电子行业深度报告：AI商业模式逐步落地，算力产业链迎接星辰大海.pdf

电子行业深度报告：AI商业模式逐步落地，算力产业链迎接星辰大海。AI 带动万亿蓝海市场，“模型+数据+算力”为产业核心壁垒。AI 历 史发展余 70 年，当前正处于新一轮产业变革制高点。从规模上看， 全球 AI 产业规模预计 2030 年将达到 1500 亿，未来 8 年复合增速 约 40%。从市场来看，美国领先，中国和欧盟并驾齐驱，三地企业 合计份额为 70.01%。2022 年中国人工智能产业规模达 1958 亿元， 年增长率 7.8%，整体稳健增长。模型、数据和算力为人工智能发展 三驾马车，Transformer 模型的引入标志着自然语言处理模型能够大 规模地生成类似人类的语言，并且进入可大规模、可复制的大工业 落地阶段。算法模型发展的同时，对于数据规模和质量的要求也在 不断提高。其中 ChatGPT 参数量达到 1750 亿次，数据规模达到 45TB，从 1956-2020 年，计算机处理能力的 FLOPS 增加了一万亿 倍。同时海外和国内互联网行业巨头积极布局 AI，竞赛压力逐步提 升。

AI 产业迎来“iPhone”时刻，英伟达召开 GTC2023，关注高性能计 算相关领域壁垒。英伟达在 GTC2023 推出 AI Foundations 云服务， 从 NEMO、PICASSO、BIONEMO 三方面，赋能不同 AI 场景。同 时发布 H100 NVL 服务器，相比 A100 DGX 提供 10 倍的计算速度。 在大算力背景下，存算性能呈现剪刀差，存储器件性能远弱于算力 性能提升，AI 训练未来的瓶颈不是算力，而是 GPU 的“内存墙”。 因此，未来存算一体化趋势确定，HBM 与 Chiplet 有望实现降本增 效，全球半导体厂商已提出多种解决方案，存内计算电路可基于 SRAM 和 NOR Flash 实现。HBM 的高带宽技术，基于 TSV 和芯片 堆叠技术的堆叠可实现高于 256GBp/s 带宽远超过 DDR4 和 GDDR6。Chiplet 技术无需中介层、芯片直接通过 TSV 直接进行高 密度互连,性能可以得到很大的提升，算力水平也会提高。

AI 商业落地曙光出现，ChatGPT 引爆大算力需求。ChatGPT 是使 用海量语料库进行训练的语言生成器，在 2022 年 11 月 ChatGPT 推出后，迅速引爆市场，2 个月内月活跃用户数便达一亿，成为 了历史上用户增长最快的消费应用。ChatGPT 参数量 2018 年 OpenAI 发布的 ChatGPT 1.0 的模型参数为 1.17 亿，2019 年的第 二代模型参数为 15 亿，ChatGPT 3.0 的参数相比于 ChatGPT2.0 增长了近百倍，达到了 1750 亿。强大的算力水平是 AI 大 模 型必备的技术支撑, ChatGPT 3.0 模型需要使用 1024 颗英伟达 A100 芯片训练长达一个月的时间,AIGC 商业落地蓄势待发，未 来对算力的需求更将超乎想象。