文/贏乾寶
未來各領風騷
AI芯片繁榮共生，GPU引領主流，ASIC割據一地，看好未來各領風騷。
後摩爾定律時代，我們一直強調，AI芯片市場百花齊放，深度學習計算中的芯片部署並不是零和博弈。GPU依靠通用、靈活的強大並行運算能力仍然最為廣泛的契合當前目前人工智能監督深度學習的主流需求。而隨著GAN / 強化學習成為新熱門，GPU加速器提供了深度學習重要的數據處理需求，並且數據密集型workload的常態下，3-5年內深度學習對GPU的市場需求仍然旺盛。
包括AlphaGo在與李世石的世紀大戰中使用的服務器搭載了1202個CPU和176個GPU，CPU:GPU的比例約為7:1。我們認為當下可把AlphaGo看成並行計算能力和速度要求的標誌性開端，那麼現有GPU在人工智能深度學習不到10%的滲透率上將會有極為可觀的增長空間。
另外以TPU為代表的AISC定製化芯片在確定性執行模型(deterministic execution model)的應用發揮，是最大化性能需求和成本能耗平衡的重要手段。我們將看到深度學習ASIC包括英特爾的Nervana Engine，Wave Computing的數據流處理單元，英偉達的DLA等逐步面市，依靠硬件特製和效能優勢，未來在深度學習領域發揮更大功效。
英偉達GPU強勢發力停不下來
英偉達GPU巨頭繼續發力數據中心，Volta自上而下擴張版圖。
英偉達預測數據中心市場空間可達300億美元，包括深度學習上游訓練端110億美元，下游推理端150億美元，以及超算HPC的40億。我們認為數據中心加速市場空間呈現不斷擴大發展趨勢。目前全球雲計算巨頭基本使用英偉達GPU進行深度學習與算法加速。
英偉達發佈全新Volta構架Tesla V100 GPU，配合張量處理指令Tensor Core，將訓練吞吐量提高至上代Pascal的12倍。針對推理端推出的TensorRT推理引擎，自上而下的對訓練、推理兼顧，擴張版圖。我們認為，英偉達將依靠Volta構架升級以及廣泛成熟的開發生態環境，在數據中心加速市場中搶灘訓練端，與AMD的競爭中穩固先發優勢，並向推理端加速佈局。
估值方面：當前公司TTM PE和PS分別在46.6x和10.4x高位，但我們認為公司在數據中心和自動駕駛市場的深厚佈局預期尚未完全兌現，高增速下有向千億市值增長的空間。軟銀增持公司股份亦為公司成長加持。根據彭博一致預期2017年EPS 3.59美元，營收82.2億美元計算，我們給予50x PE / 13x PS，目標價格從125上調至180美元，重申“買入”評級。
Google的AI帝國
Google TPU自下而上衝入雲端，AI First軟硬兼施打造AI帝國。
Google發佈第二代TPU，針對TensorFlow進行專門優化，能夠同時應用於高性能計算和浮點計算。與第一代TPU只能應用於深度學習推理不同，第二代TPU還可進行上游訓練。隨著全新TPU部署在Google Compute Engine平臺上，第二代TPU作為雲計算硬/軟件系統核心加速器，將真正進入雲端。由64臺TPU組成的TPU Pod，算力達11.5 petaflops。Google表示1/8個TPU Pod在對一個大型機器翻譯模型訓練的只需要6個小時，訓練速度是市面上32塊性能最好的GPU的4倍。
當下Google不會直接銷售硬件，但將TPU部署在雲計算中以雲服務形式進行銷售共享，在為數據中心加速市場帶來全新的需求體驗的同時，可進一步激活中小企業的雲計算需求市場，另闢AWS、Azure之外蹊徑。
我們看好Google長期隨著人工智能技術的部署落地以及Other Bets創新實現，基於公司AI First戰略規劃打造AI軟硬件一體化生態圈帝國。當前公司TTM PE為33.6x，根據彭博一致預期2017年EPS 33.87美元，我們給予35x PE，目標價從1000美元上調至1200美元，重申“買入”評級。
