本研究报告仅通过邮件提供给 中庚基金 使用。1 行业及产业 行业研究/行业深度 证券研究报告 计算机 2023年03月24日 国产AI芯片的百倍算力需求！ 看好 ——AIGC系列之七 相关研究 "一层是AIGC狂潮，深层是数字经济出海！-计 算 机 行 业 周 报20230313-20130317" 2023年3月18日 "百度文心：一个符合预期的起点-AIGC系列之六" 2023年3月17日 证券分析师 黄忠煌 A0230519110001 huangzh@swsresearch.com 洪依真 A0230519060003 hongyz@swsresearch.com 李国盛 A0230521080003 ligs@swsresearch.com 刘洋 A0230513050006 liuyang2@swsresearch.com 联系人 崔航 (8621)23297818× cuihang@swsresearch.com 本期投资提示：  AI芯片是大模型的基础。AI芯片主要分为训练和推理两类芯片，云和端对训练和推理芯片要求不同，目前主流架构包括GPU、FPGA和ASIC三类，通用性GPU>FPGA>ASIC，性能功耗比GPU<FPGA<ASIC。  四大AI芯片技术路线，均围绕打破英伟达CUDA生态垄断展开。英伟达凭借CUDA、cuDNN和TensorRT等软件工具链以及和Tensorflow的深度绑定构筑了极高的生态壁垒，2021年GPU市占率超80%，高性能AI芯片A100、H100被禁止向中国出口后，快速推出800系列合法出口中国；寒武纪复制英伟达成长之路。  GPT-4参数量高达100万亿，是GPT-3的500倍以上！即使考虑到AI芯片能力的提升（从当前主流的A100升级至H100），仍然需要巨量的额外增量投资。  AI芯片+AI服务器，受益于AIGC+类GPT等应用的“鲶鱼效应”。原有英伟达等供给有限，所以国产AI芯片有理论上的爆发弹性，AI服务器有成长空间。由于AIGC、类GPT有“鲶鱼效应”，带来约百倍算力需求 。而英伟达等供给解决需求有瓶颈（根据IDC咨询，预测2025年AI服务器市场空间仅仅318亿美元，21-25年预计CAGR仅仅19.5%），因此国产AI芯片在逻辑上有爆发弹性，此外AI服务器也有成长空间。  寒武纪思元590将是最早实现商业应用的接近英伟达A100性能的国产AI训练芯片。目前华为昇腾910性能超越英伟达V100，但未达到A100水平，壁仞科 技7nm通用GPU芯片BR100称其可与被禁售的英伟达H100一较高下，但尚未量产上市。寒武纪思源590 芯片面积800mm^2，和A100一样。内存带宽2.7T，是A100 1.8T的1.5倍。HBM2使用海力士，功耗达350W-550W，FP32算力到80TFLops，目前已经客户送样测试阶段，在高性能国产AI芯片中进程最快，最有机会承接国内AI算法商对英伟达A100、H100的需求。  重点推荐：1）直接受益AI芯片需求崛起的寒武纪（思元590将是最早实现商业应用的接近英伟达A100性能的国产AI训练芯片）、海光信息（预计2023年底量产的DCU3性能与NVDIA H100性能持平）。2）AI服务器供应商：浪潮信息、中科曙光、中兴通讯（通讯）、工业富联（电子）。  TMT领域算力基建逻辑，也建议关注通信、电子相关公司。  通信——天孚通信、中际旭创、紫光股份、锐捷网络、新易盛等。此外也持续关注流量基建主线的数据中心等环节供需变化，包括奥飞数据、润泽科技等，以及伴随算力增长的温控散热环节，英维克等。  电子——GPU：景嘉微、好利科技；视觉芯片及IP：思特威、富瀚微 、芯原股份；服务器存储及接口芯片：澜起科技、聚辰股份；CPU：海光信息、龙芯中科；FPGA芯片：复旦微、安路科技；数通/服务器PCB：沪电股份、深南电路、生益科技、胜 宏科技；光通信芯片：源杰科技。  风险提示：AI芯片迅速迭代，开启价格战；AIGC行业落地需求不及预期；供应链不稳定。 请务必仔细阅读正文之后的各项信息披露与声明 本研究报告仅通过邮件提供给 中庚基金 使用。2 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第2页 共23页 简单金融 成就梦想 投资案件 结论和投资分析意见 预计中国 互联网 大厂即 将进入 大模型 “军备 竞赛” 期，国 产AI芯片需 求进入 爆发期，带动AI服务器进入快速成长 期。 原因及逻辑 AI芯片+ AI服 务器，受益 于AIGC+类GPT等应用 的鲶鱼 效应。原有英 伟达等 供给有限，所 以国产AI芯片 有理论 上的爆 发弹性 ，AI服务器 有成长 空间。 由于AIGC、类GPT有 鲶鱼 效应， 带来约 百倍算 力需求 。而英 伟达等 供给解 决需求 有瓶颈 （根 据IDC咨询，预测2025年AI服务 器市场 空间仅 仅318亿美元，预计21-25年CAGR仅仅19.5%），因此国产AI芯片在逻辑上有 爆发弹 性，此 外AI服务 器也有 成长空 间。 有别于大众的认识 市场认为 ，英伟 达GPU生态难 以突破 ，我们 认为 ，国 产AI AISC性能 在主流 大模型算法中已能毕竟英伟达主流GPU计 算能力 水平 。 市场认为 ，国 产AI ASIC水 平竞争 格局较 差，我们认 为，当前AI ASIC芯片供 应商较多，但主要互联网产商AI芯片 采购较 为集中 。 本研究报告仅通过邮件提供给 中庚基金 使用。3 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第3页 共23页 简单金融 成就梦想 1. AI芯片：大模型的基础.................................................. 