AIGC是什么：与传统AI应用最大的区别在于其可以“创作”全新的内容。AIGC指的是人工智能系统生成的内容，通常是文字、图像、音频或视频。这类内容可以通过自然语言处理，机器学习和计算机视觉等技术生成。AIGC的主要目的是帮助人们快速生成大量内容，从而节省时间和资源。具体而言，AIGC系统通常采用神经网络技术，包括语言模型和图像生成模型等。语言模型通过学习大量文本数据，了解人类语言的语法和词汇，并使用这些知识生成文本内容。图像生成模型则通过学习大量图像数据，了解图像的结构和特征，并使用这些知识生成新的图像。
　　AIGC赋予人工智能大规模落地场景，国内芯片有望切入MaaS产业生态。当前时间节点，我们看好人工智能芯片及人工智能相关的半导体产业链，核心观点在于：AIGC的出现真正赋予了人工智能大规模落地的场景，AI芯片也将从过去面向厂商的训练场景为主转变为面向消费者的推理场景为主，GPU的高并行计算能力和高通用性的协调统一在消费者时代的统治力或许难以为继，ASIC芯片、国产GPGPU芯片有望切入MaaS产业生态。
　　数字化+智能化浪潮推动AI芯片市场迅速成长。AI芯片是针对人工智能算法做了特殊加速设计的芯片。算力是人工智能发展的关键因素之一，随着深度学习算法的普及和应用，人工智能对算力提出了更高的要求，传统的CPU架构难以满足人工智能算法对算力的要求，因此具有海量数据并行计算能力、能加速计算处理的AI芯片应运而生。在全球数字化、智能化的浪潮下，智能手机、自动驾驶、数据中心、图像识别等应用推动AI芯片市场迅速成长。根据亿欧智库数据，预计国内市场规模将于2025年达到1780亿元，2022-2025年CAGR将达到27.9%。
　　技术层面，AI芯片根据其技术架构，可以分为GPU、FPGA、ASIC和类脑芯片，同时CPU也可用以执行通用AI计算。当前GPU为AI生态主体，被广泛用于高性能计算、深度学习等领域；FPGA和ASIC等非GPUAI芯片则在快速迭代实现替代。
　　投资建议：我们认为，AIGC推动AI产业化由软件向硬件切换，半导体+AI生态逐渐清晰，AI芯片产品将实现大规模落地。硬件端核心包括AI芯片/GPU/CPU/FPGA/AISoC等，而在AI芯片中，算力及信息传输速率成为关键技术，芯片性能及成本的平衡也带动周边生态，包括Chiplet/先进封装/IP等产业链受益。建议关注寒武纪/景嘉微/龙芯中科/海光信息/紫光国微/复旦微电/安路科技.瑞芯微/晶晨股份/芯原股份/澜起科技/长电科技/通富微电等。
　　风险因素：产品技术研发进度不及预期；AI产业化进度不及预期。
　　

研究报告全文：AIGC推动AI产业化由软件向硬件切换半导体AI生态逐渐清晰TableIndustry半导体TableReportDate2023年2月7日TableTitle证券研究报告AIGC推动AI产业化由软件向硬件切换半导体AI生态逐渐清晰TableReportDate2023年02月07日行业研究本期内容提要TableReportTypeTableSummaryTableSummary行业专题研究普通AIGC是什么与传统AI应用最大的区别在于其可以创作全新的内容AIGC指的是人工智能系统生成的内容通常是文字图像音频或视频这类内容可以TableStockAndRank半导体通过自然语言处理机器学习和计算机视觉等技术生成AIGC的主要目的是帮助投资评级看好人们快速生成大量内容从而节省时间和资源具体而言AIGC系统通常采用神经网络技术包括语言模型和图像生成模型等语言模型通过学习大量文本数据上次评级看好了解人类语言的语法和词汇并使用这些知识生成文本内容图像生成模型则通过学习大量图像数据了解图像的结构和特征并使用这些知识生成新的图像莫文宇TableAuthor电子行业首席分析师执业编号S1500522090001AIGC赋予人工智能大规模落地场景国内芯片有望切入MaaS产业生态当前联系电话13437172818时间节点我们看好人工智能芯片及人工智能相关的半导体产业链核心观点在邮箱mowenyucindasccom于AIGC的出现真正赋予了人工智能大规模落地的场景AI芯片也将从过去面向厂商的训练场景为主转变为面向消费者的推理场景为主GPU的高并行计算能力和高通用性的协调统一在消费者时代的统治力或许难以为继ASIC芯片国产GPGPU芯片有望切入MaaS产业生态数字化智能化浪潮推动AI芯片市场迅速成长AI芯片是针对人工智能算法做了特殊加速设计的芯片算力是人工智能发展的关键因素之一随着深度学习算法的普及和应用人工智能对算力提出了更高的要求传统的CPU架构难以满足人工智能算法对算力的要求因此具有海量数据并行计算能力能加速计算处理的信达证券股份有限公司AI芯片应运而生在全球数字化智能化的浪潮下智能手机自动驾驶数据CINDASECURITIESCOLTD中心图像识别等应用推动AI芯片市场迅速成长根据亿欧智库数据预计国内北京市西城区闹市口大街号院号楼91市场规模将于2025年达到1780亿元2022-2025年CAGR将达到279邮编100031技术层面AI芯片根据其技术架构可以分为GPUFPGAASIC和类脑芯片同时CPU也可用以执行通用AI计算当前GPU为AI生态主体被广泛用