核心观点
- 高性能计算是支撑人工智能(AI)发展的关键领域,包括半导体和数据中心市场,涵盖运营和技术(IT)供应商。
- 超级计算中心的资本支出是衡量先进计算生态系统增长和可持续性的关键指标。
- 当前资本支出主要用于提高生成式基础模型的保真度和性能,这是实现生成式AI(GenAI)模型价值的关键。
- 智能的弹性:处理器需求预计将产生2.8万亿美元 cumulative 收入,理论上没有上限,智能随着计算能力的提升而扩展。
- 功率限制:电力供应已成为增长的主要限制因素,预计到2030年,电力和冷却基础设施的累计支出将达到1.2万亿美元。
- 架构效率:混合专家(MoE)架构的转型大大降低了推理成本,使“专家级”智能在经济上变得可行,并引发了当前的设施建设热潮。
- 热过时:传统的风冷数据中心已技术上过时,需要进行大规模改造以采用液冷技术,以防止热节流。
关键数据
- 2025年至2030年期间,预计将花费6.4万亿美元用于超级计算中心的资本支出。
- 到2030年,数据中心半导体将占半导体市场的63%,而2022年仅为11%。
- 预计到2030年,数据中心处理器的累计支出将达到2.8万亿美元。
- 预计到2030年,电力和冷却的累计支出将达到1.2万亿美元。
- 预计到2030年,半导体供应链的累计收入将达到3.1万亿美元。
研究结论
- 超级计算中心的资本支出将持续增长,推动先进计算市场的发展。
- 功率和冷却是制约先进计算增长的主要因素。
- MoE架构的兴起将推动数据中心半导体市场的增长。
- 企业应放弃构建基础模型,转而采用微调和高检索增强生成(RAG)架构。
- 企业应将计算供应视为稀缺的物理商品,并签订多年的容量预留合同。
- 2纳米工艺节点的转型对先进计算至关重要。
- 私募股权(PE)的战略正在从被动数据中心房地产转向积极整合关键“工业”供应链供应商。