计算机行业深度研究报告智算时代，国产算力链迎发展新机遇

普惠大众的智算是AI及数字经济发展的必需品。算力中心作为数据计算、存储、交换的重要场所，是数字技术与实体经济深度融合的必要条件，是现代化产业体系建设的动力引擎。据国家信息中心数据，未来80%的场景都将基于AI进行，普惠大众的智算将要像水、电一样驱动科技发展。AI是中美两国科技竞争的重要领域，当前我国算法和智能算力落后。智算的稀缺和昂贵，已成为制约AI发展的核心因素。 产业信号积极，大模型拉动智算需求激增。根据IDC数据，2023年中国人工智能市场支出规模或为147.5亿美元，约占全球总规模10%；预计2021-2026年CAGR将超20%，我国大模型产业蓬勃发展。人工智能支出可分为硬件、软件和服务三大部分，现阶段中国市场倾向于首先投资硬件，预计中国人工智能支出中硬件占比到2026年之前将一直保持50%以上的份额，在AI硬件支出份额方面，AI服务器占最大份额，超过80%。AI服务器作为智算重要载体，2023年其市场规模为91亿美元，同比增长82.5%。芯片是算力供应的核心，当前仍以GPU为主。据中商产业研究院数据，2023年我国AI芯片市场规模已达1206亿元，2024年有望达到1412亿元，2019-2024年CAGR达64.84%。 政策催化，智算中心建设加速推进。近年来，美国政府多次升级高端芯片出口限制，短期内或影响我国高端芯片产业发展。智算产业上升为国家战略竞争点，中央及地方政府加大政策支持力度。从顶层设计来看，六部门联合印发《算力基础设施高质量发展行动计划》，从计算力、运载力、存储力以及应用赋能四方面提出到2025年发展量化指标；“AI赋能产业焕新”专题会议提出要打造从基础设施到解决方案的大模型赋能产业生态；并鼓励“适度超前建设数字基础设施，加快形成全国一体化算力体系”。从地方来看，为更好推进算力基础设施建设，北京、河北、宁夏、成都等各省市陆续出台智算中心建设相关政策。 根据数智前线数据，2024年1-7月，我国智算中心相关项目中标公告已发布超140个。智算中心相关的招投标项目，呈现逐月递增态势。据不完全统计，至少有24个项目中标金额超1亿元，单体金额规模大幅增长。 国产算力景气度持续，核心芯片公司竞争力不断提升。中国GPU公司虽然在技术积累和市场占有率上与美国仍存在差距，但正通过不断的技术创新和产品升级，努力提升自身的竞争力。（1）华为打造全栈自主AI软硬件，涵盖了从芯片、硬件到基础软件和应用的各个层面。（2）海光信息DCU开放生态，兼容主流深度学习框架和应用软件，支持全精度模型训练，与国内多个大模型全面适配。（3）寒武纪致力于构建云边端一体、软硬件协同、训练推理融合的全栈解决方案，公司的产品线涵盖了云端智能芯片、边缘智能芯片以及终端智能处理器IP等多个领域。未来，随着中国在半导体领域的持续投入和研发，中国GPU公司有望在全球市场中占据更重要的位置。 投资建议：中央及地方政府加强人工智能产业规划，国产自主可控算力产业高景气，同时大模型持续迭代有望带动算力需求，在政策驱动下，建议关注国产算力投资机遇： 1）算力基础：寒武纪、海光信息、龙芯中科； 2）服务器：中科曙光、浪潮信息、紫光股份、神州数码等。 以及相关央国企： 1）中国电子：中国软件、华大九天、深桑达A、中国长城； 2）中国电科：太极股份、电科网安、电科数字、易华录、莱斯信息； 3）国家电网：国网信通、远光软件； 4）国投集团：国投智能； 5）中科院：寒武纪、海光信息、中科曙光等。 风险提示：大模型应用落地不及预期；技术发展不及预期；市场竞争加剧。 投资主题 报告亮点 报告从多角度提出智算中心作为数字经济发展的核心动力，也与人工智能技术的进步紧密联系。从基础设施层面，智算中心作为提供数据计算、存储和交换服务的场所，是数字技术基础设施的重要组成部分。从技术创新驱动层面，智算中心推动了人工智能、大数据分析等技术的发展，为技术创新提供了强大的计算支持。