于高性能计算深度学习等领域FPGA和ASIC等非GPUAI芯片则在快速迭代实现替代投资建议我们认为AIGC推动AI产业化由软件向硬件切换半导体AI生态逐渐清晰AI芯片产品将实现大规模落地硬件端核心包括AI芯片GPUCPUFPGAAISoC等而在AI芯片中算力及信息传输速率成为关键技术芯片性能及成本的平衡也带动周边生态包括Chiplet先进封装IP等产业链受益建议关注寒武纪景嘉微龙芯中科海光信息紫光国微复旦微电安路科技瑞芯微晶晨股份芯原股份澜起科技长电科技通富微电等风险因素产品技术研发进度不及预期AI产业化进度不及预期请阅读最后一页免责声明及信息披露httpwwwcindasccom2目录从分析到生成AI产业化应用迈入新阶段4AI芯片算力的硬件基石7投资建议13风险因素19表目录表1AI芯片根据技术架构分类7表2AI芯片根据应用场景分类10表3国产边缘端AI芯片12表4寒武纪AI芯片主要产品类型13表5寒武纪新款训练加速卡主要情况14表6瑞芯微及晶晨股份AISoC情况14表7景嘉微JM9系列图形处理芯片主要技术指标15表8市场主流CPU厂商典型产品参数情况16表9国内主流FPGA厂商产品进展16表10主流Chiplet设计方案17表11全球部分先进封装解决方案2D25D3D18表12全球主要提供Chiplet封装厂商解决方案汇总18图目录图1ChatGPT回答AIGC与传统AI应用有什么区别4图2内容创作的四个阶段未来以AI创作为主4图3AI算法发展历史5图4MaaS生态下中间层才是AI芯片最大的客户6图5全球AI芯片市场规模7图6中国AI芯片市场规模7图7CPU与GPU的架构差异对比8图8英伟达A100TensorCoreGPU8图9英伟达编程框架CUDA8图10FPGA内部结构9图11ASIC与FPGA计算性能对比9图12ASIC与FPGA成本对比9图13高通AIEngine架构10图14全球智能驾驶渗透率11图15智能驾驶算力需求单位TOPS11图16全球AI服务器市场规模及预测11图172021年中国AI服务器芯片份额11图18边缘计算在数据处理中的位置12图19半导体行业AIGC相关标的情况13请阅读最后一页免责声明及信息披露httpwwwcindasccom3从分析到生成AI产业化应用迈入新阶段AIGC与传统AI应用最大的区别在于其可以创作全新的内容AIGCArtificialIntelligenceGeneratedContent指的是人工智能系统生成的内容通常是文字图像音频或视频这类内容可以通过自然语言处理机器学习和计算机视觉等技术生成AIGC的主要目的是帮助人们快速生成大量内容从而节省时间和资源具体而言AIGC系统通常采用神经网络技术包括语言模型和图像生成模型等语言模型通过学习大量文本数据了解人类语言的语法和词汇并使用这些知识生成文本内容图像生成模型则通过学习大量图像数据了解图像的结构和特征并使用这些知识生成新的图像图1ChatGPT回答AIGC与传统AI应用有什么区别资料来源ChatGPT信达证券研发中心现阶段AIGC已经在多个领域开花结果有望在更高层次辅助甚至代替人类工作2022年可以说是AIGC走入公众视野的元年2022年StabilityAI发布的开源模型StableDiffusion可以根据用户的文字描述生成图像引爆了AI作画话题同年12月OpenAI的大型语言生成模型ChatGPT更是快速获得关注其不仅能够胜任高情商的复杂对话还可以撰写代码文章小说等高难度文体将人机对话的层次推向新的高度图2内容创作的四个阶段未来以AI创作为主资料来源腾讯研究院信达证券研发中心请阅读最后一页免责声明及信息披露httpwwwcindasccom4AIGC应用的强劲增长得益于生成型神经网络的快速发展生成型神经网络GenerativeNeuralNetworks通过学习训练数据中的模式来生成新的数据而不是仅仅对输入数据进行分类或回归预测自2014年以来变分自编码器VAE生成对抗网络GAN基于流的生成模型扩散模型Transformer模型神经辐射场CLIP模型等多种生成模型相继出现奠定了AIGC的发展基础图3AI算法发展历史资料来源上海交通大学苏州人工智能研究院信达证券研发中心请阅读最后一页免责声明及信息披露httpwwwcindasccom5模型即服务Model-as-a-ServiceMaaS未来或将是AIGC主流的商业模式MaaS产业生态的上游是基础层也就是由预训练模型为基础搭建的AIGC技术基础设施层由于预训练模型的高成本和技术投入因此具有较高的进入门槛中间层即垂直化场景化个性化的模型和应用工具的提供方需要对预训练的模型进行二次开发应用层即面向C端用户的文字图片音视频等内容生成服务及相关的创作者我们认为中间层未来是MaaStoBtoG业务的芯片主力采购方这也将为成国内半导体发展的基石图4MaaS生态下中间层才是AI芯片最大的客户芯片采购方内容创作者资料来源腾讯研究院信达证券研发中心整理当前时间节点我们看好人工智能芯片及人工智能相关的半导体产业链核心观点在于AIGC的出现真正赋予了人工智能大规模落地的场景AI芯片也将从过去面向厂商的训练场景为主转变为面向消费者的推理场景为主GPU的高并行计算能力和高通用性的协调统一在消费者时