2023年AIGC行业专题报告 大模型出现带动AI服务器呈现加速状态

01 AI服务器需求呈现加速状态

ChatGPT的竞争本质即大模型储备竞赛

大模型是人工智能发展的必然趋势: 大模型即“大算力+强算法”结合的产物。大模型通常是在大规模无标注数据上进行训练，学习出 一种特征和规则。基于大模型进行应用开发时，将大模型进行微调，如在下游特定任务上的小规模有标注数据进行二次训练，或者不进 行微调，就可以完成多个应用场景的任务。

大模型是辅助式人工智能向通用性人工智能转变的坚实底座: 大模型增强了人工智能的泛化性、通用性，生产水平得到质的飞跃，过去 分散化模型研发下，单一AI应用场景需要多个模型支撑，每个模型需要算法开发、数据处理、模型训练、参数调优等过程。大模型实现 了标准化AI研发范式，即简单方式规模化生产，具有“预训练+精调”等功能，显著降低AI开发门槛，即“低成本”和“高效率”。

算力是打造大模型生态的必备基础，服务器是算力的载体: 算力是训练大模型的底层动力源泉，一个优秀的算力底座在大模型(AI算法) 的训练和推理具备效率优势；服务器是算力的底层载体，包含CPU、GPU、内存、硬盘、网卡等，在ChatGPT中具有举足轻重的作用，算 力是服务器通过对数据进行处理后实现结果输出的一种能力。

大模型出现带动AI服务器呈现加速状态

我们认为大模型的出现有望带动AI服务器需求: 我们认为除了对低延迟低功耗算力的性能需求，在服务器的种类上也产生了多样化、细 分化的场景应用需求。各行业与人工智能技术的深度结合及应用场景的不断成熟与落地，使人工智能芯片朝着多元化的方向发展，为了 迎合芯片的多元化，服务器的类型也将越来越丰富，并适用越来越多的行业应用场景。根据IDC的数据，在2021年的统计，预计到 2025年中国加速服务器市场规模将达到108.6亿美元，且2023年仍处于中高速增长期，增长率约为20%。

AI大模型对算力的需求分别来自训练和推理两个环节。1）训练环节：通过标记过的数据来训练出一个复杂的神经网络模型，使其能够 适应特定的功能，模型具有一定的通用性，以便完成各种各样的学习任务。该环节需要处理海量的数据，注重绝对的计算能力。2）推 理环节：利用训练好的模型，使用新数据推理出各种结论。借助神经网络模型进行运算，利用输入的新数据来一次性获得正确结论的过 程。该环节对算力要求比训练环节略低，但注重综合指标，单位能耗算力、时延、成本等都要考虑。

服务器架构随负载量扩张而不断优化

服务器价值凸显:计算机的一种，它比普通计算机运行更快、负载更高、价格更贵，主要用于在网络中为其它客户机提供计算或者应用 服务。服务器具有高速的CPU运算能力、长时间的可靠运行、强大的I/O外部数据吞吐能力以及更好的扩展性。服务器一般具备承担响应 服务请求、承担服务、保障服务的能力。其内部的结构与普通的计算机相差不大，主要包括如：CPU、硬盘、内存，系统、系统总线等， 但相较于PC端需考虑几方面，例如可拓展性、易使用性、可用性和易管理性。

服务器架构随负载量扩张而不断优化: 服务器架构经历了从传统单一模式到集群模式，再到分布式架构的优化过程。传统单一模式，服 务器诞生初期将所有功能汇集在同一个系统，缺点为不便于维护、横向拓展性不佳；因此集群模式诞生，这种集群模式将同一项目放在 多个服务器上，有效缓解用户访问量大的压力，但由于各个服务器间功能重复却缺乏协同，系统维护成本仍然较高，且增加了用户重复 登陆问题，因此服务器架构进化到分布式模式。在分布式架构中，整个系统按照不同功能拆分为多个单一功能的子模块，每个模块被放 到不同服务器中相互协作，共同组成服务器网络，能够有效解决功能耦合度高等问题且代码复用性高。

服务器的分类方式: 按照CPU架构分类

伴随应用需求不断扩张，不同架构服务器百花齐放：按照CPU指令集架构的差异，服务器可分为CISC、RISC、VLIM等架构。

CISC(复杂指令集):庞大复杂的指令数目，常见CISC微指令集主要集中在：AMD、Intel、VIA等IA-32、X86架构的CPU产品；优点在 于能够有效缩短新指令的微代码设计时间，允许设计师实现CISC体系机器的向上相容，指令丰富且功能强大，而缺点指令使用率不均 衡、不利于采用先进结构提高性能等。