与此同时，报告对我国中央及地方政府在政策层面对智算产业大力支持和推动的近况进行梳理，统计了当前智算中心建设的数量和金额变化趋势情况。此外，报告中对国产算力公司的技术创新和市场竞争力进行分析，展现了国内企业在AI芯片领域的快速发展和自主创新能力。 投资逻辑 随着AI及数字经济的快速发展，智算作为普惠大众的技术基础，成为推动现代化产业体系建设的关键动力。目前，AI已成为中美科技竞争的焦点，我国在算法和智能算力方面存在一定差距，智算资源的稀缺和成本问题制约了AI的进一步发展。报告从产业及政策两个层面，梳理了智算行业的近况。产业信号显示，大模型的发展正带动智算需求的激增，中国人工智能市场的支出规模预计将持续增长。政策层面，智算中心建设得到国家战略的支持，中央及地方政府的政策扶持力度不断加大，促进了智算中心的建设加速推进。同时，国产算力公司通过技术创新和产品升级，正逐步提升自身在全球市场中的竞争力，展现出强劲的发展势头。未来，随着中国在半导体领域的持续投入，国产GPU公司有望在全球市场中占据更重要的位置。 一、产业端：算力形态迎改变，大模型带动智算需求激增 （一）算力时代，形态迎结构性转变 算力是衡量计算机系统处理数据能力的指标，根据不同计算形态可分为通用、智能和超级算力。算力通常用来描述一个系统执行算法、处理信息、进行计算的速度和效率。根据《智能算力产业发展白皮书》，由于不同应用场景下所需的计算精度不同，算力通常可以分为：通用算力、智能算力和超级算力，对应的计算模式分别为：基础计算、智能计算和超级计算。当前，得益于人工智能领域的迅猛进展和政府政策的有力支持，智能算力的体量及其在总体算力中所占的比重正日益增加，计算需求正逐渐由传统的通用计算模式转向更为先进的智能计算模式。 （1）通用算力：由CPU芯片驱动的服务器所提供的计算能力，不特定于某项专业计算或应用，而是可以广泛应用于日常的数据处理和分析。通用算力适用于基础通用计算任务，如云计算、边缘计算等，为移动计算、物联网等提供支持。 （2）智能算力：利用GPU、FPGA、ASIC等专为人工智能设计的处理器加速计算平台所提供的算力，它主要用于AI模型的训练和推理过程。智能计算中心能够根据不同业务领域对算力的具体需求，提供定制化的计算资源。在AI模型训练和推理中，处理文本、语音、图像或视频等任务时，需要单精度、半精度乃至整数精度的智能计算能力。 （3）超级算力：由超级计算机和其它高性能计算(HPC)集群提供的算力，它用于执行科学前沿领域的复杂计算任务，如行星模拟、药物分子结构设计、基因序列分析、宇宙物理学、气象学研究、航空航天等，这些领域需要执行大量高精尖的双精度计算。此外，不同的超级计算机可能采用不同的处理器、加速器和软件框架，这使得其商业化服务的进入门槛较高。 图表1算力分类情况 AI算力芯片是指专门为AI应用设计的处理器芯片，具备并行计算能力以及针对特定神经网络计算的架构。AI算力芯片具备高效的计算能力和针对深度学习、机器学习等AI任务的加速性能，通常具有并行计算能力和针对特定神经网络计算的架构，广泛应用于语音识别、图像处理、自然语言处理等AI场景。AI算力强调使用专门为人工智能算法优化的硬件加速器，如GPU、TPU等。与通用计算任务相比，人工智能算法训练往往需要处理大量样本数据，单个训练任务的计算量常常以亿级及以上计算规模计量。 图表2 AI算力的特征 当前，主流AI算力芯片主要包括以GPU为代表的通用芯片、以ASIC定制化为代表的专用芯片以及以FPGA为代表的半定制化芯片，其中GPU市场最为成熟且应用最广。 GPU（Graphics Processing Unit）：又称图像处理器（显示核心、视觉处理器、显示芯片），是一种专门用于处理图形和图像计算任务的处理器。GPU拥有大量的小型处理核心，可同时处理多个任务，能够高效地执行并行计算。特别地，GPU无法单独工作，必须由CPU进行控制调用才能工作。 