首页 > 文档云仓 > 行业研究 | 企业研究 > 信息产业|互联网 > TMT行业深度报告：算力大时代，AI算力产业链全景梳理
TMT行业深度报告：算力大时代，AI算力产业链全景梳理（99页）.pdf
举报与投诉【报告导读】生成式 AI 取得突破，我们对生成式 AI 带来的算力需求做了上 下游梳理，并做了交叉验证，可以看到以 ChatGPT 为代表的 大模型训练和推理端均需要强大的算力支撑，产业链共振明 显，产业链放量顺序为：先进制程制造->以 Chiplet 为代表的 2.5D/3D 封装、HBM->AI 芯片->板卡组装->交换机->光模块-> 液冷->AI 服务器->IDC 出租运维。综合来看，大模型仍处于混 战阶段，应用处于渗透率早期，AI 板块中算力需求增长的确 定性较高，在未来两年时间内，算力板块都将处于高景气度 阶段，重点推荐 AI 算力产业链各环节相关公司。
生成式 AI 取得突破，实现了从 0 到 1 的跨越，以 ChatGPT 为代表的人工智能大模型训练和推理需要强大的算力支撑。自 2022 年底 OpenAI 正式推出 ChatGPT 后，用户量大幅增长，围绕 ChatGPT 相关的应用层出不穷，其通用性能力帮助人类在文字等 工作上节省了大量时间。同时在 Transformer 新架构下，多模态 大模型也取得新的突破，文生图、文生视频等功能不断完善，并 在广告、游戏等领域取得不错的进展。生成式 AI 将是未来几年最 重要的生产力工具，并深刻改变各个产业环节，围绕生成式 AI， 无论是训练还是推理端，算力需求都将有望爆发式增长。
训练和推理端 AI 算力需求或几何倍数增长。首先是训练侧， 参考 OpenAI 论文，大模型训练侧算力需求=训练所需要的 token 数量*6*大模型参数量。可以看到从 GPT3.5 到 GPT4，模型效果越 来越好，模型也越来越大，训练所需要的 token 数量和参数量均 大幅增长，相应的训练算力需求也大幅增长。并且，与 GPT4 相 关的公开论文也比较少，各家巨头向 GPT4 迈进的时候，需要更 多方向上的探索，也将带来更多的训练侧算力需求。 根据我们 的推算，2023 年-2027 年，全球大模型训练端峰值算力需求量的 年复合增长率有望达到 78.0%，2023 年全球大模型训练端所需全 部算力换算成的 A100 芯片总量可能超过 200 万张。其次是推理 侧，单个 token 的推理过程整体运算量为 2*大模型参数量，因此 大模型推理侧每日算力需求=每日调用大模型次数*每人平均查 询 Token 数量*2*大模型参数量，仅以 Google 搜索引擎为例，每年调用次数至少超过 2 万亿，一旦和大模型结合，其 AI 算力需求将十分可观。随着越来越多的应用和大模型结 合，推理侧算力需求也有望呈现爆发增长势头。根据我们的推算，2023 年-2027 年，全球大模型云端推理的峰 值算力需求量的年复合增长率有望高达 113%。
算力产业链价值放量顺序如下：先进制程制造->以 Chiplet 为代表的 2.5D/3D 封装、HBM->AI 芯片->板卡组 装->交换机->光模块->液冷->AI 服务器->IDC 出租运维。
收藏(1690)
点赞(1739)
格式
大小
9.56MB
青云豆
5
2020〜2021年半导体行业投资展望，从应用到行业的全面复苏（43页）.pdf
电子行业深度研究：AI算力需求持续释放，重点看好AI服务器产业链（29页）.pdf
【计算机行业研究报告】龙宇燃油：IDC贡献业绩、前瞻布局边缘计算（16页）.pdf
半导体行业深度报告（二）：存储市场柳暗花明，国产替代未艾方兴（50页）.pdf
半导体行业：“大算力时代”+“存算一体化”，GPU封装正当时（8页）.pdf
AIGC专题：国内大模型概览（42页）.pdf
2023年度计算机策略报告：行情向好，拥抱确定性“信创”浪潮（24页）.pdf
MEMS行业深度：竞争格局、应用领域、市场空间、未来趋势及相关公司深度梳理（47页）.pdf
互联网行业：智能计算中心创新发展指南（35页）.pdf
国金证券-电子行业深度研究：先进封装价值量提升叠加需求回暖，封测产业链机遇将至-230818（39页）.pdf
