AI系列专题报告（一）：AI算力参数爆发，兼论国产算力比较

AI算力与互联参数分析

算力参数概览

• 矩阵计算核心：AI算力参数围绕精度与运算效率的权衡展开，FP32 Tensor Core、BF16等新兴数据类型应运而生，以适应AI大模型的训练与推理需求。
• FP32 Tensor Core：作为英伟达张量计算的数据格式，FP32 Tensor Core大幅提升了模型训练性能，如英伟达H200的FP32算力为67TFlops，对应FP32 Tensor Core算力高达989TFlops。
• 国产替代：国内算力厂商如华为海思、寒武纪、龙芯中科等，其产品性能迭代顺利，逼近国际领先水平。例如，昇腾910在FP16算力性能上接近A100，寒武纪思元590性能有望显著提升。

互联参数挑战

• 多卡互联重要性：大模型训练对模型并行的需求显著提升了多卡互联参数的重要性，英伟达NVLink等技术成为关键。
• 性能差异：相比PCIe方案，NVLink能够提供高达900 GB/s的带宽，显著提升通信效率。例如，在大规模高精度计算任务中，H100+NVLink组合的提升尤为明显。
• 国内外差距：寒武纪的MLU-Link桥接卡在互联性能上虽优于PCIe 4.0，但与英伟达NVLink相比仍存在一定差距。

风险提示

• 市场风险：下游需求复苏可能低于预期，影响算力市场的整体增长。
• 技术风险：研发新技术、优化现有技术过程中可能存在技术难题。
• 政策风险：国际政策和技术摩擦可能导致供应链中断，影响算力设备的采购与部署。

行业建议与关注点

• 算力芯片：推荐关注寒武纪（思元590性能提升）、海光信息（深算三号研发进展）、龙芯中科（GPGPU芯片研发）。
• AI应用：关注海康威视、大华股份、乐鑫科技、晶晨股份、恒玄科技、中科蓝讯等企业。
• 服务器：考虑工业富联、沪电股份等公司的服务器业务。
• 服务器存储：看好澜起科技、聚辰股份的存储解决方案。
• 先进封装：聚焦通富微电、长电科技、甬矽电子、华天科技等公司在封装技术上的创新。

此分析旨在提供对AI算力与互联参数的全面理解，以及针对当前市场环境的策略指导。