 ==>> 点击下载文档 |
随着GPU被A.I研究人员引入深度学习领域，其在并行计算、浮点运算
方面强大的性能被进一步发掘，开始向通用化方向发展，进入GPGPU
（General Purpose GPU，即通用计算图形处理器）时代
GPU已经在A.I数据中心广泛应用
目前，由CPU+GPU异构系统服务器搭建的A.I数据中心是承担A.I学
习过程（也称训练过程）海量数据处理任务最主流的方案，以利用GPU
强大的并行计算、浮点运算能力和CPU复杂灵活的逻辑控制能力。几
乎所有互联网巨头都在依靠强大的GPU加速深度学习应用，处理复杂
的算法及海量的数据，提高人工智能运行速度和执行效果
GPU在A.I数据中心领域对A.I专用芯片的技术突袭防御性较强
相比于由图形处理器演进而来的GPU，当前许多公司基于FPGA、ASIC
从事A.I专用芯片研发，以挑战GPU在A.I领域的霸主地位，我们认为
GPU在A.I数据中心领域对A.I专用芯片的防御性较强。GPU的性能特
点与A.I数据中心对处理器的需求非常契合，并且在长时间的应用、优
化、验证中已经形成了完整的行业生态，相比较而言，无论是FPGA、
还是ASIC路线A.I专用芯片，都尚处于发展阶段，而要成功打造一款
通用芯片，时间的积淀非常重要。但是不可否认的是，长期来看，GPU
能耗高、价格贵等问题也给A.I专用芯片留下了机会
GPU的A.I数据中心市场将继续保持高速增长
目前，A.I数据中心尚处于早期发展阶段，主要是互联网巨头在A.I深
度学习研发阶段部署A.I数据中心，许多A.I潜在应用行业客户尚未部
署自己的A.I数据中心。随着A.I的纵深发展，未来A.I数据中心的数
据、流量和处理能力将继续提升，A.I数据中心的数量和规模将会持续
增长，GPU在数据中心的市场规模将会进一步爆发
风险提示：GPU在A.I数据中心的市场规模增速不及预期，A.I专用芯
片的技术突袭
[Table_Invest]
优于大势
上次评级：优于大势
[Table_PicQuote] 历史收益率曲线
-22%
-13%
-4%
5%
14%
201
6/11
201
6/122017/12017/22017/32017/42017/52017/62017/72017/82017/9
201
7/10
计算机沪深300
[Table_Trend] 涨跌幅（%） 1M 3M 12M
绝对收益 -4.85% 4.90% -14.07%
相对收益 -9.29% -2.29% -34.16%
[Table_Market] 重点公司 投资评级
英伟达 买入
景嘉微 买入
[Table_Report] 相关报告
《A.I芯片——下一代计算革命基石》
2017-09-15
《人工智能：人工智能规划出台，智能新时
代开启》
2017-07-21
证券分析师：闻学臣
执业证书编号：S0550516020002
联系人：蔡世杰
010-58034604 caishijie@nesc
/计算机
发布时间：2017-11-03
请务必阅读正文后的声明及说明 2 / 24
[Table_PageTop] 行业深度报告
目 录
1. GPU—擅长并行计算的处理器 . 4
1.1. GPU架构......4
1.2. GPU性能......6
2. GPU—图形处理界的王者......... 8
2.1. PC时代，GPU在图形处理的广泛应用....8
2.2. 智能手机时代，移动端GPU的适应性.....9
3. A.I时代GPU转型，迎来产业第二春 ........... 11
3.1. A.I需要GPU加速计算 .... 11
3.2. GPU在A.I数据中心广泛应用 .... 11
3.3. 龙头厂商深耕A.I处理器市场 .....13
4. GPU—A.I数据中心加速引擎. 15
4.1. 后浪未起，GPU将在数据中心长足发展15
4.2. 数据中心市场仍存成长空间.........18
5. 重点推荐标的 .. 19
5.1. 制霸GPU市场龙头——英伟达...19