RISC(精简指令集): 对指令数目和寻址方式都做了精简。包含了简单、基本的指令，透过这些简单、基本的指令，就可以组合成复杂指 令，常见RISC微指令集主要集中在：DECAlpha、ARC、ARM、AVR、MIPS、PA-RISC、PowerPC、RISC-V中，优点在于指令执行 效率高，原因是90%指令由硬件直接完成，10%的指令是由软件以组合的方式完成；缺点在于指令数较少，功能不及CISC强大。

VLIM(超长指令集架构)：采用多个独立的功能部件,指令调度是由编译器静态调度完成,因此指令可同时流出数目越大，超长指令的性能 就明显；优点在于结构简单且价格低廉，缺点在于编译器负担较重，且需要更多内存，目前微处理器有Intel的IA-64和AMD的x86-64。

AI服务器: 加速计算服务器是服务器成长的核心驱动力

服务器同样可以按照CPU数量进行分类: 可以分为单路服务器、双路服务器、四路服务器和多路服务器。“路”指的是服务器物理CPU 的数量，也就是服务器主板上CPU插槽的数量。单路指服务器支持1个CPU；双路指服务器支持2个CPU；四路指服务器支持4个CPU； 以此类推。一般CPU数量越多，即拥有更强的性能，同时能显著降低性能的功耗比。

AI服务器价值凸显: 随着大数据、云计算、人工智能等技术的成熟与在各行各业的应用，AI服务器价值凸显；1、硬件架构，相较于通 用服务器，AI服务器是采用异构形式的服务器，在异构方式上可以根据应用的范围采用不同的组合方式，如CPU+GPU、CPU+TPU、CPU+其 他的加速卡等；2、加速卡数量: 通用服务器一般是单路或多路CPU架构，而AI服务器需要承担大量的AI运算，一般配置四块及以上加速 卡；3、独特设计，AI服务器由于对加速卡的独特需求，需要针对性的对于系统结构、散热等做专门的设计，才能满足AI服务器需求。

02 拥抱AI服务器的星辰大海

服务器发展路径: “伴科技类”升级产品

我们认为服务器是“伴科技类”的硬件产品，随着科技的服务形式和应用方式不断进步，服务器同样在不断迭代升级或更新换代: 世界 上最早的服务器可以追溯到1981年IBM大型机上的BITNET电子邮件群组，是第一台邮件列表服务器。此后，随着万维网的出现和搜索 引擎等互联网迭代升级，技术不断迭代。

近年，随着互联网+、云计算、AI+、边缘计算的出现，服务器市场迎来了极大的发展: 2009年左右，随着虚拟化技术不断成熟，云计 算的服务模式被大众广泛接受，云数据中心对服务器的需求旺盛；2012年左右，我国进入“互联网+”时代，云计算服务模式叠加电子 商务的需求，拓展性、运算性能、数据存储容量等需求凸显，服务器需求不断增加；2015年左右，全球进入”AI+时代”，以人工智 能、深度学习、神经网络的训练和推理等赋能千行百业，AI服务器价值凸显，其具备图形渲染和海量数据的并行运算等优势，市场需求 旺盛；2017年左右，随着边缘计算、“物联网+”的兴起，叠加AI等需求，服务器市场依旧火热。

算力时代到来，服务器价值凸显

国家计算力指数与GDP/数字经济的走势呈现出了显著的正相关: 根据IDC数据，十五个重点国家的计算力指数平均每提高1点，国家的 数字经济和GDP将分别增长 3.5‰和1.8‰，预计该趋势在2021-2025年将继续保持。此外，当一个国家的计算力指数达到40分以上 时，国家的计算力指 数每提升1点，其对于GDP增长的推动力将增加到1.5倍，而当计算力指数达到60分以上时，国家的计算 力指数每 提升1点，其对于GDP增长的推动力将提高到3.0倍，对经济的拉动作用变得更加显著。

服务器产业链梳理，下游赋能千行百业

服务器产业链梳理，关注产业链中上游: 服务器行业产业链上游为CPU、GPU、内存、硬盘、RAID控制器、电源、软件系统等原材料 为主；中游为服务器行业；下游客户群体有互联网云服务商、电信运营商、第三方IDC服务商、政府部门、各类型企业等。我们认为在 算力和数字时代的大背景下，AI服务器作为算力载体为数字经济时代提供广阔动力源泉，更加彰显其重要性。

服务器赋能千行百业: 根据IDC数据，服务器赋能千行百业，实则为数字经济的底层基础设施；其中，互联网行业占比最多，为 43.8%，广泛应用于电子商务、电子邮件、电子游戏等领域；电信行业占比9.9%，应用场景为通讯网络、云平台建设；金融占比约为 9.0%，广泛应用于商业业务系统、银行系统等场景；政府领域占比为10.6%，主要应用于数字政务、办公系统等领域。

