HeaderTable_User 1147880290 1221034999 HeaderTable_Industry 13021300 看好 investRatingChange.same 173833703 深 度 报 告 东方证券股份有限公司经相关主管机关核准具备证券投资咨询业务资格，据此开展发布证券研究报告业务 东方证券股份有限公司及其关联机构在法律许可的范围内正在或将要与本研究报告所分析的企业发展业务关系。因此，投资者应当考虑到本公司可能存在对报告的客观性产生 影响的利益冲突，不应视本证券研究报告为作出投资决策的唯一因素 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明 【 行 业 证 券 研 究 报 告 】 报告起因： 9月26日，英伟达GPU技术峰会GTC CHINA 在北京开幕，英伟达创始人兼 CEO黄仁勋发表主旨演讲并发布重磅产品及宣布与国内AI龙头公司战略合作计 划和成果 核心观点 与进展：1、推出新版TensorRT 3深度学习应用平台，加速AI推理过程；2、 推出全球第一款机器人芯片XAVIER；3、与海康威视合作打造AI城市，与 京东在仓储机器人与送货无人机方面开展合作；4、 最新计算架构产品已应 用于阿里、腾讯、百度，而华为、浪潮、联想成为HGX云计算服务器国内 OEM商。本次发布会最大亮点在于英伟达的产品布局已经从深度学习算法 的训练环节走向推理环节，从而赋能终端智能化，有望驱动人工智能走向下 一步的产业化落地 为训练和推理两个环节，GPU目前凭借强大的并行计算能力在训练环节占 据着主导性的地位，而随着人工智能逐步走向实际应用，推断环节的计算需 求正日益增加。此次英伟达发布全球第一款用于自动机器人处理的芯片 Xavier，而苹果、高通、华为等巨头也都发布了面向手机智能终端的芯片解 决方案，正推动AI应用在从手机到机器人的众多终端上落地 基于英伟达GPU的可编程推理加速器，通过层级融合、多层级并行计算等 技术，将神经网络结构优化、提供给GPU进行运算。此次TensorRT3广泛 支撑了几乎所有的开源深度学习框架、自身GPU产品线以及应用场景，旨 在构建基于GPU的AI生态，进一步夯实GPU的产业壁垒。目前公司以 TensorRT为核心，在云服务、AI CITY、自动驾驶等诸多方面拓展合作伙伴， 推动AI应用进入加速阶段 投资建议与投资标的 同时完善的AI基础设施将带动更多的细分AI应用生态圈的加速落地；在AI 的确定性产业趋势下，建议关注：AI基础设施类公司、AI应用类公司 (603019，未评级)、浪潮信息(000977，未评级) 大讯飞(002230，买入)、海康威视(002415，未评级)、苏州科达(603660， 买入)、梅泰诺(300038，未评级)、四维图新(002405，增持)、思创医惠 (300078，买入) 风险提示 从Nvidia GTC大会看AI应用进入加速 时代 计算机行业 行业评级看好 中性 看淡 (维持) 国家/地区 中国/A股 行业 计算机 报告发布日期 2017年09月28日 行业表现 资料来源：WIND 证券分析师 游涓洋 010-66210783 youjuanyang@orientsec 执业证书编号：S0860515080001 联系人 梁国柱 021-63325888-3210 liangguozhu@orientsec 相关报告 从科学效应到人工智能:制造业人工智能 应用正起步 2017-09-26 寒武纪芯片受关注，语音助手开始“抱团” ——人工智能月报2017年8月期 2017-09-11 人工智能芯片弯道超车机遇：构建AI芯片 生态，抢占AI产业高点 2017-09-05 -25% -12% 0% 12% 25%/09/10/11/12/01/02/03/04/05/06/07/08 计算机沪深300HeaderTable_TypeTitle 计算机动态跟踪 ——从Nvidia GTC大会看AI应用进入加速时代 目 录 一、GTC China亮点颇多，Nvidia发布重磅产品与战略合作4 二、AI计算由训练走向推理环节，推动AI应用加速落地 ...... 4 2.1、从训练到推理，AI计算需求不断延伸4 2.2、从手机到自动机器人，智能芯片推动AI应用落地 ...... 6 三、TensorRT 3应用平台：AI时代下，构建生态的核心 ...... 8 3.1、新版深度学习应用平台TensorRT 3，构建基于GPU的AI生态 ........ 8 3.2、以TensorRT为核心拓展合作伙伴，AI应用进入加速阶段 ... 10 风险提示 ...... 12HeaderTable_TypeTitle 计算机动态跟踪 ——从Nvidia GTC大会看AI应用进入加速时代 图表目录 图 1：2017 GTC China发布要点4 图 2：摩尔定律失效，计算需求与性能之间出现明显缺口 5 图 3：英伟达数据中心产品业务收入近年来大幅扩张 ....... 5 图 4：深度学习主要可以分为训练和推断两个环节 .......... 5 图 5：训练环节和推理环节计算市场规模预计 ..... 6 图 6：英伟达发布世界第一款用于自动机器人处理的芯片Xavier6 图 7：英伟达的Xavier将会用在京东的仓储机器人和送货无人机等一系列自主机器人当中 ........ 7 图 8：华为麒麟970芯片实现应用智能升级 ........ 8 图 9：TensorRT：通过层级融合、多层级并行计算等技术，优化推理计算流程 .. 