同花顺-圈子

风口情报：类ChatGPT大模型带来的算力增长，毋庸置疑。但算力的需求，不止局限于模型的投资初期。随着GPT API的开放、下游应用多模态的成熟，对于的大模型的推理算力需求进一步提升。也即，在模型不断更迭训练中，算力需求提升；在模型应用推理中，算力需求、AI芯片需求进一步提升。由此，整个算力需求，AI芯片需求，如互联网时期的流量需求，持续爆发。文末附相关上市公司梳理。

AI芯片中以GPU为主，ASIC、FPGA同步持续增加。根据IDC数据，2021 年上半年中国人工智能芯片中，GPU占有90%以上的市场份额，而ASIC、FPGA、NPU等其他非GPU芯片也在各个行业和领域被越来越多地采用，预计到2025 年加总的占比有望超过20%。CPU处理复杂的逻辑运算，主要应用于传统的数据中心服务器；GPU具有优秀的图形处理能力，主要应用于图像分类、平安城市、自动驾驶等领域；FPGA可以根据算法逻辑实现特定场景下的计算。因此，FPGA主要应用于深度学习、大数据分析等场景；ASIC主要用于数据推理、辅助驾驶等。

资料来源：寒武纪招股说明书、华为官网，天风证券研究所

预训练模型与参数的提升，带动服务器基础设施需求大幅增加。从BERT模型出现到 GPT-3 1750亿参数规模的千亿级大模型，大规模预训练模型成了一个新的技术发展趋势。根据CNBC报道，以微软Bing为例，基于OpenAI的ChatGPT模型或需要8个GPU才能在不到一秒的时间内响应问题，按照这个速度测算需要超2万台8-GPU服务器，按照Nvidia DGX A100（八个 A100 GPU协同工作的系统）建议售价近2万美元测算，需要40亿美元的基础设施支出。

浮点与大量数据并行计算需求，加速卡成为云端AI处理基础配置。随着智能化程度日益提高，所需的数据处理量正在呈指数级增长；CPU的核心是将其较少数量的核心集中在单个任务上快速完成，擅长逻辑控制、串行的运算；而GPU提供了多核并行计算的基础结构，拥有更高的浮点运算能力且可支撑大量数据的并行计算；因此GPU主要是作为加速某些CPU执行起来效率较低的数据处理任务。

资料来源：Rrambus

AI服务器需求量有望快速增长。根据TrendForce数据，截至2022年统计AI服务器年出货量占整体服务器比重近1%，随着大型云端业者开始大量投入 AI 相关的设备建设，AI服务器 2022~2026 年复合成长率有望达到10.8%；2023年全球服务器出货量预计1443万台，AI服务器出货量增速有望高于全球总服务器出货量。

云、边、终端混合部署，运算效率有望提升，云、边、终端AI芯片，满足不同算力的应用场。随着海量数据与运算需求大幅提升，计算能力和连接设备积累了大量数据，透过云、边、终端架构，以数据为中心将算力资源前置，在更靠近数据源的地方为用户提供低时延服务。整体产业链分为1）上游包括由云服务商和硬件设备厂商，如谷歌、亚马逊、微软、阿里、腾讯等；2）中游主要包括运营商、边缘计算运营和管理的服务提供商；3）下游主要为智能终端和应用。

边缘计算产业联盟认为边缘计算是在靠近物或数据源头的网络边缘侧，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。人工智能技术在云端、边缘端和终端设备中均有广泛应用，但都需要由核心芯片提供计算能力支撑。

云端AI相关企业：寒武纪、海光信息、龙芯中科、紫光国微、复旦微电、安路科技 等。

边/终端AI相关企业：瑞芯微、恒玄科技、晶晨股份、全志科技、乐鑫科技、富瀚微、中科蓝讯、炬芯科技、兆易创新、中颖电子、芯海科技 等。

存储相关企业：澜起科技、聚辰股份、北京君正、普冉股份、东芯股份、江波龙、佰维存储 等。

进入“华金证券”主页回看《盘前必读》-“热点行业剖析”等更多脱水干货！

华金证券出品

研究作者：

杨树 投资顾问 执业证书编号：S0910619040002

张仔燕 投资顾问 执业证书编号：S0910621090001