AI 大模型算力芯片產業深度分析 2024

2024-07-16科技

算力需求爆發拉動芯片量價齊升

ChatGPT熱潮席卷全球。ChatGPT（Chat Generative Pre-trained Transformer）是由OpenAI於2022年12月推出的對話AI模型，一經面世便受到廣泛關註，其2023年1月月活躍使用者達到1億，是史上月活使用者增長最快的消費者套用。在問答模式的基礎上ChatGPT可以進行推理、編寫程式碼、文本創作等等，這樣的特殊優勢和使用者體驗使得套用場景流量大幅增加。

1、▲芯片需求=量↑ x 價↑ ， AIGC拉動芯片產業量價齊升

1）量：AIGC帶來的全新場景+原場景流量大幅提高。① 技術原理角度：ChatGPT基於Transformer技術，隨著模型不斷叠代，層數也越來越多，對算力的需求也就越來越大；② 執行條件角度：ChatGPT完美執行的三個條件：訓練數據+模型演算法+算力，需要在基礎模型上進行大規模預訓練，儲存知識的能力來源於1750億參數，需要大量算力。

2）價：對高端芯片的需求將拉動芯片均價。采購一片輝達頂級GPU成本為8萬元，GPU伺服器成本通常超過40萬元。支撐ChatGPT的算力基礎設施至少需要上萬顆輝達GPU A100，高端芯片需求的快速增加會進一步拉高芯片均價。

2、ChatGPT的「背後英雄」：芯片，看好國內GPU、CPU、FPGA、AI芯片及光模組產業鏈

1）GPU：支撐強大算力需求。由於具備平行計算能力，可相容訓練和推理，目前GPU被廣泛套用於加速芯片。看好海光資訊、景嘉微。‍

2）CPU：可用於推理/預測。AI伺服器利用CPU與加速芯片的組合可以滿足高吞吐量互聯的需求。看好龍芯中科、中國長城。‍

3）FPGA：可透過深度學習+分布集群數據傳輸賦能大模型。FPGA具備靈活性高、開發周期短、低延時、平行計算等優勢。看好安路科技、復旦微電、紫光國微。‍

4）ASIC：極致效能和功耗表現。AI ASIC芯片通常針對AI套用專門設計了特定架構，在功耗、可靠性和整合度上具有優勢。看好寒武紀、瀾起科技。‍

5）光模組：容易被忽略的算力瓶頸。伴隨數據傳輸量的增長，光模組作為數據中心內器材互聯的載體，需求量隨之增長。看好德科立、天孚通訊、中際旭創。

1. 算力需求爆發拉動芯片量價齊升

AI計算需要各類芯片支撐

算力需求爆發，芯片量價齊升

AI伺服器為算力載體

CPU、GPU、FPGA、ASIC、光模組各司其職

1.1 人工智能四層架構，芯片為底層支撐

1.2 人工智能不同計算任務需要各類芯片實作

1.3 ChatGPT流量激增，為AI伺服器帶來重要發展機遇

1.4 AI伺服器快速增長，大力拉動芯片需求

1.5 AI伺服器芯片構成——CPU+加速芯片

1.6 CPU擅長邏輯控制，可用於推理/預測

1.7 伺服器CPU向多核心發展，滿足處理能力和速度提升需要

1.7 GPU高度適配AI模型構建

1.8 FPGA：可透過深度學習+分布集群數據傳輸賦能大模型

1.9 ASIC可進一步最佳化效能與功耗，全球巨頭紛紛布局

國內外ASIC芯片龍頭布局

隨著機器學習、邊緣計算、自動駕駛的發展，大量數據處理任務的產生，對於芯片計算效率、計算能力和計能耗比的要求也越來越高，ASIC透過與CPU結合的方式被廣泛關註，國內外龍頭廠商紛紛布局迎戰AI時代的到來。

1.10 數據傳輸速率：容易被忽略的算力瓶頸

1.11 數據傳輸核心器件：光模組

2. 技術創新引領本土產業鏈彎道突圍

國產伺服器CPU發展之路透過CHIPLET布局先進制程，伺服器芯片廣泛套用存算一體打破「儲存墻」限制，實作降本增效.

2.1 伺服器CPU需求增長，國化產三條發展路線

2.2 未來算力升級路徑：CHIPLET、存算一體

近期CHATGPT的興起推動著人工智能在套用端的蓬勃發展，這也對計算器材的運算能力提出了前所未有的需求。雖然AI芯片、GPU、CPU+FPGA等芯片已經對現有模型構成底層算力支撐，但面對未來潛在的算力指數增長，短期使用CHIPLET異構技術加速各類套用演算法落地，長期來看打造存算一體芯片（減少芯片內外的數據搬運），或將成為未來算力升級的潛在方式。