ASIC（Application Specific Integrated Circuit）：是为专门目的而设计的定制化专用集成电路，一旦制造完成将不能更改，所以初期成本高、开发周期长、使得进入门槛高。ASIC芯片的计算能力和计算效率都可以根据算法需要进行定制，所以ASIC与通用芯片相比，具有以下几个方面的优越性：体积小、功耗低、计算性能高、计算效率高、芯片出货量越大成本越低。近年来涌现出的类似TPU、NPU、VPU、BPU等各种芯片，本质上都属于ASIC。 FPGA（Field Programmable Gate Array）：又称可编程逻辑门阵列，实际上属于ASIC的一种特殊形式，是半定制电路芯片。其内部结构由大量的数字（或模拟）电路组成，解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。相比于CPU和GPU数据处理需先读取指令和完成指令译码，FPGA不采用指令和软件，是软硬件合一的器件。因而计算效率更高、功耗更低，且更接近IO（指“输入输出”，涉及到计算机与外部世界的交互）。 图表3不同芯片分类及对比 （二）产业信号积极，大模型带动智算需求激增 1、AI大模型拉动智算需求大幅提升 我国AI大模型市场蓬勃发展。根据IDC数据，2023年中国人工智能市场支出规模或为147.5亿美元，约占全球总规模10%。长期看来，AI技术的创新迭代驱动了应用场景的进一步落地，以AIGC、多模态、智能决策等为代表的热点为市场带来了更多想象力和可能性。同时，“数字化”、“数智化”转型背景下，AI大模型被政府、企业广泛关注并积极推动，为我国AI市场规模的长期增长奠定了基础。IDC预计，2026年中国AI市场规模为264.4亿美元，2021-2026年CAGR将超20%。从行业应用来看，在五年预测期内AI支出主要来自专业服务领域的行业用户、政府和金融行业，合计约占市场总量50%以上。 增长速度来看，银行和地方政府增速最快，五年CAGR均超23%。 图表4中国人工智能市场支出预测 图表5中国人工智能市场支出预测（行业）2026 AI大模型具有训练和推理两个阶段。在训练阶段，模型参数和训练数据是大模型的训练准备，AI大模型的性能一般会随着模型参数和训练数据量的增加而增加，模型参数达到一定数量会使AI大模型性能取得突破性进步，高质量、干净的数据集对AI大模型性能提升作用显著；预训练和微调是AI大模型的主要训练方式，充分且高难度的预训练能显著提高AI大模型性能，Prompt、Fine-tune是目前主要的微调工具。在推理阶段，AI大模型会使用前向传播算法、反向传播算法、梯度下降算法等算法生成输出结果，并在过程中提高模型性能。AI大模型的训练和推理阶段均具有大量算力需求，随着大模型参数量的上升，市场算力需求快速提高。 图表6模型性能随参数量上升 AI大模型参数激增，推动我国智能算力规模快速增长。当前AI技术正加快融入千行百业，超大规模AI模型和海量数据对算力的需求也持续攀升。云游戏、元宇宙、VR/AR等新应用场景加速发展，大模型的训练和推理过程进一步带动算力需求爆发，同时也推动算力需求由通用性CPU算力向高性能GPU算力发展。据IDC，2022年，我国智能算力规模达268 EFLOPS，预计2026年达1271.4 EFLOPS，进入每秒十万亿亿次浮点计算级别，2022-2026年CAGR达47.6%，远超通用算力增速。 图表7中国通用算力规模（单位：EFLOPS） 图表8中国智能算力规模（单位：EFLOPS） 我国智能算力市场份额显著增加，2025年占比有望达35%。据信通院数据，截至2023年6月，智能算力占据我国整体算力的25.4%，智算规模同比增长45%，智算增速比整体算力的增速高15个百分点。随着人工智能技术的不断进步，特别是大型AI模型的快速发展，智能算力的需求正在迅猛增长。预计在未来几年内，智能算力的市场份额将显著增加，到2025年，其占比有望达到35%。 图表9我国智能算力比例不断