AI算力行业深度研究报告：智算供给格局分化，国产化进程有望加速

报告日期：2023年12月04日 智算供给格局分化，国产化进程有望加速 ———AI算力行业深度研究报告 摘要： 华龙证券研究所 ➢国产大模型发展方兴未艾。大模型规模、数据量和数量的全面增长将持续拉动AI算力需求。国内千亿级参数规模大模型持续落地。2023年10月，百度发布万亿参数级大模型文心一言4.0，正式宣布对标GPT-4。近两年国产大模型数量呈爆发式增长态势，仅2023年1到7月，国内大模型就新增64个，短期内增速有望维持。 投资评级：推荐（首次覆盖） ➢美国再收紧对华高端芯片出口标准，AI芯片国产化替代成为趋势。近年来，受国际局势影响，国内厂商加快自研芯片速度。华为昇腾AI算力已经为至少30个国产大模型训练提供算力支持，具备大规模商用能力。短期关注华为昇腾和昇思MindSpore产业链，长期关注国产芯片研发的突破性进展。 ➢算力租赁业务模式逐渐清晰，预期强需求下定价将大幅上涨。随着美国对华高端芯片禁令进一步收紧，较早布局AI算力租赁的厂商容易形成资源优势，估算行业成本回收周期约为17个月。算力租赁业务的商业化路径逐渐明晰，加之近期行业频释放提价信号，算力租赁利润空间将进一步增长。 ➢长期关注芯片性能和算力资源调配效率提升。一方面，Chiplet技术有望打破芯片的物理极限，延续、甚至提高摩尔定律中提出的芯片性能增长速度。另一方面，AI算力资源上云有望从资源配置灵活性方面提升算力供给效率。 研究员：孙伯文执业证书编号：S0230523080004邮箱：sunbw@hlzqgs.com ➢建议关注：1）开展算力服务的厂商：中贝通信、莲花健康、恒润股份、汇纳科技、鸿博股份；2）具备国产芯片IP设计能力的厂商：寒武纪、海光信息、芯原股份；3）具备云服务能力的厂商：中科曙光、浪潮信息、紫光股份、神州数码；4）芯片封测厂商：长电科技、通富微电、华天科技。 相关阅读 ➢风险提示： 国际紧张局势加剧；国产大模型发展不及预期；国产芯片技术突破速度不及预期；台积电产能恢复不及预期；数据估算风险。 请认真阅读文后免责条款 内容目录 1大模型浪潮推动作用下，算力需求缺口将持续扩大....................1 1.1大模型发展对算力需求的推动作用..............................11.1.1国外大模型的发展.........................................11.1.2国内大模型的发展.........................................31.2国产大模型AI算力需求测算...................................51.2.1通用大模型AI算力需求测算................................61.2.2行业大模型AI算力需求测算................................71.3AI算力供给方面：高端芯片进口受限，国产替代为大势所趋......101.3.1国际形势：美国进一步收紧芯片对华出口标准................101.3.2 AI芯片国产化替代.......................................111.3.3 AI芯片产能：台积电产能复苏伴随订单激增，供不应求情况仍将持续...............................................................12 2 AI算力租赁行业的内在价值......................................12 2.1AI算力租赁对下游公司：带来成本和时间优势..................122.2对具备算力资源的公司：算力租赁可为公司带来第二业务增长线...132.2.1 AI算力租赁成本回收周期测算.............................13 3 AI算力未来发展方向——增质提效................................14 3.1以云网融合为前提，算力调度成为提高资源配置效率的核心.......143.2芯片数据传输效率:关注Chiplet技术和芯片互联技术............153.2.1 Chiplet技术............................................153.2.2芯片互联技术............................................16 4.1寒武纪-U（688256.SH）......................................164.2中贝通信（603220.SH）......................................17 5风险提示......................................................19 图目录 图1：2018年海外大模型发布数量........................................................................1图2：2017-2023年海外大模型参数量演进情况..................................................2图3：国内大模型发布数量.....................................................................................3图4：国产通用大模型与行业大模型分布.............................................................4图5：国内部分垂类大模型应用.............................................................................4图6：国内通用与垂类大模型比例.........................................................................4图7：华为盘古大模型层级分布.............................................................................5图8：基于华为昇思MindSpore的医药垂类大模型-鹏程·神农.......................8图9：Megatron框架下大模型训练规模和算力利用率......................................9图10：美国2023年10月18日高端芯片出口禁令标准...................................10图11：寒武纪思元370芯片.................................................................................16图12：2020-2025年寒武纪营业收入及增长率..................................................17图13：2020-2025年寒武纪归母净利润及增长率..............................................17图14：2020-2025年寒武纪ROE(摊薄)...............................................................17图15：2020-2025年中贝通信营业收入及增长率..............................................19图16：2020-2025年中贝通信营业归母净利润及增长率..................................19图17：2020-2025年中贝通信ROE(摊薄)...........................................................19图18：2020-2025年中贝通信PE.........................................................................19 表目录 表1：部分国内外公开数据的通用大模型训练计算量和规模对比.....................6表2：2023年国产通用大模型训练侧算力需求测算............................................7表3：2023年国产通用大模型推理侧算力需求测算............................................7表4：2023年国产垂类大模型算力需求测算........................................................9表5：国内主流AI芯片性能参数对比................................................................11表6：算力租赁行业成本回收周期测算（以H800服务器为租赁产品）........14表7：中贝通信算力租赁业务的成本回收期估算...............................................18 1大模型浪潮推动作用下，算力需求缺口将持续扩大 1.1大模型发展对算力需求的推动作用 大模型的训练效果、成本和时间与算力资源有密切的关系。大模型发展浪潮有望进一步增加AI行业对智算算力的需求规模。 1.1.1国外大模型的发展 大模型数量加速增长，算力成为模型竞赛底座。自2018年以来，海外云厂商巨头接连发布NLP大模型。据赛迪顾问2023年7月发布的数据显示，海外大模型发布数量逐年上升，年发布数量在五年中由2个增长至48个。且仅2023年1-7月就发布了31个大模型。 自2021年起，海外大模型数量呈现加速增长的趋势，结合2023年1-7月的情况，该趋势有望延续。 资料来源：赛迪顾问，华龙证券研究所 2017-2023年，从各公司发布的公开信息来看，大模型在7年的时间里实现参数量从千万到万亿级的指数型增长。 2017年，谷歌团队提出Transformer架构，奠定 了当前大模型领域主流的算法架构基础。 2018年6月，OpenAI发布了Transformer模型——GPT-1，训练参数量1.2亿。同年10月，谷歌发布了大规模预训练语言模型BERT，参数量超过3亿。 2019年，OpenAI推出15亿参数的GPT-2。2019年9月，英伟达推出了83亿参数的Megatron-LM。同年，谷歌推出了110亿参数的T5，微软推出了170亿参数的图灵Turing-NLG。 2020年， OpenAI推出了大语言训练模型GPT-3，参数达到1750亿。微软和英伟达在同年10月联合发布了5300亿参数的Megatron-Turing大模型。 2021年1月，谷歌推出Switch Transformer模型，参数量达到1.6万亿，大模型参数量首次突破万亿。 2022年，OpenAI推出基于GPT-3.5大模型的ChatGPT，宣告了GPT-3.5版本的存在。 2023年，OpenAI推出GPT-4，估计参数规模达到1.8万亿。 资料来源：《Attention Is All YouNeed》等论文，中国信通院，华龙证券研究所 GPU数量与不同量级大模型所需的算力之间的线性关系。根据2021年8月Deepak Narayanan等人发布的论文，随着