区块链行业点评：AIGC的看多期权，AI云算力

区块链 AI云算力——AIGC的看多期权 在报告《Web3视角下的AIGC算力进化论》中，我们提出，1）AIGC（ArtificialIntelligenceGeneratedContent，人工智能生成内容）产业耗电量可观， 证券研究报告|行业点评 2023年04月07日 增持（维持） 并在快速提升，乐观估计大约会在1.6~3年内超过当前比特币挖矿产业 耗电量，主要驱动因素是GPT类大语言模型在模型参数、日活和模型数量上的高速增长；2）和比特币挖矿类似，AIGC产业由算力驱动的内容处 行业走势 于高强度竞争中，参与者只有持续、快速生产出高质量内容，才能保证自通信沪深300 己获取到的用户注意力不下降。我们将在本篇报告中详细阐述作为AIGC 当前和未来重要业态——云算力平台。 什么是AIGC云算力？AI云算力并非新鲜事物，用户可以通过阿里云、谷歌云等云平台租用英伟达A100、英伟达V100、谷歌TPU等显卡与AI处理器。近日英伟达DGX云的推出，将AIGC云算力推入新阶段。DGX云 是世界上第一台云中的AI超级计算机。DGXAI超级计算机配有8个H100GPU模组，H100配有Transformer引擎，旨在处理ChatGPT类大模型。加密资产挖矿历史上也出现了云算力这一业态，并在海外一直延续至今，云算力是算力生产商在销售算力硬件整机外，将算力推向市场的终极形 32% 16% 0% -16% -32% 2022-042022-082022-112023-03 作者 态。我们认为，云算力采用“化整为零”的方式，赋能产业链各方：1） 对上游算力生产商而言，在算力硬件进入淡季、库存趋增时，能平滑收入的波动，并为旺季储备有生力量，及时满足回弹的市场需求；2）对中游云服务厂商而言，则有助于增加客流；3）对下游算力需求方而言，能最大化降低使用算力的门槛，驱动全民AIGC时代降临。 AIGC云算力赋能长尾客户，具备价格弹性。AIGC大模型所需算力投入巨大，非头部厂商难以承担。单考虑ChatGPT的上一代模型GPT3（1750 分析师宋嘉吉 执业证书编号：S0680519010002邮箱：songjiaji@gszq.com 分析师孙爽 执业证书编号：S0680521050001邮箱：sunshuang@gszq.com 相关研究 亿参数版），自建超算集群及训练的投入在10亿元起，而一旦投入商用， 巨大的推理需求将对算力产生爆发式需求。ChatGPTPlus的停售也反映出即便是OpenAI这样的头部模型厂商，也难以承受用户需求狂飙导致的算力成本。云算力平台通过搭建共享算力池，可提高硬件复用率，对于长尾客户具有较大吸引力。此外，我们看到近期算力GPU供不应求，价格上涨，相应算力价格也具备上行空间，在核心芯片获得难度加大背景下，云算力资源一定程度上成为AIGC的看多期权，具备价格弹性。 AIGC云算力——打造IDC第二增长曲线。以IDC为例，根据我们的统计，投建IDC花费可观，为单个标准机柜募集的投资额约为18万元，项目建设期长达1~5年，投资回收期长达6~8年。在AIGC算力需求爆发 后，我们预计，其有望为IDC运营商缩短投资回收期，提升上架率，深化第二增长曲线。相较于可能新入局的厂商，我们认为，从上游资源看，能获得低价电力、硬件设备、客户等资源的IDC服务商具备优势；从下游看，由于互联网企业、金融企业等都可能参与到AIGC的竞争中来，而这些客群与IDC服务商的高度相似，IDC服务商同样具备优势。 投资建议：该主题下建议配置第三方IDC服务商：光环新网、奥飞数据、数据港、润泽科技、科华数据、宝信软件、世纪华通等。同时关注与之配 套的：1）光模块服务商：新易盛、天孚通信、中际旭创、太辰光等；2）基础电信运营商：中国电信、中国移动、中国联通等；3）云计算服务平台：亚马逊、微软、谷歌、阿里、腾讯等。 风险提示：AIGC技术发展不及预期，全球地缘冲突加剧。 