AI芯片相比通用芯片在执行AI算法时效率更高、成本和功耗更低
　　AI芯片近年来持续火热，新入局者越来越多，根据Gartner的预测，全球AI芯片市场规模将在未来五年内飙升，从2018年的42.7亿美元增长至343亿美元。http://www.hibor.com.cn【慧博投研资讯】
　　AI芯片按技术路线可分为GPU、FPGA和ASIC，按功能可分为云端训练芯片、云端推断芯片和终端推断芯片。http://www.hibor.com.cn（慧博投研资讯）相比CPU，AI芯片在执行深度学习算法时效率更高、成本和功耗更低，但其通用性相对较差。
　　我们长期看好深度学习专用芯片ASIC的发展，随着人工智能逐渐普及，出货量的提升可以大幅摊薄ASIC前期投入成本，使之成为效率最高、功耗和成本最低、最适合于人工智能的芯片。
　　一级市场上，中国AI芯片融资总金额超过30亿美元。2015年前后涌现出一批AI芯片创业企业，同时有许多算法公司向上游拓展开发AI芯片。
　　人工智能时代开启，多重因素共同推动对云端AI芯片的需求
　　摩尔定律逐渐失效，通用处理器CPU的算力无法持续提升，未来进一步提高算力只能牺牲芯片通用性。我们认为，一款AI芯片成功市场化必须具备两大条件：（1）足够广的应用空间；（2）相比CPU具备足够大的性能提升。算力是人工智能三大驱动力之一，人工智能市场发展不断拉动上游AI芯片的需求。预计中国2020年人工智能市场规模达710亿元，5年复合平均增长率达44.5%。
　　中兴事件及中美贸易战以来，国内对芯片自主可控的紧迫性提高，人工智能作为未来国家发展的战略高地，政策利好云AI芯片的发展。
　　云端AI芯片：英伟达遥遥领先，看好国内具备人才、资本和云巨头或国企背景的AI芯片厂商
　　全球云端AI芯片市场规模快速增长，预计在2020年将接近140亿美元。GPU因其通用性和高性能称霸云端训练市场，在云端训练市场上占比90%，云端推断市场上占比60%。
　　在竞争格局上，英伟达在数据中心GPU市场占比超过80%，是当之无愧的领导者。高性能和良好的软件生态使其成为目前最成熟的AI芯片。
　　行业趋势：AI芯片走向专用化，云巨头跨界造“芯”抢占战略高地。由于GPU并不是为深度学习算法专门设计，在性能和功耗上仍有较大的提升空间。国内外云巨头纷纷研发AI芯片，争取占据人工智能时代的战略高点，其中谷歌的TPU为典型代表。
　　从AI芯片巨头英伟达崛起之路看国内企业破局之道
　　（1）英伟达独具战略眼光，持续十几年挖掘GPU高性能计算潜力，使GPU从游戏显卡转变为计算加速器是其抓住人工智能风口的最大原因；（2）以高附加值。覆盖面广吸引开发者共建CUDA软件生态成为英伟达GPU核心竞争力，同时资助高校、研究所等科研机构利用CUDA从事研究工作；（3）基于同一GPU架构实现多产品范围经济，并利用不同市场取得的收益持续提高架构性能形成良性循环。
　　从英伟达的发展史我们看好具备下列特征的企业：（1）优秀的芯片开发技术和一以贯之的战略执行力；（2）软件开发及生态构建能力；（3）具备客户资源，如具有云巨头或国资背景的企业。
　　优秀企业推荐
　　我们认为深度学习专用芯片ASIC是国内企业的机会，看好具备技术及生态构建能力的优质企业，重点推荐寒武纪、华为海思和比特大陆。新三板企业中重点关注为智能硬件全面提供高品质数模混合IC的艾为电子（833221.OC）。
　　风险提示
　　人工智能发展不及预期；AI芯片发展不及预期。