随着深度学习算法趋于成熟，人工智能技术有了突飞猛进的发展。技术的进步促使多行业领域应用进入落地阶段以及资本的踊跃投入。充分意识到人工智能的重大战略意义，国家的重磅级产业支持政策开始不断出台，人工智能大时代已经到来。根据国务院《 新一代人工智能发展规划》 2020 年我国人工智能产业总规模将达 1500 亿元，其中智能计算芯片市场规模预计将达 100 亿元。芯片是我国人工智能产业中较为薄弱的一环，受海外技术限制严重，受益于人工智能产业和国产化安全需求拉动， 颇具发展潜力和投资价值。

CPU 是数据中心传统支柱， GPU 凭借强大的并行运算能力迅速崛起

CPU 作为计算和控制核心，是数据中心的传统支柱，由于内部结构的原因，从运算性能和效率角度考虑并不是计算芯片的最佳选择，未来将更多与其他专用计算芯片搭配使用。 GPU 内部结构更适合大规模并行计算且通用性强，因此近年来被广泛应用于高性能计算和人工智能计算，但同时也有能耗比较高的缺点。

FPGA：可编程配置灵活，高性能低功耗优势明显

FPGA 属于半定制化芯片解决方案，可以通过编程灵活地针对算法修改电路，提前把固定算法的数据流以及执行指令写在硬件里，节约了指令获取和解码时间从而大幅提高效率。测试结果表明 FPGA 计算速度接近 GPU远高于 CPU，但能耗远低于 CPU 和 GPU。由于算法实现通过编程进行，不需要专门的电路设计， 因此开发成本较低，但 FPGA 本身需要从专业厂商采购，因此硬件成本相对比较高。

ASIC 神经网络处理器具备优良性能，是智能芯片终极解决方案

神经网络处理器从硬件方向对神经网络结构进行模拟，并对神经元和突触数据在芯片上的传输提供了一系列专门的支持，属于高度定制化智能计算芯片。相比于 CPU 和 GPU，神经网络处理器依靠模拟神经网络突触的海量运算单元，性能达到百倍提升；相比于 FPGA，神经网络处理器由于工艺的提升主频大幅提高，性能、功耗比也远远超过 FPGA。可以说神经网络处理器芯片是智能计算芯片终极解决方案。华为麒麟 970 芯片和苹果A11 处理器的推出标志着神经网络处理器在移动端已经进入实用化阶段。

投资建议：看好智能计算芯片在国产安全及人工智能领域的前景

重点推荐拥有成熟产品和军工市场，高度稀缺的国产 GPU 标的【景嘉微】；重点关注获得 AMD 最新架构服务器 CPU 授权设计开发，并与寒武纪、英伟达战略合作的【中科曙光】；参与寒武纪科技天使轮投资的 AI 算法及行业应用龙头【科大讯飞】以及与华为深度合作定制开发 AI 芯片支持软件的【中科创达】。