1、《通信：ChatGPT算力告急，“中心+边缘”齐发力 2023-04-05 2、《区块链：Web3.0驱动下的AI和数据要素：开放、安全与隐私》2023-04-03 3、《通信：聚焦光模块，AIGC算力中军》2023-04-02 请仔细阅读本报告末页声明 内容目录 1什么是AIGC云算力？3 1.1英伟达推出DGX云，将AIGC云算力推入新阶段3 1.2曾经走过的路——加密资产挖矿也曾开启云算力时代4 2化整为零，算力平权，云算力赋能腰部模型厂商5 2.1AIGC大模型所需算力投入巨大，非头部厂商难以承担6 2.2化整为零，按需付费，云算力赋能腰部模型厂商7 2.3云算力具备涨价弹性——AIGC的看多期权8 3AIGC云算力展翅，云计算产业链迎第二增长曲线8 4投资建议10 风险提示10 图表目录 图表1：阿里云部分GPU云服务器定价3 图表2：英伟达DGX云是世界上第一台云中的AI超级计算机4 图表3：嘉楠科技开启联合挖矿业务5 图表4：比特小鹿部分云算力套餐5 图表5：部分大语言模型参数及其所需的计算量6 图表6：2012-2018年AI训练算力增长速度7 图表7：微软云OpenAI服务的部分项目的收费情况7 图表8：部分IDC投资预算9 图表9：中国IDC行业产业链9 1什么是AIGC云算力？ AIGC算力生产商与云平台的合作由来已久。从阿里云、谷歌云和甲骨文云等云平台的官网可以看出，用户可以通过其租用英伟达A100、英伟达V100、谷歌TPU等显卡与人工智能加速处理器。此类服务一般根据硬件性能或使用时长等方式定价。近日英伟达DGX云的推出，将AIGC云算力推入新阶段。 图表1：阿里云部分GPU云服务器定价 资料来源：阿里云，国盛证券研究所 1.1英伟达推出DGX云，将AIGC云算力推入新阶段 3月，英伟达在其2023年开发者大会上宣布推出DGX云：通过英伟达与微软云（Azure）、谷歌云（GCP）和甲骨文云（OCI）合作，企业通过一个浏览器就可以按月租用英伟达DGXAI超级计算机。DGX云是世界上第一台云中的AI超级计算机。DGXAI超级计算机配有8个H100GPU模组，H100配有Transformer引擎，旨在处理ChatGPT类大模型。8个H100协同工作，效果如同一个巨型GPU。 性能方面，H100可将大型语言模型的处理成本降低一个数量级。 我们认为，通过与云平台合作，将GPU等硬件计算服务以租用的方式，开放给广大企业，英伟达DGX云并非AIGC产业首例，但由于DGXAI超级计算机的杰出性能，DGX云将AIGC云算力产业推向了更高的起点。 图表2：英伟达DGX云是世界上第一台云中的AI超级计算机 资料来源：英伟达，国盛证券研究所 1.2曾经走过的路——加密资产挖矿也曾开启云算力时代 在报告《Web3视角下的AIGC算力进化论》中，我们比较了加密资产挖矿和AIGC产业的异同点，提出: 1）AIGC（ArtificialIntelligenceGeneratedContent，人工智能生成内容）产业耗电量可观，并将快速提升，大约会在1.6~7.5年间超过当前比特币挖矿产业耗电量，主要驱动因素是GPT类大语言模型在模型参数、日活和模型数量上的高速增长； 2）和比特币挖矿类似，AIGC产业由算力驱动的内容处于高强度竞争中，参与者只有持续、快速生产出高质量内容，才能保证自己获取到的用户注意力不下降。 另外，并非巧合，我们发现，加密资产挖矿历史上也出现了云算力这一业态，它代表了算力生产商在销售算力硬件整机外，将算力推向市场的终极形态。 具体来说，除了向客户销售算力硬件整机，算力生产商主要可以通过两种方式售卖算力。 与有限、特定对象联合挖矿。2021年6月，比特币矿机厂商嘉楠科技宣布，开启在哈萨克斯坦的联合挖矿业务。