1、 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 Table_Industry 半导体 Table_ReportDate2023 年 2 月 7 日 请阅读最后一页免责声明及信息披露 http:/ 2 证券研究报告 行业研究 行业专题研究（普通）半导体半导体 投资评级投资评级 看好看好 上次评级上次评级 看好看好 Table_Author 莫文宇 电子行业首席分析师 执业编号：S1500522090001 联系电话：13437172818 邮 箱： 信达证券股份有限公司 CINDA SECURITIES CO.,LTD 北 京 市 西 城 区 闹 市 口 大 街9号
2、院1号 楼 邮编：100031 Table_Title AIGC 推动推动 AI 产业化由软件向硬件切换，半导体产业化由软件向硬件切换，半导体+AI 生态逐渐清晰生态逐渐清晰 Table_ReportDate 2023 年 02 月 07 日 本期内容提要本期内容提要:Table_Summary Table_Summary AIGC 是什么：与传统是什么：与传统 AI 应用最大的区别在于其可以应用最大的区别在于其可以“创作创作”全新的内容。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
3、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，赋予人工智能大规模落地场景，国内芯片有望切入国内芯片有望切入 MaaS 产业生态产业生态。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
4、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。数字化数字化+智能化浪潮推动智能化浪潮推动 AI 芯片市场迅速成长。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
5、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，技术层面，AI 芯片根据其技术架构，可以分为芯片根据其技术架构，可以分为 GPU、FPGA、ASIC 和类脑芯片，和类脑芯片，同时同时 CPU 也可用以执行通用也可用以执行通用 AI 计算。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 GPU AI 芯片则在快速迭代实现替代。投资建议投资建议：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
6、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/AI SoC 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：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。rQmPnNpPvNrPsPnRoOmQsRaQaObRnPqQmOsRjMrRtRfQpPsN7NqRpRuOsOwONZnPoN 请阅读
7、最后一页免责声明及信息披露 http:/ 3 目 录 从分析到生成，AI 产业化应用迈入新阶段.4 AI 芯片：算力的硬件基石.7 投资建议.13 风险因素.19 表 目 录 表 1：AI 芯片根据技术架构分类.7 表 2：AI 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 AI SoC 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
8、表 10：主流 Chiplet 设计方案.17 表 11：全球部分先进封装解决方案（2D/2.5D/3D）.18 表 12：全球主要提供 Chiplet 封装厂商解决方案汇总.18 图 目 录 图 1：ChatGPT 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 3：AI 算法发展历史.5 图 4：MaaS 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 7：CPU 与 GPU 的架构差异对比.8 图 8：英伟达 A100 Tensor Core GPU
9、.8 图 9：英伟达编程框架 CUDA.8 图 10：FPGA 内部结构.9 图 11：ASIC 与 FPGA 计算性能对比.9 图 12：ASIC 与 FPGA 成本对比.9 图 13：高通 AI Engine 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：TOPS）.11 图 16：全球 AI 服务器市场规模及预测.11 图 17：2021 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 http:/ 4 从分析到生成，AI 产业化应用迈
10、入新阶段 AIGC 与传统与传统 AI 应用最大的区别在于其可以应用最大的区别在于其可以“创作创作”全新的内容。全新的内容。AIGC(Artificial Intelligence Generated Content)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
11、据，了解图像的结构和特征，并使用这些知识生成新的图像。图图 1：ChatGPT 回答回答 AIGC 与传统与传统 AI 应用有什么区别应用有什么区别 资料来源：ChatGPT，信达证券研发中心 现阶段现阶段 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。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，Stability AI 发布的开源模型 Stable Diffusion 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
12、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。图图 2：内容创作的四个阶段，未来以：内容创作的四个阶段，未来以 AI 创作为主创作为主 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 http:/ 5 AIGC 应用的应用的强劲增长强劲增长得益于生成型神经网络得益于生成型神经网络的快速发展。的快速发展。生成型神经网络（Generative Neural Networks）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
13、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。图图 3：AI 算法发展历史算法发展历史 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 http:/ 6 模型即服务（Model-as-a-Service，MaaS）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
14、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 MaaS toB/toG 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。图图 4：MaaS 生态下，中间层才是生态下，中间层才是 AI 芯片芯片最大的客户最大的客户 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
15、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。内容创作者芯片采购方 请阅读最后一页免责声明及信息披露 http:/ 7 AI 芯片：算力的硬件基石芯片：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。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
16、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 23.8。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 27.9。图图 5：全球：全球 AI 芯片市场规模芯片市场规模 图图 6：中国中国 AI 芯片市场规模芯片市场规模 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：技术层面上：AI 芯片根据其技术架构，可以分为芯片根据其技术架构，可以分为 GPU（图形处理器）、（图形处理器）、FPGA（现场可编程（现场可编程门阵列）、门阵列）、ASIC（专用集成电路）和类脑芯片，同时（专用集成电路）和类脑芯片，同时 CPU 也可用以执行通用也可用以执行通用 AI 计算。计算。表表 1：AI 芯片根据技术架构分类芯片根据技术架构分类 技术架构种类技术架构种类 定制