9 图 10：TensorRT 3三大进化：将英伟达GPU以更佳的性能推向更广阔的应用领域 ...... 9 图 11：TensorRT 3：构建基于GPU的AI生态，进一步夯实GPU的产业壁垒10 图 12：TensorRT平台能够给诸多应用场景带来明显的AI计算性能方面的提升 ........... 10 图 13：中国AI五巨头，都已采用英伟达的推理平台 ..... 11 图 14：海康威视：“前端智能+后端分析”的人脸卡口 .. 11 图 15：海康威视：“脸谱”人脸卡口智能分析平台 ........ 11 图 16：在自动驾驶领域构建合作生态：加快各领域生态建设、落地AI应用 ..... 12 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明 HeaderTable_TypeTitle 计算机深度报告 ——从Nvidia GTC大会看AI应用进入加速时代“下一个AI时代，是AI离开云端，走入与人类交互的机器中来” — 黄仁勋，Nvidia CEO 一、GTC China亮点颇多，Nvidia发布重磅产品与战 略合作 9月26日，英伟达在北京召开了2017 GTC China（GPU技术大会中国分会），CEO黄仁勋在主 题演讲中对重磅新产品进行了发布，并公布与国内顶尖公司的业务合作计划与进展，包括： 1、 推出新版TensorRT 3深度学习应用平台，从而帮助下游客户对AI应用的推理过程进行加速； 2、 推出全球第一款机器人芯片XAVIER、打造机器人大脑； 3、 与海康威视合作打造AI城市，与京东在仓储机器人与送货无人机方面开展合作； 4、 英伟达最新计算架构产品Tesla V100已应用于国内顶级云服务商阿里、腾讯、百度，而HGX 云计算服务器在国内将会由华为、浪潮、联想作为OEM商进行代理 图 1：2017 GTC China发布要点 技术领域 产品与应用 具体情况 芯片 XAVIER芯片 全球第一款用于自动机器人的芯片，可支撑计算机视觉、深度学习等应用，具备超高计算力与能效比 计算平台与架构 云平台 阿里、百度、腾讯均在云数据中心中采用Tesla V100 服务器 HGX云计算服务器将会与华为、浪潮、联想等OEM商合作 应用平台 深度学习应用平台TensorRT 3 作为可编程应用平台，可协助用户快速完成 AI 推理引擎布署，中国AI 5巨头均已 下游行业应用 安防 海康威视安防从训练到应用的端到端解决方案，未来共同打造AI城市 自动驾驶 可支持L3-L51自动驾驶能力，45家自动驾驶技术研发公司使用英伟达的自动驾驶平台 自主机器人 将基于Xavier与京东合作打造仓储机器人jROVER＋京东送货无人机jDRONE等机器人 数据来源：GTC CHINA2017，东方证券研究所 从发布会上可以看到，目前英伟达已经形成从GPU芯片、SOC芯片、计算平台、应用平台的完 整生态，并与业内顶尖厂商形成密切合作，加速AI应用的落地。我们认为此次发布会的最大亮点 在于英伟达的产品布局已经从深度学习算法的训练环节走向推理环节，从而赋能终端智能化，有望 驱动人工智能走向下一步的产业化落地 二、AI计算由训练走向推理环节，推动AI应用加速落 地 2.1、从训练到推理，AI计算需求不断延伸 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明 HeaderTable_TypeTitle 计算机深度报告 ——从Nvidia GTC大会看AI应用进入加速时代随着摩尔定律的失效以及深度学习算法对于并行计算的高要求，GPU已成为支撑AI计算的核心部 件，这使得GPU的领导性厂商英伟达在过去几年里由一家单纯的图像处理器厂商变身为一家人工 智能计算公司，其GPU芯片在数据中心和服务器市场的收入也获得了爆发性的增长 图 2：摩尔定律失效，计算需求与性能之间出现明显缺口图 3：英伟达数据中心产品业务收入近年来大幅扩张 数据来源：AMD、东方证券研究所数据来源：Nvidia，东方证券研究所 深度学习主要可以分为训练（Training）和推理应用（Inference）两个环节。训练环节通常是对海 量的数据进行密集的并行运算后，训练出一个复杂的深度神经网络模型，针对性地解决图像识别或 语音识别等问题。由于训练过程涉及到海量的训练数据和复杂的深度神经网络结构，需要的计算规 模非常庞大，通常需要GPU集群训练几天甚至数周的时间。而推理应用环节则是利用训练好的模 型，使用心得数据去“推断”出各种结论，如视频监控设备利用模型对抓拍到的人脸来判断是否是 重点关注人员，推理应用环节的计算量比训练要少，但是仍然涉及大量的矩阵运算，同时根据应用 场景的不同，对运算的实时性与功耗可能有较高要求 图 4：深度学习主要可以分为训练和推断两个环节 数据来源：互联网资料，东方证券研究所 凭借GPU强大的并行运算能力，英伟达此前在深度学习的训练环节占据了主导性的行业地位：亚 马逊AWS、微软Azure等全球领先的云服务商及国内国内的领先的云服务商阿里、百度、腾讯也 都把英伟达的GPU作为标配，而科大讯飞、海康威视、商汤等国内AI领先者也都利用英伟达的 129 199 317 339 830 825 54% 59% 7% 145% 181% 0% 50% 100% 150% 200%100 200 300 400 500 600 700 800 900 201220132014201520162017H1 收入（百万美元） YoY
。。。以上简介无排版格式，详细内容请下载查看