代的统治力或许难以为继ASIC芯片国产GPGPU芯片有望切入MaaS产业生态请阅读最后一页免责声明及信息披露httpwwwcindasccom6AI芯片算力的硬件基石AI芯片是针对人工智能算法做了特殊加速设计的芯片算力是人工智能发展的关键因素之一随着深度学习算法的普及和应用人工智能对算力提出了更高的要求传统的CPU架构难以满足人工智能算法对算力的要求因此具有海量数据并行计算能力能加速计算处理的AI芯片应运而生近年来在全球数字化智能化的浪潮下智能手机自动驾驶数据中心图像识别等应用推动AI芯片市场迅速成长根据TrendForce预测2022年全球AI芯片市场规模将达到390亿美元到2025年有望达到740亿美元2022-2025年CAGR为238我国AI芯片市场也将持续增长根据亿欧智库数据预计国内市场规模将于2025年达到1780亿元2022-2025年CAGR将达到279图5全球AI芯片市场规模图6中国AI芯片市场规模160市场规模十亿美元YoY右轴352000市场规模亿元YoY右轴140140301201201500251001002080801000156060104040500205200000202020212022E2023E2024E2025E2026E2027E2028E2019202020212022E2023E2024E2025E资料来源TrendForce信达证券研发中心资料来源亿欧智库信达证券研发中心技术层面上AI芯片根据其技术架构可以分为GPU图形处理器FPGA现场可编程门阵列ASIC专用集成电路和类脑芯片同时CPU也可用以执行通用AI计算表1AI芯片根据技术架构分类技术架构种类定制化程度可编辑性算力价格优点缺点应用场景通用性较强且适合大规模并行运并行运算能力在推理端无高级复杂算法和通用性人GPU通用型不可编辑中高算设计和制造工艺成熟法完全发挥工智能平台可通过编程灵活配置芯片架构适量产单价高峰值计算能FPGA半定制化容易编辑高中应算法迭代平均性能较高功适用于各种具体的行业力较低硬件编程困难耗较低开发时间较短6个月通过算法固化实现极致的性能和当客户处在某个特殊场前期投入成本高研发时ASIC全定制化难以编辑高低能效平均性很强功耗很低景可以为其独立设计一间长1年技术风险大体积小量产后成本最低套专业智能算法软件最低功耗通信效率高认知能类脑芯片模拟人脑不可编辑高-目前仍处于探索阶段适用于各种具体的行业力强资料来源亿欧智库信达证券研发中心GPU从图形处理器到通用型AI芯片GPU最初是专门用于图像处理的芯片可以使计算机显卡减少对CPU的依赖并且分担部分原本是CPU所承担的工作从物理结构上看GPU和CPU相似包括控制单元存储单元和运算单元三个部分CPU的控制单元占比较大负责进行逻辑控制和串行计算而运算单元ALU较小GPU拥有较多的ALU适合于类型高度统一的相互无依赖的大规模数据以及不被打断的纯净计算环境因而被广泛用于高性能计算深度学习等领域请阅读最后一页免责声明及信息披露httpwwwcindasccom7图7CPU与GPU的架构差异对比资料来源英伟达官网信达证券研发中心英伟达是全球GPU和AI计算平台的领军者1999年英伟达首次提出可从真正意义上替代CPU渲染的GPU概念把显卡带入了全硬件处理时代并在之后持续深耕于GPU产品2006年之后英伟达为解决GPU编程的复杂度问题推出通用并行计算平台CUDA大幅降低了用GPU做通用计算的难度为后续AI算力的支撑打下基础图8英伟达A100TensorCoreGPU图9英伟达编程框架CUDA资料来源英伟达官网信达证券研发中心资料来源英伟达官网信达证券研发中心请阅读最后一页免责声明及信息披露httpwwwcindasccom8FPGA灵活可编程持续创新满足AI计算需求FPGA是一种半定制可编程的集成电路具有模块化和规则化的架构主要由三部分组成分别为CLB可编程逻辑块IO输入输出单元和内部连接线用户可以通过更新FPGA配置文件来定义这些门电路及存储器之间的连线以达到重构的目的相较于CPU和GPUFPGA在灵活性功耗和时延等方面具备优势能够在较低的功耗下达到GFLOPS数量级的算力在人工智能算法不断迭代的情况下FPGA的特性能较好地满足AI的运算需求图10FPGA内部结构资料来源CircuitDigest信达证券研发中心ASIC针对特定需求设计具备性能优势ASIC是指针对特定用户要求和特定电子系统的需要而设计的集成电路相较于通用型芯片在性能功耗上具备优势与FPGA相比ASIC专用度较高计算效率更好在开发流程中ASIC的非重复成本较高但随着规模化量产的实现单个芯片的成本会随着产量的增加而降低具备批量生产的成本优势因此在技术算法尚未成熟阶段FPGA架构灵活改变芯片功能有利于降低成本和风险而随着技术算法的普及ASIC更具备竞争优势图11ASIC与FPGA计算性能对比图12ASIC与FPGA成本对比资料来源头豹研究院信达证券研发中心资料来源头豹研究院信达证券研发中心请阅读最后一页免责声明及信息披露httpwwwcindasccom9应用层面上根据AI芯片的应用场景又可分为云端云边缘端边和终端端和三种云边端三种场景对芯片的算力和功耗有着不同的要求单一芯片难以满足实际应用的需求表2AI芯片根据应用场景分