数字经济时代，服务器应用前景广阔

互联网，积极拥抱新兴技术，领先全球算力水平: 根据IDC数据统计，2021年互联网企业采购的IT基础架构中，超过九成被应用于云 计算部署方式。此外，互联网与人工智能、大数据等新兴技术的结合也催生了对海量计算能力的需求。目前，从互联网数据中心的体量 来看，中、美仍处在第一梯队，中美两国占全球整体服务器保有量六成以上。近年来互联网行业在亚太区的增长颇为突出，这主要源于 疫情之后在线需求的增加，以 及亚太地区经济的复苏。此外，中国持续加大数据中心的部署，更多企业采取云服务方式。

电信，利用算力投入优化内部管理、赋能业务创新: 内部，随着5G、云计算等技术的落地，电信运营商对内面临着业务增长压力；外 部，智慧交通、智慧零售、车联网、游戏娱乐、AR/VR应用等增值业务等算力需求逐步增加。海量创新业务增长对数据快速访问价值凸 显，要求电信数据厂商承担数据高并发、低延迟传输、保证业务永续的能力。

03 投资分析

浪潮信息：中国服务器/AI服务器市占率稳居榜首

浪潮信息是全球领先的新型IT基础架构产品、方案及服务提供商: 公司是全球领先的 AI 基础设施供应商，拥有业内最全的人工智能 计算全堆栈解决方案，涉及训练、推理、边缘等全栈 AI 场景，构建起领先的 AI 算法模型、AI 框架优化、AI 开发管理和应用优化等 全栈 AI 能力，为智慧时代提供坚实的基础设施支撑。

中科曙光：我国高性能计算、智能计算领军企业

中科曙光作我国核心信息基础设施领军企业: 在高端计算、存储、安全、数据中心等领域拥有深厚的技术积淀和领先的市场份额，并充 分发挥高端计算优势，布局智能计算、云计算、大数据等领域的技术研发，打造计算产业生态，为科研探索创新、行业信息化建设、产 业转型升级、数字经济发展提供了坚实可信的支撑。

神州数码: 华为生态核心践行者

神州数码领先的数字化转型: 神州数码围绕企业数字化转型的关键要素，开创性的提出“数云融合”战略和技术体系框架，着力在云原 生、数字原生、数云融合关键技术和信创产业上架构产品和服务能力，为处在不同数字化转型阶段的快消零售、汽车、金融、医疗、政 企、教育、运营商等行业客户提供泛在的敏捷IT能力和融合的数据驱动能力。

拓维信息: 华为生态重要参与者

拓维信息是领先的软硬一体化解决方案提供商: 公司1996年成立，业务涵盖政企数字化、智能计算、鸿蒙生态，覆盖全国31个省级行政 区、海外10+国家，聚焦数字政府、运营商、考试、交通、制造、教育等重点领域和行业，服务超过1500家政企客户，为其提供全栈 国产数字化解决方案和一站式全生命周期的综合服务。

海光信息：支持全精度，GPU实现规模量产

海光信息主要从事高端处理器、加速器等计算芯片产品和系统的研究、开发，主要产品包括海光CPU和海光DCU:2018年10月，公司启动 深算一号DCU产品设计，海光8100采用先进的FinFET工艺，典型应用场景下性能指标可以达到国际同类型高端产品的同期水平。2020年1 月，公司启动DCU深算二号的产品研发。

寒武纪：少数全面掌握AI芯片技术的企业之一

寒武纪是目前国际上少数几家全面系统掌握了通用型智能芯片及其基础系统软件研发和产品化核心技术的企业之一: 寒武纪主营业务是 应用于各类云服务器、边缘计算设备、终端设备中人工智能核心芯片的研发和销售。公司的主要产品包括终端智能处理器IP、云端智能 芯片及加速卡、边缘智能芯片及加速卡以及与上述产品配套的基础系统软件平台。

龙芯中科：2K2000系列集成自主GPU

龙芯中科主营业务为处理器及配套芯片的研制、销售及服务： 主要产品与服务包括处理器及配套芯片产品与基础软硬件解决方案业务。 公司基于信息系统和工控系统两条主线开展产业生态建设，面向网络安全、办公与业务信息化、工控及物联网等领域与合作伙伴保持全 面合作，产品在电子政务、能源、交通、金融、电信、教育等行业领域已获得广泛应用。

景嘉微：新一代JM9系列有望打开商用市场

国产GPU龙头企业: 公司成立于2006年，主要从事军用电子产品的研发、生产、销售，目前形成了三大业务板块分别是图形线控模块、 小型专用雷达和芯片业务。GPU方面，2014年首推JM5400实现了军用GPU的国产替代；第二款芯片JM7200于2018年研发成功，具 备了PC端的功能；日前，公司9系列芯片研发成功，具备高性能计算能力。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）