發(fā)96款產(chǎn)品。

為了彌補(bǔ)FPGA采用硬件描述語言、使用難度大的缺點(diǎn)，賽靈思積極打造自身的生態(tài)圈，推出reVision堆棧，幫助合作伙伴更方便地使用公司產(chǎn)品。

5.2.2 紫光國芯（002049.SZ）

公司是國內(nèi)稀缺的FPGA標(biāo)的。公司旗下的國微電子是國內(nèi)特種IC的設(shè)計(jì)龍頭，是國內(nèi)上市公司中唯一能夠量產(chǎn)FPGA的廠商，稀缺性明顯。公司FPGA、ASIC和特種微處理器常年為軍方穩(wěn)定供貨。

公司的商用可編程系統(tǒng)芯片的開發(fā)進(jìn)展順利，在2016年9月正式推出國內(nèi)首款內(nèi)嵌高速接口（serdes）的千萬門級(jí)高性能FPGA芯片——PGT180H。該芯片首次集成了傳輸速率達(dá)到6.5Gbps的高速serdes模塊，最大規(guī)?？删幊踢_(dá)到1800萬門，支持最高速率1066MbpsDDR3接口。無論從規(guī)模還是性能角度，PGT180H都代表了國內(nèi)自主知識(shí)產(chǎn)權(quán)FPGA芯片的最高水平。

我們預(yù)計(jì)公司2017年-2019年?duì)I業(yè)收入分別為16.億元、19億元和20億元，對(duì)應(yīng)每股收益分別為0.71元、0.86元和0.99元，對(duì)應(yīng)PE分別為35、29和25倍。按照公司2017年40倍市盈率，給予6個(gè)月目標(biāo)價(jià)28.4元，維持公司“推薦”評(píng)級(jí)。

6. 風(fēng)險(xiǎn)提示

1、人工智能應(yīng)用不及預(yù)期的風(fēng)險(xiǎn)；

2、技術(shù)路線競爭激烈的風(fēng)險(xiǎn)。