AIGC行业深度报告(7)，ChatGPT：三大主线，AI算力需求井喷！

华西计算机团队 2023年4月19日 分析师：刘泽晶 SACNO：S1120520020002 邮箱：liuzj1@hx168.com.cn 请仔细阅读在本报告尾部的重要法律声明 仅供机构投资者使用证券研究报告|行业深度研究报告 ChatGPT:三大主线，AI算力需求井喷! AIGC行业深度报告(7) 核心逻辑: 政策端与产业端持续发力，算力建设持续提速:国家计算力指数与GDP/数字经济的走势呈现出了显著的正相关，根据IDC数据，十五个重点国家的计算力指数平均每提高1点，国家的数字经济和GDP将分别增长3.5‰和1.8‰；政策端与产业端持续发力，当前我国已进入《新型数据中心发展三年行动计划(2021-2023年)》落地见效的关键年，2023年4月17日国家超算互联网联合体成立，我们认为我国算力建设正式进入持续提速阶段。此外，北京、贵州、上海、惠州、天津等地算力基础设施计划持续落地，彰显我国对算力设施的高度重视。 大模型引爆海量算力需求，AI产业量价齐升:根据OpenAI数据，模型计算量增长速度远超人工智能硬件算力增长速度，存在万倍差距。运算规模的增长，带动了对AI训练芯片单点算力提升的需求，其中AI芯片、AI服务器、存储是AI基建的重要组成部分。AI硬件竞争升温，芯片价格大涨，根据界面新闻，截至本周英伟达AI旗舰芯片H100售价在多个商铺高至4万美元，相比此前零售商报价3.6万美元，已明显提价，同时，据财联社消息，上游芯片带动服务器价格同步上升，例如闻泰科技等；此外，存储方面，大容量、高速存储需求增加，近期HBM3规格DRAM价格上涨约5倍。 全球算力市场持续火热，AI芯片群星闪耀:2023年3月23日，英伟达GTC主题演讲开启，英伟达展示全新的芯片和系统、加速库、云服务、AI服务以及助力以助力全球AI生态。我们认为英伟达的目的即快速抢占AI相关市场，从而在科技储备上具备先发优势，同样也侧面反映出全球算力市场具有高需求性和高爆发性。此外，相关科技巨头厂商纷纷加入“算力储备战”，全球算力市场持续火热。例如拟推出人工智能芯片，助力大型语言模型、博通发布用于连接AI超级计算机的Jericho3-AI芯片；我国相关企业同样加速AI芯片布局，例如寒武纪、百度、遂原科 技、昆仑芯等。 投资建议:关注五条投资主线：1)AI芯片厂商，相关受益标的为:赛武纪、海光信息、景嘉微、龙芯中科等；2)存储厂商，相关受益标的为:东芯股份、兆易创新、澜起科技、聚辰股份、普再股份、江波龙、佰维存储、恒烁股份等;3)光模块厂商，相关受益标的为:新易盛、中际旭创、天孚通信、剑桥科技、源杰科技、联特科技、光迅科技等；4)服务器及IDC厂商，相关受益标的为:浪潮信息、中科曙光、神州数码、拓维信息、工业富联、润泽科技等；5)AI云厂商，相关受益标的为:首都在线、云赛智联、青云科技、优刻得、光环新网、新炬网络等。 风险提示:核心技术水平升级不及预期的风险、AI伦理风险、政策推进不及预期的风险、中美贸易摩擦升级的风险。 目录 01全国超算建设启动，AI产业量价齐升 02AI芯片群星闪耀 03投资建议:梳理AIGC相关受益厂商 04风险提示 01全国超算建设启动，AI产业量价齐飞 大模型是人工智能发展的必然趋势:大模型即“大算力+强算法”结合的产物。大模型通常是在大规模无标注数据上进行训练，学习出一种特征和规则。基于大模型进行应用开发时，将大模型进行微调，如在下游特定任务上的小规模有标注数据进行二次训练，或者不进行微调，就可以完成多个应用场景的任务。 大模型是辅助式人工智能向通用性人工智能转变的坚实底座:大模型增强了人工智能的泛化性、通用性，生产水平得到质的飞跃，过去分散化模型研发下，单一AI应用场景需要多个模型支撑，每个模型需要算法开发、数据处理、模型训练、参数调优等过程。