5.2. 国内布局企业——景嘉微.22
6. 风险提示 ......... 23
淘宝店铺
“Vivian研报”
收集整理
获取最新报告及后续更新服务请淘宝搜索“Vivian研报”
请务必阅读正文后的声明及说明 3 / 24
[Table_PageTop] 行业深度报告
图目录
图1：显卡的内部构造4
图2：CPU与GPU逻辑结构对比 ....... 5
图3：英伟达GM200处理器结构 ........ 5
图4：谷歌猫脸识别和ImageNet图像识别 ...... 7
图5：PC端GPU市场份额..... 8
图6：移动处理器与PC处理器架构 .... 9
图7：高通Adreno的Shader内部结构 ......... 10
图8：全球GPU厂商出货量占比 ...... 10
图9：CNTK与其他框架相比计算速度 ......... 12
图10：Facebook的A.I训练服务器——Big Basin ..... 12
图11：异构系统服务器中GPU占总成本比例 ........... 13
图12：英伟达HGX-1宣传照 ........... 14
图13：CUDA提供的算法库以及开发工具 .... 15
图14：采用英伟达GPU加速深度学习的企业及领域分布 ..... 16
图15：GPU浮点运算能力 .... 17
图16：超大规模数据中心数量预测 ... 18
图17：英伟达2017财年各部分收入占比 ...... 20
图18：英伟达产品分维度图谱 .......... 20
图19：英伟达产品结构图 ..... 21
图20：英伟达达2011-2017财年收入及归母净利润（亿美元）.......... 21
图21：英伟达2015Q1-2018Q1数据中心GPU收入（亿美元） ......... 22
图22：景嘉微收入构成......... 23
图23：景嘉微2012-2017营业收入及净利润.. 23
表目录
表 1：GEFORCE GTX 1080 Ti显卡参数 ....... 6
表 2：英伟达游戏显卡价格 .... 7
表 3：英伟达Tesla系列加速卡价格.... 7
表 4：采用英伟达GPU加速深度学习的公司 16
表 5：A.I数据中心GPU市场规模 ... 19
请务必阅读正文后的声明及说明 4 / 24
[Table_PageTop] 行业深度报告
1. GPU—擅长并行计算的处理器
1.1. GPU架构
GPU（Graphics Processing Unit）是图形处理单元。是个人电脑、工作站以及移动
设备等用来进行图像处理的微处理器。显卡是连接计算机主板和显示器的重要元
件，可以接受主板的控制信号，转换成显示器能够识别的命令，控制显示器正确显
示图像信息。而GPU就是显卡的处理器，是显卡的“大脑”，专门用来处理图形计
算任务
图1：显卡的内部构造
数据来源：英伟达，东北证券整理
GPU架构特点。GPU架构特点与其需要处理的任务相关，其处理和显示的计算机
图形本质上都是二维数据矩阵。计算机图形显示的基本单元是像素点，众多像素点
构成各种线段、平面和形状，通常我们说的320*215的显示屏是指像素点行数是320
个，列数是215个，构成一个320*215的矩阵，布满整个屏幕。由于图像信息都是
以这种矩阵像素点形式存储和呈现的，因此处理图片的GPU需要以矩阵形式存在
的基本处理单元，来分块处理这些矩阵数据
GPU与CPU区别。从GPU与CPU架构对比图可以看出，CPU的逻辑运算单元
（ALU）较少，控制器（control）占比较大；GPU的逻辑运算单元（ALU）小而多，
控制器功能简单，缓存（cache）也较少。GPU的众多逻辑运算单元呈矩阵排列，
可以并行处理数量众多但较为简单的处理任务，图像运算处理就可以进行这样的拆
解。GPU单个运算单元处理（ALU）能力弱于CPU，但是数量众多的运算单元可
以同时工作，当面对高强度并行计算时，其性能要优于CPU
。。。以上简介无排版格式，详细内容请下载查看