类应用场景芯片需求典型计算能力典型功耗典型应用领域低功耗高能效推理任务为主成本敏感硬件产品终端8TOPS5瓦各类消费类电子物联网产品等形态众多高性能高计算密度兼有推理和训练任务单价高云端30TOPS50瓦云计算数据中心企业私有云等硬件产品形态少智能制造智能家居智能零售智对功耗性能尺寸的要求常介于终端与云端之间推边缘端5TOPS至30TOPS4瓦至15瓦慧交通智慧金融智慧医疗智能理任务为主多用于插电设备硬件产品形态相对较少驾驶等众多应用领域资料来源寒武纪招股说明书信达证券研发中心终端产品多样化催生大量需求终端AI芯片主要应用在消费电子智能驾驶智能家居和智慧安防等领域随着终端产品类型增加和出货量的增长催生了大量芯片需求与此同时终端AI芯片直接面向下游产品往往以实际需求为导向对芯片的性能与成本有更高的要求在手机应用上AI芯片通常集成于手机SoC中已实现图像场景识别拍照美化语音交互游戏优化等功能追求高算力和低功耗图13高通AIEngine架构资料来源高通官网信达证券研发中心请阅读最后一页免责声明及信息披露httpwwwcindasccom10随着汽车智能化水平不断提升车用AI芯片对算力提出更高的要求近年来全球汽车智能化不断渗透根据ICV统计2021年全球L1及L1以上的智能汽车渗透率超过23ICV预计到2026年全球L1及L1以上智能驾驶汽车市场渗透率将达到922汽车智能化水平的提升对计算能力提出更高的要求L2需要的算力10TOPSL3需要的算力为3060TOPS而L4需要的算力要大于100TOPS图14全球智能驾驶渗透率图15智能驾驶算力需求单位TOPSL0L1L2L3-5120010010008080060600404002020000L2L3L4L5202020212022E2023E2024E2025E2026E资料来源ICV信达证券研发中心资料来源技术前沿信达证券研发中心云端追求高性能和高算力芯片当前大多数AI训练和推理工作负载都在云端进行云端仍是AI的中心AI服务器具有超高计算性能是AI应用的核心基础设施根据IDC数据2021年全球AI服务器市场规模已达到145亿美元并预计2025年将超过260亿美元由于云端需要对巨量复杂的数据进行运算对于AI芯片的性能和算力要求较高当前AI服务器主要采用GPU方案根据IDC数据2021年数据中心AI芯片中GPU占有90以上的份额而与此同时ASICFPGANPU等非GPU芯片也在不断迭代以满足需求图16全球AI服务器市场规模及预测图172021年中国AI服务器芯片份额30市场规模十亿美元增长率右轴3525302520GPU20NPU1515ASIC1010FPGA91905500202020212022E2023E2024E2025E资料来源IDC信达证券研发中心资料来源IDC信达证券研发中心边缘端边缘数据积累逐渐增多边缘端是指处理云端和终端之间的传输网络实现数据的汇集处理分析和通信传输功能边缘AI芯片的算力要比终端更强通常都是独立解决问题且有用丰富的外设强调信息的可获得性在AI算法的驱动下边缘AI芯片不仅能自主进行逻辑分析与运算还能动态实时进行自我优化调整策略建立在边缘的数据分析和处理能够分担云端的压力大幅提升效率和降低成本随着全球智能化数据化的迅速发展带来了数据的指数级增长大量请阅读最后一页免责声明及信息披露httpwwwcindasccom11的数据在边缘端积累我们预计随着数据量的进一步提升边缘端AI芯片的需求会进一步增长对芯片的性能也将提出更高要求图18边缘计算在数据处理中的位置资料来源边缘计算与云计算协同白皮书20信达证券研发中心表3国产边缘端AI芯片性能单位TOPSINT8制程能耗比单位TOPsW类型黑芝麻华山100040-70TOPs16nm4ASICEyeQ5247nm24ASIC地平线征程3516nm2AISC探境音旋风Unknown28nm4ASICBlaize1600系列16Unknown229ASIC海思昇腾3101612nm2ASICIntelVPU216nm105ASIC思元220816nm097AISC资料来源各公司官网等信达证券研发中心整理请阅读最后一页免责声明及信息披露httpwwwcindasccom12投资建议我们认为AIGC推动AI产业化由软件向硬件切换半导体AI生态逐渐清晰AI芯片产品将实现大规模落地硬件端核心包括AI芯片GPUCPUFPGAAISoC等而在AI芯片中算力及信息传输速率成为关键技术芯片性能及成本的平衡也带动周边生态包括Chiplet先进封装IP等产业链受益图19半导体行业AIGC相关标的情况资料来源Wind信达证券研发中心数据截至2023年2月6日AI芯片AISoC1寒武纪公司专注于AI芯片产品的研发与技术创新致力于打造人工智能领域核心处理器芯片主营业务包括各类云服务器边缘计算设备终端设备中人工智能核心芯片主要产品为云端智能芯片及加速卡训练整机边缘智能芯片及加速卡终端智能处理器IP以及上述产品的配套软件开发平台表4寒武纪AI芯片主要产品类型产品线产品类型寒武纪主要产品推出时间思元100MLU100芯片及云端智能加速卡2018年思元270MLU270芯片及云端智能加速卡2019年云端智能芯片及加速卡云端产品线思元290MLU290芯片及云端