大模型实现了标准化AI研发范式，即简单方式规模化生产，具有“预训练+精调”等功能，显著降低AI开发门槛，即“低成本”和“高效率”。 算力是打造大模型生态的必备基础，服务器是算力的载体:算力是训练大模型的底层动力源泉，一个优秀的算力底座在大模型(AI算法)的训练和推理具备效率优势；平台是大模型和算力之间的“桥梁”，可针对不同的模型和硬件，实现资源的合理分配，达到软硬件的最优组合，从而大幅提升训练模型的效率。 数据、平台、算力、算法关系示意图 国家计算力指数与GDP/数字经济的走势呈现出了显著的正相关:根据IDC数据，十五个重点国家的计算力指数平均每提高1点，国家的数字经济和GDP将分别增长3.5‰和1.8‰，预计该趋势在2021-2025年将继续保持。此外，当一个国家的计算力指数达到40分以上时，国家的计算力指数每提升1点，其对于GDP增长的推动力将增加到1.5倍，而当计算力指数达到60分以上时，国家的计算力指数每提升1点，其对于GDP增长的推动力将提高到3.0倍，对经济的拉动作用变得更加显著。 海量应用场景，算力需求高涨:据华为发布的《计算2030》预测，2030年人类将进入YB数据时代，全球数据每年新增1YB。通用算力将增长10倍到3.3ZFLOPS、人工智能算力将增长500倍超过100ZFLOPS。相当于一百万个中国超级计算机神威“太湖之光”的算力总和。 从计算力指数看对经济的增长计算力对经济的影响 当前我国已进入《新型数据中心发展三年行动计划（2021-2023年）》落地见效的关键年：《行动计划》主要目标为用3年时间，基本形成布局合理、技术先进、绿色低碳、算力规模与数字经济增长相适应的新型数据中心发展格局。到2023年底，全国数据中心机架规模年均增速保持在20%左右，平均利用率力争提升到60%以上，总算力超过200EFLOPS，高性能算力占比达到10%。 2023年4月17日国家超算互联网联合体成立，算力建设持续提速：科技部高新司2023年4月17日在天津组织召开国家超算互联网工作启动会，会议发起成立了国家超算互联网联合体。超算互联网是用互联网思维运营超算，将全国众多超算中心通过算力网络连接起来，构建一体化算力服务平台，解决当前亟待突破的现有单体超算中心运营模式，以应对算力设施分布不均衡、接口不统一、应用软件自主研发和推广不足等问题。 工信部印发《新型数据中心发展三年行动计划（2021-2023年）》国家超算互联网正式启动 北京昇腾人工智能计算中心正式点亮：北京昇腾人工智能计算中心正式点亮，将推动北京人工智能产业高质量发展。该智能计算中心采用昇腾AI基础软硬件，充分释放硬件算力，加速人工智能企业创新应用和模型孵化。 贵州省大数据局印发《面向全国的算力保障基地建设规划》：总体目标是到2025年，面向全国的算力保障基地建设任务全面完成，贵州超大规模数据中心集群的地位更加巩固，存算比更加合理，优化基础设施布局、结构、功能和系统集成，数据中心实现集约化、规模化、绿色化发展，网络互联互通、能源安全可靠提高到新的水平，打造具有国际竞争力的数字产业集群。 上海市经济信息化委印发《上海市推进算力资源统一调度指导意见》：主要目标为到2023年底，依托本市人工智能公共算力服务平台，接入并调度4个以上算力基础设施，可调度智能算力达到1,000PFLOPS（FP16）以上；到2025年，市人工智能公共算力服务平台能级跃升，完善算力交易机制，实现跨地域算力智能调度，通过高效算力调度，推动算力供需均衡，带动产业发展作用显著增强。 惠州首个超大规模数据及算力中心力争年内投产：2023年年初，作为大数据及关联产业发展的重要支撑点的粤港澳大湾区（惠州）数据产业园建设取得明显成效。落户该园区的润泽（惠州）国际信息港一期项目试运行工作进展顺利，预计年内正式投产。其目标是构建具有国际领先技术水平的算力基础设施，带动数据服务及硬件研发制造等关联产业集聚发展。 