事件:根据公司发布会新闻,GPU 巨头企业NVIDIA 宣布推出一款致力于加速人工智能和深度学习的芯片Tesla P100,同时推出的还有全球首款面向深度学习的超级计算机NVIDIA DGX-1。

点评:

以深度学习为代表的人工智能新计算需求推动底层硬件架构的变革。深度学习的基本操作是神经元和突触的处理,人工神经网络的训练计算需要大规模的并行计算,而传统处理器指令集(包括x86 和ARM 等)对深度学习的处理效率很低,往往需要数百甚至上千条指令才能完成一个神经元的处理,故Google、Facebook 等目前世界领先的人工智能巨头都在使用GPU(显卡计算芯片,更适合于并行计算)作为加速深度学习算法的计算元器件,典型的例子是最高配置的AlphaGo 使用了1920 个CPU 和280 个GPU。

相对于使用GPU 等已有元器件,为深度学习专门定制硬件是必然趋势。回顾计算机行业发展史,新的计算模式往往催生新的专用计算元器件,GPU就是针对图像处理的特殊需求应运而生的新型计算芯片,但本质上并非专门为深度学习需求而设计,处理效率仍然存在瓶颈。针对深度学习这一全新的计算模式专门定制芯片和硬件架构是必然趋势,此次NVIDIA 发布的首款加速人工智能和深度学习的芯片Tesla P100 数据处理速度是其2014 年推出显卡系列的12 倍。除NVIDIA 外,我国中科院计算所在2014 年就提出了首个深度学习处理器“寒武纪”和相应指令集,IBM 在2014 年也首次推出了其模仿人脑神经元的专用芯片truenorth,商汤科技自主研发的深度学习平台操作系统parrots 和专用深度学习机器Sensebox,浪潮近期也发布了专门深度学习计算框架Caffe-MPI。

作为全球领先的商用芯片公司,NVIDIA 重注深度学习芯片意义重大。芯片产业作为IT 产业最上游,投入大周期长风险大,需要对未来3-5 年整个IT产业发展趋势有非常精准的前瞻判断和相当魄力的投入才能取得成功。NVIDIA 正是敏锐抓住图形处理计算需求打造GPU 芯片而崛起的全球领先芯片设计公司,此次研发投入超过20 亿美元在深度学习专用芯片,没有基于对未来几年下游人工智能应用生态繁荣的坚定信心是不敢下此重注的,而其芯片在无人驾驶车载计算平台取得的初步成功也验证了这一判断的正确性。同时这也意味着从芯片层面开启的新一轮计算模式变革拉开帷幕,是人工智能产业正式走向成熟的拐点。

投资建议:

1、英伟达发布专门面向深度学习的芯片和计算机是人工智能产业开始走向成熟的重要标志,重点推荐已经在人工智能算法芯片化方向上开始前瞻布局公司:东方网力(合作方商汤科技自主研发深度学习平台操作系统parrots 和专用深度学习机器Sensebox)神思电子(正在研究基于多种生物特征融合的识别算法、算法模块的小型化、芯片化)长高集团(收购国内图像识别优质公司金惠科技正在布局打造GPU+FPGA 的新型深度学习硬件平台)

2、专用深度学习芯片和计算平台将大大提升人工智能算法运行效率,推动产业应用加速发展,继续重点推荐思创医惠(与全球人工智能龙头IBM 沃森合作)、科大讯飞("讯飞超脑"进军认知智能制高点)、同花顺(多年打造人工智能投资机器人业绩惊艳)、科远股份(工业机器人龙头积极布局服务机器人)、汉王科技(人脸识别、读写识别等)。此外,近期有多家公司进军图像识别或指纹识别等人工智能基础领域,我们也建议关注这类预期差相对较大的公司,包括远方光电、中源协和、北部湾旅、奥飞动漫、昆仑万维、江南化工等。

风险提示:行业应用落地不及预期。