公司董事长兼CEO张楠赓表示相信联合挖矿业务有利于增加公司财务收益，拓展业务范围和客户群，整合行业资源；在比特币下行周期 中，可以盘活公司的矿机库存，减少公司经营的波动风险；在比特币上行周期中，有利于公司拥有库存储备，能够及时满足新增的时长需求。 图表3：嘉楠科技开启联合挖矿业务 资料来源：嘉楠科技，国盛证券研究所 向无限、不特定对象售卖云算力。2018年12月，加密资产矿机厂商比特大陆推出了云算力服务平台“比特小鹿”，用户无需购买矿机硬件，也可以购入挖矿算力，获得挖矿收入。对用户而言，比特小鹿的云算力套餐的性质接近于定期理财产品。 图表4：比特小鹿部分云算力套餐 资料来源：比特小鹿，国盛证券研究所 2化整为零，算力平权，云算力赋能腰部模型厂商 不论是AIGC云算力，还是加密资产云算力，我们认为，它们都是采用了“化整为零”的方式，赋能产业链各方： 1）对上游算力生产商而言，在算力硬件进入淡季、库存趋增时，能通过售卖云算力的方式，平滑收入的波动，并为旺季储备“有生”力量，及时满足回弹的市场需求； 2）对中游云服务厂商而言，则有助于增加客流； 3）对下游算力需求方而言，能最大化降低使用算力的门槛，驱动全民AIGC时代降临。 2.1AIGC大模型所需算力投入巨大，非头部厂商难以承担 ChatGPT所需算力可观。不考虑与日活高度相关的推理过程所需的算力，仅考虑训练过程，根据论文《LanguageModelsareFew-ShotLearners》的测算，ChatGPT的上一代GPT-3（1750亿参数版）所需的算力高达3640PF-days（即假如每秒做一千万亿次浮点 运算，需要计算3640天），已知单张英伟达A100显卡的算力约为0.6PFLOPS，则训练一次GPT-3（1750亿参数版），大约需要6000张英伟达A100显卡，如果考虑互联损失，大约需要上万张A100，按单张A100芯片价格约为10万元，则大规模训练就需要投入约10亿元，非头部厂商难以承担。而GPT4的模型参数更大，训练的标识符更多，所需算力更为可观。 4月5日，ChatGPT官网停止Plus付费项目的购买。在升级界面，OpenAI表示“因需求量太大暂停了升级服务”。这在一定程度上反映出，即便是OpenAI这样的头部模型厂商，也难以承载用户对ChatGPT的狂热需求。 图表5：部分大语言模型参数及其所需的计算量 资料来源：《LanguageModelsareFew-ShotLearners》，国盛证券研究所 AIGC大模型所需算力狂飙。 摩尔定律中，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍， 性能也将提升一倍。 继摩尔定律后，英伟达CEO黄仁勋提出黄氏定律：每12个月GPU性能翻一倍，且不受物理制程约束。 根据OpenAI测算，自2012年至2018年，用于训练AI所需要的算力大约每隔3-4个月翻倍，总共增长了30万倍（而摩尔定律在相同时间只有7倍的增长），每年头部训练模型所需算力增长幅度高达10倍，整体呈现指数级上涨。 图表6：2012-2018年AI训练算力增长速度 资料来源：OpenAI、新智元，国盛证券研究所 2.2化整为零，按需付费，云算力赋能腰部模型厂商 云算力能让AIGC大模型厂商无需购买英伟达A100显卡等硬件，而直接按需租用云算力平台提供的算力，这使得初创企业或非头部模型厂商也能尝试进入AIGC的领域。如果AIGC大模型厂商愿意让渡更多资源，还可以更深入地与云平台合作。这方面的典型案例是微软云与ChatGPT开发商OpenAI的合作，两者的合作没有停留在算力租用上，而深入到了股权与产品的融合上： 股权上，根据《财富》杂志报道，在OpenAI的第一批投资者收回初始资本后，微软将有权获得OpenAI75%利润，直到微软收回投资成本（130亿美元）；当OpenAI实现920亿美元的利润后，微软的份额将降至49%。与此同时，其他风险投资者和OpenAI的员工，也将有权获得OpenAI49%的利润，直到他们赚取约1500亿美元。如果达到这些