人工智能行业AI算力报告：穿越AI的基石，算力基建的起始

（报告出品：国泰君安证券）

01算力是智能世界的基础，产业生态和投资图谱逐步清晰

算力是智能世界的基础，基础设施从云向算泛在演进

智能世界三要素：数据、算力、算法是智能世界三要素，其中算力平台是核心基础。算力两大类：通用算力、 HPC（高性能计算，High-performance computing）算力。其中通用算力计算量小，用于常规应用。HPC算力是一个计 算机集群系统，通过各种互联技术将多个计算机系统连接在一起，利用所有被连接系统的综合计算能力来处理大型计算问题。算力基础设施从云向算泛在演进，其位置的分布从中心向边缘和端侧泛在延伸，将出现云、边、端三级算力架构。

AI大模型带动算力需求超越摩尔定律增长

AI模型训练算力增长速度超越芯片摩尔定律。AI 训练任务中的算力增长（所需算力每 3.5个月翻一倍）已经超越摩尔定律（晶体管数量每 18 月翻一 倍）。ChatGPT仅推出两个月，月活跃用户数预计已达1亿。ChatGPT在2023年1月达到1亿月活跃用户，平均每天有1,300多万访客，用2个月时间达到1亿 月活数，成为史上最快达到1亿月活跃用户的应用，TikTok、Instagram、Facebook、Twitter则分别用了9个月、2年半、4年半、5年的时间。

MR、车载等数字经济新型应用场景带来新的算力需求

MR的推出更带来对低延时网络传输和底层算力技术升级的需求。虚拟世界需要强大的图像实时渲染能力、计算和存储海量数据资源，头 显交互设备的出现将进一步增加对云计算和边缘计算的应用需求。云计算能将终端渲染逐步迁移至云端，基于规模效应摊低运算成本， 提升服务器使用效率，提升虚拟世界的可进入性。而边缘计算则更能满足实时数据分析需求、缓解中心云的计算负载。汽车智能化需求持续升级带来数据流量的急剧飙升。随着自动驾驶等级提升，车载信息娱乐系统、长续航电池及5G网络的引入，车辆要 面对的计算量越来越大，网络架构升级、本地实时处理能力、“大容量缓存和存储”规格将成为硬需求。

中美算力布局较为领先，中国智能算力在追赶

智能算力规模和增速亮眼。根据信通院算力白皮书，2021年全球算力增速超过40%，华为 GIV 预测2030 年人类将迎来 YB 数据时代，全球算力平 均年增速达到 65%,其中基础算力平均年增速达 27%;智能算力占大头,平均年增速超过 80%;超算算力平均年增速超过 34%。中美算力在全球属于领先地位。美国、中国、欧洲、日本在全球算力规模中的份额分别为 34%、33%、14%和 5%，其中全球基础算力美国份额达 37%，中国以 26%份额排名第二;智能算力方面，中国、美国分别占比为 45%和 28%；美国、日本、中国在超级计算综合性能指标方面份额分别为 48%、22%、18%。

02基础设备：数据中心加速升级，芯片PCB等上游部件量价齐升

AI服务器采用异构式架构，GPU数量远高于普通服务器。AI服务器和普通服务器的主要区别在于：1）架构不同，AI服务器采用 CPU+GPU/FPGA/ASIC等异构式架构，而普通服务器一般是CPU架构；2）GPU数量差别巨大，AI服务器单服务器GPU用量通 常在 4 颗以上。例如：NVIDIA DGX A100包括8个A100 GPU + 2个AMD Rome CPU，而浪潮英信服务器NF5280M6仅配置 1-2个英特尔第三代Xeon处理器。GPU 架构为主流加速架构，是服务器核心成本构成。GPU采用并行计算，适用于处理密集型运算，如图形渲染、机器学习等场 景，AI算力需求的提升推动了GPU卡的运算速度和用量需求进一步增长。根据 IDC 数据，2022年GPU加速卡占据AI市场89% 的份额，在机器学习型服务器中GPU成本占比达 72.8% 。

高速互连技术开创者，多卡互联优势显著。为实现超算模型的高速通信需求，英伟达开创式提出NVLink和NVSwitch技术：NVLink主要用于连接多个GPU，以加速高性能计算和深度学习等应用；NVSwitch用于连接多个GPU和CPU，形成高性能计算系 统，适用于更复杂和大规模的场景，用户可根据具体应用需求和系统配置来决定使用NVLink或NVSwitch。GH200超级芯片所采 用的NVLink-C2C技术，通过Chiplet工艺将CPU+GPU组合到同一封装，相比于PCIe5在能效方面提升25倍，面积效率提升90倍。CUDA生态不断演进，满足各类行业需求。英伟达依托于CUDA软件栈进行第三方应用及工具的扩展，形成了广义的CUDA生态， 并在此基础上向上扩展出CUDA-X，以对接不同的行业应用需求，分为面向AI计算的CUDA-X AI和面向HPC计算的CUDA-X HPC。