智能加速卡2020年思元370MLU370芯片及云端智能加速卡2021年训练整机玄思1000智能加速器2020年边缘产品线边缘智能芯片及加速卡思元220MLU220芯片及边缘智能加速卡2019年寒武纪1A处理器2016年终端智能处理器IP寒武纪1H处理器2017年IP授权及软件寒武纪1M处理器2018年持续研发和升级以适基础系统软件平台寒武纪基础软件开发平台适用于公司所有芯片与处理器产品配新的芯片资料来源寒武纪公告信达证券研发中心2022年3月21日公司正式发布新款训练加速卡MLU370-X8MLU370-X8搭载双芯片四芯粒思元370集成寒武纪MLU-Link多芯互联技术主要面向训练任务在业界应用广泛的YOLOv3Transformer等训练任务中8卡计算系统的并行性能平均达到350WRTXGPU的155加速卡基于思元370智能芯片的技术通过Chiplet技术灵请阅读最后一页免责声明及信息披露httpwwwcindasccom13活组合产品的特性在同样的研发费用之下满足了更多市场需求截止2022H1公司持续加大产品研发力度发布了基于思元370智能芯片的新款智能训练卡MLU370-X8同时新一代智能芯片产品持续保持高效的研发表5寒武纪新款训练加速卡主要情况MLU370-S4MLU370-X4MLU370-X8面向市场机器视觉推理任务互联网行业等推理任务或训推一体场景训练任务整机计算密度较高单卡算力市场特点单卡算力需求较高单卡算力需求较高互联带宽需求高需求适中192TOPSINT8256TOPSINT8256TOPSINT896TOPSINT16128TOPSINT16128TOPSINT16算力72TFLOPSFP1696TFLOPSFP1696TFLOPSFP1672TFLOPSBF1696TFLOPSBF1696TFLOPSBF1618TFLOPSFP3224TFLOPSFP3224TFLOPSFP32互联带宽3072GBs3072GBs6144GBs资料来源寒武纪公告信达证券研发中心2澜起科技截止22H1公司持续推进AI芯片的软硬件协同及性能优化同时积极推进第一代AI芯片工程样片流片前的准备工作在AI芯片解决方案的研发过程中澜起科技自主研发及系统整合了一系列关键的核心技术攻克了在大数据高性能计算场景下存在的内存墙的技术难点支持异构多核高速稳定的互连互通以及与x86软硬件生态的无缝兼容提升了AI推理计算和大数据吞吐应用场景下的运算效率公司AI芯片整体架构采用基于CXL协议的近内存计算这一创新的架构旨在解决数据中心的AI推理计算和大数据融合的业务场景下多方面用户痛点和技术难点AI计算引擎模块为交互计算的异构计算系统同时融合高速SRAM及自主研发硬件加速器并兼备灵活的可编程多核异构设计思路可同时进行处理命令和数据的高速交互提高了运算效率2AISoC瑞芯微晶晨股份表6瑞芯微及晶晨股份AISoC情况相关产品类型概述进展采用ARM旗舰级别CPU高性能GPU以及公司自2021年公司新的高性能旗舰处理器RK3588研的高算力NPU形成可处理复杂任务的核心结合强面世其强大的通用计算能力和AI运算能力进一大的多媒体能力以及丰富的外设接口可实现不同场景步促进各个行业的发展下的应用瑞芯微RK3588芯片该芯片采用ARM架构采瑞芯微高性能应用处理器与常见的手机移动处理器相比公司的高性能处理器在用先进的8nm制程工艺集成了四核Cortex-A76同样具有高性能计算内核低功耗特性外还添加了丰和四核Cortex-A55共8核以及单独的NEON富的外设接口不仅可应用于平板类型的移动计算设协处理器支持8K视频编解码提供了许多功能备还适用于如电脑商业显示设备金融支付机具强大的嵌入式硬件引擎为高端应用提供了极致的人工智能设备云服务等产品性能同时提供了丰富的功能接口可满足不同行请阅读最后一页免责声明及信息披露httpwwwcindasccom14公司于2020年推出新一代智能视觉处理器业的产品定制需求RV1109RV1126于2021年推出高端智能视觉处理目前搭载RK3588芯片的合作伙伴产品及项目均器RK3588两款产品已经得到行业头部客户的肯定顺利开展覆盖应用领域包括边缘计算电动车于2022年3月推出新一代普惠级智能视觉处理器类电力及工业机器视觉智慧医疗智慧办公RV1103RV1106公司智能视觉产品线形成了高中低组教育智慧商业消费电子机器人ArmPC合进一步完善了公司视觉处理器的路线图VRAR机器人智慧商显等RV11031106在智能编码图像效果低功耗以及机器视觉处理器NPU上表现优异为客户提供更有竞争力的产品方案公司已逐步形成完整的AIoT软硬件整体方案除了人工智能运算核心外公司同样重视相关的配套技术和解决方案的研发包括4K高动态图像处理低码流高清视频编码多麦克风阵列处理人工智能开发调试套件等技术实现高清感知高清认知的完整技术路线逐步形成了完整的AIoT产品及方案体系公司此系列芯片采用业内领先的12纳米制程工艺支持远场语音升级版和RTOS系统内置基于在多媒体音视频领域的长期积累和技术优势公司神经网络处理器支持最高5Tops神经网络处致力于叠加神经网络处理器专用DSP数字麦克风理器支持最高1600万像素高动态范围影像输物体识别人脸识别手势识别远场语音识别超高入和