本研报聚焦AI算力需求增长、国产算力替代窗口期、超节点技术演进及太空算力需求。核心观点包括AI短剧等Tokens消耗增长推动国内算力需求、海外GPU管制加剧算力供给短缺、国产算力通过超节点方式向高端演进、交换网络成为超节点关键。关键数据如华为CM384超节点性能表现、曙光ScaleX640算力堆叠能力、交换芯片与GPU配比提升等。研究结论强调国产算力通过规模化堆叠弥补单卡性能差距,超节点成为国产算力训练侧突围核心抓手,重点关注超节点整机、交换芯片等领域。
AI算力行业呈现Tokens消耗快速增长趋势,AI短剧等应用带动国内算力需求大幅提升。海外GPU出口管制加剧高性能算力供给短缺,为国产算力芯片替代带来窗口期。超节点技术成为发展趋势,通过大规模GPU堆叠和高速互联提升整体算力性能。交换网络重要性凸显,交换芯片与GPU配比大幅提升,系统级互连效率成为集群性能关键。国产算力通过优化系统架构和高速互联技术,弥补单卡性能差距,实现性能跃升。
研报重点分析了国产算力替代窗口期、超节点技术演进路径、交换网络对算力性能影响以及太空算力需求。通过华为CM384、曙光ScaleX640等案例,展示了超节点算力性能优势。同时,分析了交换芯片与GPU配比提升对系统级互连效率的关键作用,以及国产算力通过规模化堆叠实现性能突破的路径。此外,研报还关注了太空算力需求强化对相关产业链的影响。
当前算力市场呈现AI应用驱动需求快速增长态势,AI短剧等应用场景显著拉动Tokens消耗。国产算力面临海外GPU供给受限挑战,但通过超节点技术实现性能突破。交换网络成为算力系统瓶颈突破关键,交换芯片与GPU配比持续优化。国产算力厂商通过规模化堆叠弥补单卡性能差距,并在超节点、高速互联等领域取得进展。太空算力需求强化,为相关产业链带来发展机遇。
研报提示国产算力替代进程面临技术挑战,需持续优化超节点架构和交换网络性能。高速互联技术发展不确定性可能影响算力系统整体效率。太空算力市场需求存在波动风险,需关注Starmind等企业项目推进情况。此外,AI算力市场竞争激烈,技术迭代速度快,需关注技术路线选择和产业链协同风险。国产算力芯片在性能和生态方面仍需持续提升,以应对国际竞争压力。