人工智能行业深度报告：AI算力需求快速增长，平台化基础设施渐成焦点

AI 产业上游产品标准化程度趋高，市场集中度提高趋势初显；中下游定制化开发占比较大，市场分散。以 AI 芯片和系统开发框架为主的上游具有通用性特征，容易形成标准化产品，且产品技术壁垒高。

AI 产业上游产品标准化程度趋高，市场集中度提高趋势初显；中下游定制化开发占比较大，市场分散。以 AI 芯片和系统开发框架为主的上游具有通用性特征，容易形成标准化产品，且产品技术壁垒高。在行业中下游，由于场景碎片化，软硬件产品定制化开发占比较大，商业模式以项目制为主，但随着场景普适化，在算法和硬件方面也逐步模块化。

前端设备预计将呈现出软硬件融合发展的趋势，后台设备中的软件和硬件预计将向更加专业化的方向发展。前端设备中，不同硬件搭载的软件功能各异，接口不一，AI 算法针对特定设备的定制化程度较高。在服务器和数据中心等后台设备中，行业级软件平台所需处理的数据类型多样，算法更加综合，需要专用的 AI 芯片的支持，软硬件的专业化程度较高、投入较大。

AI 应用场景广阔，独立 AI 公司快速成长。在传统行业智能化改造需求旺盛的背景下，独立 AI 公司规模持续扩大。18-21 年，寒武纪、商汤、科大讯飞的营收 CAGR 分别为 83.3%、36.4%和 32.3%。

AI 平台化基础设施为各场景广泛赋能。以 AI 芯片和开发环境与框架为基础的算力基础平台具有各场景通用的属性，标准化程度较高，已实现规模化应用。寒武纪开发的 AI 算力产品已广泛应用于云边端各场景，带动公司营收快速增长。18-21 年，寒武纪营收 CAGR 明显高于其他偏应用的 AI 公司。

GPU 是主流 AI 芯片，FPGA 和 ASIC 在部分场景中的性能有望超过GPU。GPU 凭借其强大的计算能力、较高的通用性和性能的持续提升，预计将延续 AI 芯片的主要市场份额。针对神经网络训练特定设计的ASIC 类芯片专用性更强，对于部分算法的加速效果有望超过 GPU；FPGA 兼顾效率和灵活性的优势，在应用和算法变化较多的场景中优势明显，更适用于各种细分行业。

AI 算力已成为数据中心算力的主要驱动力之一。17-21 年，英伟达数据中心业务收入 CAGR 为 53.1%，显著高于英特尔数据中心业务的7.9%。19 年中国的服务器出货量为 319 万台，其中 AI 服务器出货量为 7.9 万台，渗透率为 2.5%，较 18 年提升 0.9pct。21 年 1 月到 22年 2 月，全国规划、在建和投入运营的人工智能计算中心超过 20 个。