超高清编码支持超低功耗毫秒级拍摄高清图像传感器动态图像处理多种超高清输入输出接晶晨股份AI系列SoC芯片分辨率屏显以及丰富的外围接口口多种数字音频输入输出接口等技术通过深度机器公司AI系列SoC芯片的应用场景丰富多元已学习和高速的逻辑推理系统处理并结合行业先进的广泛应用于众多境内外知名企业的终端产品包12纳米制造工艺形成了多样化应用场景的人工智能系括但不限于小米TCL阿里巴巴极飞爱奇列芯片艺GoogleAmazonSonosJBLHarmanKardonKeepZoomFitureMarshall等资料来源瑞芯微晶晨股份公告天天IC信达证券研发中心GPU景嘉微2022年6月公司发布产品进展公告JM9系列第二款图形处理芯片经阶段性测试主要技术指标如下表7景嘉微JM9系列图形处理芯片主要技术指标产品名称主要技术指标1视频解码支持H265H264VP9AVS2AVSJPEGMPEG4等主流格式22D图形生成功能支持DirectFB177支持OpenVG11矢量图形加速33D图形生成功能支持OpenGL40OpenCL30Vulkan11OpenGLES32像素填充率8GPixelss32位单精度浮点性能512GFlops4内核性能内核时钟频率1GHZ支持动态调频5总线接口PCIE40X8JM9系列图形处理芯片6显存带宽256GBs7显存突量8GB8显示接口支持2路独立的图形显示控制器支持2路HDMI201路eDP121路VGA输出9支持平台支持X86ARMMIPS处理器和Linux中标麒麟银河麒麟统信软件翼辉天脉等操作系统10功耗15W资料来源景嘉微公告信达证券研发中心请阅读最后一页免责声明及信息披露httpwwwcindasccom15截止2022年6月公司JM9系列第二款图形处理芯片已完成流片封装阶段工作及初步测试工作可以满足地理信息系统媒体处理CAD辅助设计游戏虚拟化等高性能显示需求和人工智能计算需求可广泛应用于用于台式机笔记本一体机服务器工控机自助终端等设备经过公司长期的适配与推广目前公司JM9系列图形处理芯片已逐步实现在政务电信电力能源金融轨交等多领域的试点应用CPU龙芯中科海光信息以英特尔至强可扩展处理器为例其内置了人工智能计算和高级安全功能依靠其强大算力可以极大提高AI推理效率并兼顾成本与安全性国内CPU主流上市公司主要包括龙芯中科海光信息其近年来投入研发设计取得一定进展表8市场主流CPU厂商典型产品参数情况IntelAMD海光兆芯海思飞腾龙芯申威Xeon6354EPYC7542海光7285开胜KH-30000鲲鹏920-7260S2500企业级3C5000L申威1621x86x86x86x86ARMARMLoongArchSW64183232864641616366464不支持不支持不支持不支持不支持30GHz29GHz20GHz30GHz26GHz22GHz22GHz20GHzDDR4DDR4DDR4DDR4DDR4DDR4DDR4DDR3888288483200MHz3200MHz2666MHz2666MHz2933MHz3200MHz3200MHz2133MHz641281281640173216服务器CPU服务器CPU服务器CPU服务器CPU服务器CPU服务器CPU服务器CPU服务器CPU资料来源海光信息公告信达证券研发中心FPGA紫光国微复旦微电安路科技表9国内主流FPGA厂商产品进展公司产品进展截止22H1公司FPGA产品线拥有系列化超大规模异构融合可编程逻辑器件系列产品率先研制成功了亿门级FPGA和异构融合可编程片上系统PSoC芯片以及面向人工智能应用的融合现场可编程FPGA和人工智能AI的可重构芯片FPAI22H1FPGA产品线实现销售收入约378亿元公司在国内FPGA芯片设计领域处于领先地位是国内最早推出亿门级FPGA产品的厂商公司累计向超过500家客户销售相关FPGA产品在通信领域工业控制领复旦微域等得到广泛应用公司开发的致力于完整可编程器件开发流程的工具软件Procise可支持公司全系列可编程器件突破了FPGA配套EDA软件的多项核心关键技术新一代十亿门级FPGA产品研发工作正在开展中其各方面性能对比上一代产品将有大幅提升公司PSoC产品也已成功量产正在多个客户处开展小批量试用同时新一代配置有APUGPUVPUeFPGAAI引擎的异构智能PSoC产品也取得了阶段性的研发成果将进一步丰富公司的可编程产品系列谱系不断满足各应用领域客户的需求22H1公司联营企业紫光同创实现营业收入723亿元同比20791净利润实现316亿元同比大幅增长紫光国微达25517通用FPGA业务未来有望持续放量请阅读最后一页免责声明及信息披露httpwwwcindasccom16公司的FPGA芯片产品形成了由SALPHOENIX高性能产品系列SALEAGLE高效率产品系列SALELF低功耗产品系列以下简称PHOENIXEAGLEELF组成的产品矩阵FPSoC产品包括面向工业和视频接口的低功耗SALSWIFT系列实现了多种规格芯片和配套EDA软件的产品线覆盖并持续致力于高容量高性能FPGA和高集成度FPSoC芯片的研发与拓展安路科技公司持续开展芯片架构基础电路模块制造工艺适配等领域的研究和创新在逻辑单元信号互联时钟网络高速接口等方