一、Amazon 和 Google 布局全球的高速计算网络及未来的人工智能
高性能计算（HPC）始于1970年在政府和教育等领域的应用，1980 年福特、丰田等汽车制造行业开始应用高性能计算，21世纪后随着互联网行业的高速发展，高性能计算的应用领域越来越多。据IDC数据，2015年高性能计算市场营收增长了11%，达到114亿美金。从下游应用领域来看大数据/机器学习和互联网/云计算占比最高，合计超过 75%，客户主要集中在企业级用户。
云计算方面，根据市调机构 Synergy Research与Canalys 的最新报告显示，2017年第三季度云基础设施市场上，亚马逊AWS的优势依然明显。
AI运算方面，GPU在作为图形显卡多年之后，相比于CPU，其优秀的交叉运算能力终于再一次被发掘。在英伟达Tesla GPU和英特尔 Xeon Phi对比中，英伟达的优势愈发明显了，而且28个英伟达Tesla GPU芯片中，22个是英伟达明星芯片Tesla P100。
参考观研天下发布《2017-2022年中国计算机通信及数据传输行业发展调研及投资方向研究报告》
而谷歌在I/O大会上也公布了最新的机器学习算法—AutoML，一种能够帮助开发者构建自己的机器学习神经网络的模型，一种帮助机器“学习如何学习”的工具。围绕着人工智能，Google也重新改造计算中心，并发布了一个新的芯片 TPU 2.0 或者说 Cloud TPU。去年 Google发布Tensor Processing Units，其在人工智能处理上比CPU 和GPU表现更优异，重点在训练层面。从去年到现在，TPU已经历更好的优化，而它的下一代就是Cloud TPU，既优化了训练(Training)，同时也优化了推理(Inference)。
二、始于比特币热潮，但远不止于挖矿
GPU 由于比特币热潮重新进入公众视野，GPU 挖矿的性能只与两点有关：1）GPU 整数运算单元的数量。2）程序在目标体系结构上的利用率。挖矿程序的实质是计算Hash，即大量的整数运算。简单来说， GPU 在简单计算上的效率比 CPU 更高。在挖矿热潮逐步退却之后， Google AlphaGo的自我学习能力又一次刷新了我们的认知。可以说高性能计算的应用在 AI 运算、深度学习以及未来更多的应用只是刚刚起步，发展空间巨大。
对PCB市场来说，硬件的需求是永不止步的，Prismark预测高性能计算将成为PCB行业未来主要动力之一。CPU、GPU、TPU、GPP、FPGA，高性能运算的开发与HDI板的逻辑相同,既要求更小、更高性能的PCB 板与芯片和软件相适应。因此，我们同样看好高性能计算对PCB价量的拉动作用。
高性能计算（HPC）始于1970年在政府和教育等领域的应用，1980 年福特、丰田等汽车制造行业开始应用高性能计算，21世纪后随着互联网行业的高速发展，高性能计算的应用领域越来越多。据IDC数据，2015年高性能计算市场营收增长了11%，达到114亿美金。从下游应用领域来看大数据/机器学习和互联网/云计算占比最高，合计超过 75%，客户主要集中在企业级用户。
图：HPC 应用领域
云计算方面，根据市调机构 Synergy Research与Canalys 的最新报告显示，2017年第三季度云基础设施市场上，亚马逊AWS的优势依然明显。
图：云基础设施市场，Amazon依然强劲
AI运算方面，GPU在作为图形显卡多年之后，相比于CPU，其优秀的交叉运算能力终于再一次被发掘。在英伟达Tesla GPU和英特尔 Xeon Phi对比中，英伟达的优势愈发明显了，而且28个英伟达Tesla GPU芯片中，22个是英伟达明星芯片Tesla P100。
参考观研天下发布《2017-2022年中国计算机通信及数据传输行业发展调研及投资方向研究报告》
图：中国HPC(高性能计算机)性能前100榜单-体系结构
而谷歌在I/O大会上也公布了最新的机器学习算法—AutoML，一种能够帮助开发者构建自己的机器学习神经网络的模型，一种帮助机器“学习如何学习”的工具。围绕着人工智能，Google也重新改造计算中心，并发布了一个新的芯片 TPU 2.0 或者说 Cloud TPU。去年 Google发布Tensor Processing Units，其在人工智能处理上比CPU 和GPU表现更优异，重点在训练层面。从去年到现在，TPU已经历更好的优化，而它的下一代就是Cloud TPU，既优化了训练(Training)，同时也优化了推理(Inference)。
表：TPU在批量任务中拥有优势
二、始于比特币热潮，但远不止于挖矿
GPU 由于比特币热潮重新进入公众视野，GPU 挖矿的性能只与两点有关：1）GPU 整数运算单元的数量。2）程序在目标体系结构上的利用率。挖矿程序的实质是计算Hash，即大量的整数运算。简单来说， GPU 在简单计算上的效率比 CPU 更高。在挖矿热潮逐步退却之后， Google AlphaGo的自我学习能力又一次刷新了我们的认知。可以说高性能计算的应用在 AI 运算、深度学习以及未来更多的应用只是刚刚起步，发展空间巨大。
对PCB市场来说，硬件的需求是永不止步的，Prismark预测高性能计算将成为PCB行业未来主要动力之一。CPU、GPU、TPU、GPP、FPGA，高性能运算的开发与HDI板的逻辑相同,既要求更小、更高性能的PCB 板与芯片和软件相适应。因此，我们同样看好高性能计算对PCB价量的拉动作用。
资料来源：观研天下整理，转载请注明出处（ZQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