受益大模型热潮，国内AI服务器市场增量明显。ChatGPT横空出世，引发科技企业大模型竞赛，全球算力需求呈指数级增加，带 动国内AI服务器市场快速增长，以浪潮信息为主的国内厂家占据国内AI服务器主要市场。头部厂商持续加单，国内AI芯片需求强劲。全球头部互联网厂商相继入局大模型赛道，以英伟达GPU为代表的算力核心产品订单 暴增，一批中国AI芯片企业立足于不同技术路径开展研发，面向云计算、汽车、智能家居等领域，国内AI芯片市场同样前景广阔。

大力发展硬件的同时，软件也是及其重要的一环。英伟达不仅在硬件方面具有统治力，在软件平台也具有很强的竞争力，CUDA生 态已成为行业标的。对国内企业而言，兼顾软硬的发展路径至关重要，大力发展算力的同时，国产软件生态的建立刻不容缓。共建生态开发平台，加速AI芯片落地。寒武纪不仅实现了终端、云端、边缘端产品的完整布局，还为云边端全系列智能芯片与处理 器产品提供统一的平台级基础系统软件Cambricon Neuware，使开发的应用可以在云边端互相兼容，大幅减少云边端不同平台的 开发和应用迁移成本。华为同样致力于“一平台双驱动”为核心的昇腾AI生态，已有200多家合作伙伴经过认证，围绕昇腾的开发 者超30万，其中核心开发者超2000，并在100多所高校开展了昇腾的人工智能课程。

HBM：需求暴增，产能紧缺

HBM内存技术：新型高性能存储产品的竞争与短缺。HBM（High Bandwidth Memory，高带宽内存）是一款新型的 CPU/GPU 内 存芯片，是将多个 DDR 芯片堆叠在一起后和 GPU 封装在一起，实现大容量和高位宽的 DDR 组合阵列。目前 HBM 占整个 DRAM 市场比重约 1.5%，为新型高性能存储产品，处于缺货低库存阶段。SK海力士、三星、美光等存储巨头都在HBM领域展开了升级竞 赛。

SerDes作为底层接口技术，是充分发挥AI硬件算力效能的关键。SerDes是Serializer/Deserializer的缩写，即串行器和解串器， 是目前主流的串行通信技术。通过数据在发送端并转串—串行传输—在接收端串转并，实现芯片间信号的有线传输。相比于传统 并行接口传输，SerDes具有更高的速率（Gbps级）、更低的功耗，以及显著的成本优势，能够满足AI训练&推理等场景下高带 宽、低延迟的数据传输要求，适用于电信、汽车、工业等领域。

PCB及载板：规格加速升级，单机ASP持续上升

OAM卡，是承载GPU加速卡片的PCB板，以NVIDIA DGX H100服务器为例，其可搭载8颗GPU，显著高于普通服务器，因此其PCB用量显著 高于普通服务器。AI服务器的OAM卡需要用更高层数的PCB板，价值量更大。由于AI服务器电路更加复杂，需要更大带宽和更高传输速率，因此OAM需要更高 层数PCB。NVIDIA OAM共两个版本，SXM约需要20层PCB，而Pcle版本层数相对较少；相比传统服务器，AI服务器的PCB层数更高，单台 PCB价值量大幅提升。AI服务器的OAM由于芯片性能的提升，对布线密度提出了更高要求。其需要4阶及以上HDI加工工艺，根据靖邦电子，HDI板增加一阶，成本 增加18%左右，因此带动OAM的ASP上升。目前国内企业鹏鼎控股、沪电股份、奥士康、胜宏科技等均有领先布局。

交换机：速率需求升级，锐捷和新华三竞争力提升

数据流量快速增长和人工智能快速发展推动数据中心网络架构转型，有望驱动交换机数量和端口速率上行，高速以太网交换机市场有望 实现强劲增长。根据IDC预测，中国25G端口交换机市场规模到2022年将达到4.4亿美元，而100G交换机市场规模将达到13.87亿美元。国内交换机市场集中度较高， 锐捷和新华三市场份额提升。根据IDC测算，2022前三个季度新华三、华为、星网锐捷三家市占率已经超 过80%，国产份额持续保持领先。

03网络连接：算力配套的核心，兼顾800G主线和扩散行情

800G主线：互联带宽快速提升，催化800G模块需求

（本文仅供参考，不代表我们的任何投资建议）

1. 社保断缴1次，这些待遇全部取消！7月起正式执行

2. 工资未发先报个税是否可行？税务总局明确回复了！

3. 大儿子成老赖，小儿子砸招牌，75岁出山的陶华碧救不回“老干妈”

4. 排队过万人，爆火6年！这个餐饮黑马，在东北杀疯了