面取得了技术突破研发了混合型可编程单元结构层次化互联技术和通道连通度增强技术局部时钟区域阵列网络DDR存储接口SerDes传输接口等关键技术有效地提升了公司FPGA芯片的市场竞争力资料来源紫光国微复旦微电安路科技公告信达证券研发中心ChipletChiplet技术能够平衡AI芯片性能和良率之间的矛盾问题实现芯片设计复杂度及设计成本降低算力为AI芯片的重要指标之一充足的算力为应对指数级增长计算需求的必要条件Chiplet技术在IC设计阶段将SoC按照不同功能模块分解为多个芯粒部分芯粒实现模块化设计并在不同芯片中重复使用能够实现设计难度降低且有利于后续产品迭代加速产品上市周期表10主流Chiplet设计方案类型典型代表方案概述图示采用computedie和IOdie组合的形式进行不同Chiplets功能拆解在computedieCPUAI设计时采用先进工艺获得顶级的算力和能效在IOdie设计时采用成熟工Lego艺在面积与先进工艺差别不大的情况下获基于功能划分到得成本收益并且不同的Chiplets的数量和多个Chiplets单组合形式都可以灵活搭配从而组合出多种个Chiplet不包含不同规格的云端高性能处理器产品完整功能集合通过不同采用CCD和CIOD组合的形式进行不同Chiplets组合封Chiplets功能拆解在CCD设计时采用最先装实现不同类型进工艺获得顶级的算力和能效在CIOD设的产品计时采用成熟工艺在面积与先进工艺差别AMDZen23不大的情况下获得成本收益并且CCD本身按照两个4C8Tcluster组合的形式设计可以适应AMD从Desktop到Server的架构需求根据场景选择CCD数量和设计对应的CIOD即可灵活度非常高通过Apple自研封装技术堆叠两颗M1Max芯片使两颗芯片间拥有超过25TBs带宽且极低延时的互联能力使M1Ultra直接获AppleM1Ultra得两倍M1Max算力同时在软件层面依然单个Chiplet包含可以将M1Ultra当做一个完整芯片对待而较为独立完整的不会增加额外的软件修改和调试的负担功能集合通过多个Chiplets级通过两组镜像对称的相同架构的building联获得性能的线blocks组合4个Chiplets获得4倍性能和性增长互联带宽每个基本模块包含计算部分IntelSappirememoryinterface部分IO部分通过将上Rapids述高性能组件组成基本的buildingblock再通过EMIB技术进行Chiplet互联可以获得线性性能提升和成本收益资料来源中微创芯科技半导体芯闻复睿微信达证券研发中心1先进封装及SiP技术为AI芯片的关键封装技术请阅读最后一页免责声明及信息披露httpwwwcindasccom17在AI芯片中算力及信息传输速率成为关键技术HPC将成为AI芯片工艺技术发展的关键平台而包括CoWoS等在内的先进封装和SiP技术将成为AI芯片的关键封装技术通常AI架构包括上游云计算中游边缘计算和下游设备通过升级IC微缩技术改变前端的晶体管结构并在后端加入先进封装技术可以提升AI芯片的性能此外物联网也在人工智能的发展中起着重要的作用由于AI芯片要求的高性能物联网芯片要求低功耗小型化低成本SiP具备的小型化低功耗高性能低成本等特点将成为适用于AI芯片和物联网芯片应用的主要封装技术为了抢占先进封装技术高地全球主要封测厂晶圆厂和IDM厂商都加紧布局先进封装包含OSAT晶圆厂及IDM其中Foundry由于其先具有的工艺技术在先进封装领域具备先发优势表11全球部分先进封装解决方案2D25D3D先进封装方案年份2D25D3D功能密度应用主要生产商FOWLP20092D低智能手机5GAIInfineonNXPINFO20162D中iphone5GAITSMCFOPLP20172D中移动设备5GAISAMSUNGEMIB20182D中GraphicsHPCIntelCoWoS201225D中高端服务器HPCTSMCHBM20153D25D高GraphicsHPCAMDNVIDIAHynixIntelSAMSUNGHMC20123D高高端服务器HPCMicronSAMSUNGIBMARMMicroSoftWide-IO20123D中高端智能手机SAMSUNGFoveros20183D中高端服务器HPCIntelCo-EMIB20193D2D高高端服务器HPCIntelTSMC-SoIC20203D非常高5GAI可穿戴或移动设备TSMCX-Cube20203D高5GAI可穿戴或移动设备SAMSUNG资料来源CEIA电子智造李杨先进封装与异构集成信达证券研发中心国内龙头OSAT积极布局Chiplet相关技术长电科技XDFOI平台以25D无TSV为基本技术平台采用RDLFirst技术具备成本优势可实现2D25D3D集成而通富微电利用次微米级硅中介层以TSV将多芯片整合于单一封装已顺利实现7nm节点量产表12全球主要提供Chiplet封装厂商解决方案汇总公司平台方案主要特点目前公司可支持工艺节点晶圆级TSV利用次微米级interposer以TSV将多芯片整合于单7nm量产5nm完成研发即通富微电VISionS一封装将量产以25D无TSV为基本技术平台具备成本优势可实现长电科技XDFOI4nm2D25D