(孫慶陽)生成式AI已取得突破，實現(xiàn)了從0到1的跨越。中信建投證券聯(lián)合中新經(jīng)緯研究院共同發(fā)布了《算力大時代，AI算力產(chǎn)業(yè)鏈全景梳理》，報告對生成式AI帶來的算力需求做了上下游梳理，并做了交叉驗證，可以看到以ChatGPT為代表的大模型訓練和推理端均需要強大的算力支撐，產(chǎn)業(yè)鏈共振明顯。

從報告內(nèi)容來看，大模型仍處于混戰(zhàn)階段，應用處于滲透率早期，AI板塊中算力需求增長的確定性較高，在未來兩年時間內(nèi)，算力板塊都將處于高景氣度階段。

(資料圖)

報告指出，自2022年底OpenAI正式推出ChatGPT后，用戶量大幅增長，圍繞ChatGPT相關的應用層出不窮，其通用性能力幫助人類在文字等工作上節(jié)省了大量時間。同時在Transformer新架構下，多模態(tài)大模型也取得新的突破，文生圖、文生視頻等功能不斷完善，并在廣告、游戲等領域取得不錯的進展。生成式AI將是未來幾年最重要的生產(chǎn)力工具，并深刻改變各個產(chǎn)業(yè)環(huán)節(jié)，圍繞生成式AI，無論是訓練還是推理端，算力需求都將有望爆發(fā)式增長。

首先是訓練側，參考OpenAI論文，大模型訓練側算力需求=訓練所需要的token(最小單位)數(shù)量*6*大模型參數(shù)量?？梢钥吹綇腉PT3.5到GPT4，模型效果越來越好，模型也越來越大，訓練所需要的token數(shù)量和參數(shù)量均大幅增長，相應的訓練算力需求也大幅增長。并且，與GPT4相關的公開論文也比較少，各家巨頭向GPT4邁進的時候，需要更多方向上的探索，也將帶來更多的訓練側算力需求。其次是推理側，單個token的推理過程整體運算量為2*大模型參數(shù)量，因此大模型推理側每日算力需求=每日調(diào)用大模型次數(shù)*每人平均查詢Token數(shù)量*2*大模型參數(shù)量，僅以Google搜索引擎為例，每年調(diào)用次數(shù)至少超過2萬億，一旦和大模型結合，其AI算力需求將十分可觀。另外，人工智能算力需求有望推動海底數(shù)據(jù)中心規(guī)?；l(fā)展。

報告推算，2023年-2027年，全球大模型訓練端峰值算力需求量的年復合增長率有望達到78.0%，2023年全球大模型訓練端所需全部算力換算成的A100芯片總量可能超過200萬張。全球大模型云端推理的峰值算力需求量的年復合增長率有望高達113%。

算力產(chǎn)業(yè)鏈價值放量順序為：先進制程制造->以Chiplet為代表的2.5D/3D封裝、HBM->AI芯片->板卡組裝->交換機->光模塊->液冷->AI服務器->IDC出租運維。

報告認為，全球AI服務器市場規(guī)模未來3年內(nèi)將保持高速增長，2022年中國AI服務器市場規(guī)模67億美元，同比增長24%。2023-2025年，中國AI服務器市場規(guī)模有望達到134/307/561億美元，同比增長101%/128%/83%。AI服務器是算力基礎設施最主要的硬件，訓練型主要成本來自于GPU芯片。競爭格局方面，考慮到AI服務器研發(fā)和投入上需要更充足的資金及技術支持，國內(nèi)市場的競爭格局預計將繼續(xù)向頭部集中，保持一超多強的競爭格局。

展望未來，在“東數(shù)西算”統(tǒng)籌下，電信運營商在云計算業(yè)務方面仍將實現(xiàn)快速增長，百度、字節(jié)跳動等互聯(lián)網(wǎng)公司在AIGC領域有望實現(xiàn)突破性進展，都將對包括IDC在內(nèi)的云基礎設施產(chǎn)生較大新增需求，相關IDC廠商有望獲益。(中新經(jīng)緯APP)

↓↓報告全文掃碼獲取↓↓

本文由中新經(jīng)緯研究院選編，因選編產(chǎn)生的作品中新經(jīng)緯版權所有，未經(jīng)書面授權，任何單位及個人不得轉載、摘編或以其它方式使用。選編內(nèi)容涉及的觀點僅代表原作者，不代表中新經(jīng)緯觀點。

責任編輯：宋亞芬