5 2. AI芯片四大技术路线，寒武纪复制英伟达 .................... 7 2.1英伟达：通用芯片GPU.............................................................................8 2.2寒武纪：复制英伟达成长之路 ............................................................... 10 2.3 AMD：部分兼容英伟达CUDA............................................................. 11 2.4谷歌、华为：“深度学习框架+AI芯片”自研 ................................... 12 3. 中国ASIC芯片格局：寒武纪卡位最优 ...................... 15 4. AIGC传导至潜在的百倍算力需求！ .......................... 17 5. 重点关注公司 ............................................................... 20 6. 风险提示 ...................................................................... 21 目录 本研究报告仅通过邮件提供给 中庚基金 使用。4 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第4页 共23页 简单金融 成就梦想 图表目录 图1：云端训练、云端推理、设备端推理三个细分市场的AI芯片竞争格局 ....... 7 图2：寒武纪针对原生TensorFlow的修改（深灰色部分） .......................... 10 图3：寒武纪的端云一体软件栈架构 ............................................................ 10 图4：A MD的ROCm是和英伟达CUDA对等的智能编程语言..................... 11 图5：A MD的HIPify工具可以将英伟达C UDA代码转换为ROCm代码 ..... 11 图6：英伟达的CUDA栈............................................................................ 12 图7：A MD的ROCm栈............................................................................ 12 图8：华为在AI领域全栈自研：从底层芯片到智能编程语言再到深度学习框架14 图9：MindSpore和Pytorc h结合各类芯片训练速度（单位：张/秒） ........ 14 图10：Ope nA I首席执行官Sam Altma n谈C hatGP T每次聊天的成本....... 18 图11：GPT-3训练成本估算....................................................................... 18 图12：主流LLM模型训练成本估算............................................................ 19 图13：LLM训练/推理成本测算框架 ........................................................... 19 图14：过去5年中，LLM模型参数呈指数增长 ........................................... 20 表1：“端-边-云”对AI芯片的算力和功耗、延时性有不同的要求.................. 5 表2：国内外主流深度学习框架以及支持的硬件设备 ....................................... 8 表3：英伟达发布A 800、H 800实现向中国合法出口..................................... 9 表4：英伟达AI推理芯片参数一览 ................................................................ 9 表5：寒武纪AI芯片性能参数..................................................................... 10 表6：谷歌历代推理和训练芯片性能参数 ...................................................... 13 表7：华为主流推理和训练芯片性能参数 ...................................................... 14 表8：训练端芯片已有较多参与者 ................................................................ 16 表9：推理端芯片华为/阿里/寒武纪等布局较早 ............................................ 16 表10：重点公司估值表（单位：亿元） ...............