中国人工智能计算中心分布图（截至2023年2月） 山东首个人工智能计算中心上线运行，竞逐人工智能赛道：2023年3月17日青岛市人工智能产业园正式开园，同步上线的青岛人工智能计算中心，成为山东首个上线运行的人工智能计算中心。中心首期具备100P算力，相当于5万台高性能PC的算力，将面向青岛乃至胶东地区的企业、高校和科研机构提供普惠公共算力服务。 河南省数字化转型战略工作方案出炉，推进郑州、洛阳构建超大型绿色数据中心集群：2023年3月30日河南省制造强省建设领导小组办公室印发《2023年河南省数字化转型战略工作方案》，目标今年电子信息制造业营业收入力争突破8000亿元，先进计算、软件产业规模均超过500亿元。 天津市人工智能计算中心揭牌，加快打造天津数字经济发展新动能：2023年3月18日，天津市人工智能计算中心正式揭牌上线，助力人工智能产业创新发展。人工智能中心不仅提供基础算力服务，还提供应用创新服务、产业孵化服务等，把算力、算法、数据、应用场景和人才进行5要素的聚集，帮助企业在人工智能科研创新上降本增效。 2023年河南省数字化转型战略目标任务分解天津市人工智能计算中心内的算力服务器 ChatGPT开启算力军备赛:我们已经在《ChatGPT:百度文心一言畅想》中证明数据、平台、算力是打造大模型生态的必备基础，且算力是训练大模型的底层动力源泉，一个优秀的算力底座在大模型(AI算法)的训练和推理具备效率优势；同时，我们在《ChatGPT打响AI算力“军备战”》中证明算力是AI技术角逐“入场券”，其中AI服务器、AI芯片等为核心产品；此外，我们还在《ChatGPT，英伟达DGX引爆AI“核聚变”》中证明以英伟达为代表的科技公司正在快速补足全球AI算力需求，为大模型增添必备“燃料”。 大模型参数呈现指数规模，引爆海量算力需求:根据财联社和OpenAI数据，ChatGPT浪潮下算力缺口巨大，根据OpenAI数据，模型计算量增长速度远超人工智能硬件算力增长速度，存在万倍差距。运算规模的增长，带动了对AI训练芯片单点算力提升的需求，并对数据传输速度提出了更高的要求。根据智东西数据，过去五年，大模型发展呈现指数级别，部分大模型已达万亿级别，因此对算力需求也随之攀升。 大模型参数数量和训练数据规模快速增长近年大模型的参数规模增长趋势 AI芯片是AI算力的“心脏”:伴随数据海量增长，算法模型趋向复杂，处理对象异构，计算性能要求高，AI芯片在可高效处理人工智能应用中日渐多样繁杂的计算任务。其中GPU相较于比CPU更擅长并行计算，CPU是以低延迟为导向的计算单元，而GPU是以吞吐量为导向的计算单元，转为执行多任务并行。由于微架构的不同导致CPU绝大部分晶体管用于构建控制电路和缓存，只有小部分晶体管用来完成运算工作，GPU则是流处理器和显存控制用于绝大部分晶体管，从而拥有更强大的并行计算能力和浮点计算能力。 AI服务器作为超算芯片载体彰显其重要性:与通用服务器采用串行架构、以CPU为算力提供者不同的是，AI服务器采取异构架构，如CPU+GPU、CPU+TPU、CPU+其他的加速卡等不同的组合方式，目前广泛使用的是CPU+GPU。与通用服务器相比，AI服务器拥有更出色的高性能计算能力，未来，随着算力的持续增长，自然语言处理和图像、视频等AI模型的深入发展，AI服务器将被更广泛使用。 超级计算机架构英伟达数据中心GPU类别 存储是计算机的重要组成结构:存储器是用来存储程序和数据的部件，对于计算机来说，有了存储器才有记忆功能，才能保证正常工作。存储器按其用途可分为主存储器和辅助存储器，主存储器又称内存储器(简称内存)，辅助存储器又称外存储器(简称外存)。 XPU、内存、硬盘组成完整的冯诺依曼体系:“内存”实为硬盘与CPU之间的中间人，CPU如果直接从硬盘中抓数据，时间会太久。所以“内存”作为中间人，从硬盘里面提取数据，再让CPU直接到内存中拿数据做运算。这样会比直接去硬盘抓数据，快百万倍；CPU里面有一个存储空间