3D集成将25D3D先进封装相关技术整合为3DFabric平台前段技术3DSoIC利用芯片间直接铜键合具有更小间距后段技术25D台积电3DFabric方面CoWos扩展至三种不同转接板技术InFO将封装凸块直接连接到再分配层芯片互连方面使用成熟TSV工艺目前能够将SRAM芯片堆叠在XCube三星生产的7nmEUV工艺的逻辑芯片上三星将一个或多个逻辑die和多个HBMdie水平放置在硅中介层进行ICube异构集成支持增强热管理及稳定的电源供应扇出封装FC排列于BGA上具备RDL允许在多个芯片之间构建日月光FOCoS更短的die-to-die互连能够实现封装内部多个chiplet互联资料来源各公司官网公告等信达证券研发中心整理请阅读最后一页免责声明及信息披露httpwwwcindasccom182IP通过快速复用积累技术提升AI芯片厂商效率对于AI芯片厂商使用成熟稳定的IP核通过快速复用积累的技术可以有效提高芯片设计效率提升芯片设计公司的交付能力同时缩短SoC芯片的开发周期由于IP厂商只设计芯片局部的某些功能模块因而更能够追求这些功能模块设计的最优化AI芯片厂商可以借助先进的IP核保障芯片设计的按时交付截止22H1芯原的图形处理器IP数字信号处理器IP分别排名全球前三芯原的神经网络处理器NPUIP和视频处理器VPUIP全球领先在众多国际行业巨头的各种产品中发挥重要作用目前芯原的神经网络处理器NPUIP已被60余家户用于其110余款人工智能芯片中这些内置芯原NPU的芯片主要应用于物联网可穿戴设备智慧电视智慧家居安防监控服务器汽车电子智能手机平板电脑智慧医疗这10个市场领域奠定了芯原在人工智能领域全球领先的根基风险因素产品技术研发进度不及预期AI产业化进度不及预期请阅读最后一页免责声明及信息披露httpwwwcindasccom19研究团队简介TableIntroduction莫文宇毕业于美国佛罗里达大学电子工程硕士2012-2022年就职于长江证券研究所2022年入职信达证券研发中心任副所长电子行业首席分析师韩字杰电子行业研究员华中科技大学计算机科学与技术学士香港中文大学硕士研究方向为半导体设备半导体材料集成电路设计郭一江电子行业研究员本科兰州大学研究生就读于北京大学化学专业2020年8月入职华创证券电子组后于2022年11月加入信达证券电子组研究方向为光学消费电子汽车电子等机构销售联系全国销售总监韩秋月13911026534hanqiuyuecindasccom华北区销售总监陈明真15601850398chenmingzhencindasccom华北区销售副总监阙嘉程18506960410quejiachengcindasccom华北区销售祁丽媛13051504933qiliyuancindasccom华北区销售陆禹舟17687659919luyuzhoucindasccom华北区销售魏冲18340820155weichongcindasccom华北区销售樊荣15501091225fanrongcindasccom华北区销售秘侨18513322185miqiaocindasccom华北区销售李佳13552992413lijia1cindasccom华东区销售总监杨兴13718803208yangxingcindasccom华东区销售副总监吴国15800476582wuguocindasccom华东区销售国鹏程15618358383guopengchengcindasccom华东区销售李若琳13122616887liruolincindasccom华东区销售朱尧18702173656zhuyaocindasccom华东区销售戴剑箫13524484975daijianxiaocindasccom华东区销售方威18721118359fangweicindasccom华东区销售俞晓18717938223yuxiaocindasccom华东区销售李贤哲15026867872lixianzhecindasccom华东区销售孙僮18610826885suntongcindasccom华东区销售贾力15957705777jialicindasccom华东区销售石明杰15261855608shimingjiecindasccom华东区销售曹亦兴13337798928caoyixingcindasccom华南区销售总监王留阳13530830620wangliuyangcindasccom华南区销售副总监陈晨15986679987chenchen3cindasccom华南区销售副总监王雨霏17727821880wangyufeicindasccom华南区销售刘韵13620005606liuyuncindasccom华南区销售胡洁颖13794480158hujieyingcindasccom华南区销售郑庆庆13570594204zhengqingqingcindasccom华南区销售刘莹15152283256liuying1cindasccom华南区销售蔡静18300030194caijing1cindasccom华南区销售聂振坤15521067883niezhenkuncindasccom请阅读最后一页免责声明及信息披露httpwwwcindasccom20