GPU行业深度报告：AI与自动驾驶打造GPU强力增长引擎-20230913-川财证券-37页_2mb

AI与自动驾驶打造GPU强力增长引擎 - GPU行业深度报告总结

核心内容

本报告从数字经济、AI大模型及智能驾驶的视角出发，分析了GPU在算力需求中的核心地位及其未来发展趋势。报告指出，GPU凭借其高并发计算能力、灵活的可编程性及广泛的适用性，成为当前算力需求增长的主要驱动力。

主要观点

• 数字经济、AI与智能驾驶 是开启智能时代的三大确定性方向，其中AI大模型与智能驾驶成为算力需求的主要增长点。
• GPU作为算力主流解决方案，因其SIMD架构与深度学习算法高度契合，成为数据中心、移动端及智能驾驶等领域的关键组件。
• 算力需求快速增长，全球数据量以指数级增长，预计到2028年全球算力规模将达到7510 EFlops，GPU需求同步上升。
• 市场格局方面，英伟达在国际上占据主导地位，国内厂商正加速追赶，在数据中心、AI及通用计算领域逐步实现产品布局。
• 技术发展推动性能提升，英伟达不断迭代GPU架构，推出Tensor Core以提升AI运算效率，并通过NVLink技术增强数据中心内的通信能力。

关键信息

1. 算力需求趋势

• 算力演进：从通用计算转向智能计算，从分散独立转向云网边协同。
• 算力作为基础设施：算力是人工智能发展的三大要素之一，是开启智能时代的重要支撑。
• 数据增长：2020年全球数据量达60 ZB，预计2028年达到7510 EFlops。
• AI大模型需求：模型参数量和算力需求呈指数级增长，如GPT-3的175B参数量和3140E+23 Flops。
• 智能驾驶需求：L3、L5级智能驾驶渗透率预计分别达到14%、1%（2025），2030年将分别达到40%、12%。算力需求分别达到30-60 TOPS、1000 TOPS以上。

2. GPU发展趋势

• 性能优势：GPU相较CPU具备更高的并行计算能力和内存带宽，适合深度学习算法。
• 架构迭代：英伟达GPU架构持续优化，Hopper架构已广泛应用于AI大模型训练与推理。
• 灵活性：GPU具备可编程性，通过CUDA、OpenCL等平台技术实现广泛的应用拓展。

3. 市场格局与竞争

• 英伟达市场领先：在游戏、数据中心、智能驾驶领域占据主导地位，2023年Q2全球PC显卡市场份额达68%。
• 国内厂商布局：芯动科技、摩尔线程、壁仞科技等在数据中心及智能驾驶领域加速布局，产品性能逐步接近国际领先水平。
• GPU市场增长：2025年全球高性能计算市场规模预计达199亿美元，AI服务器市场将激增至1350亿美元。

4. 技术与产品

• 英伟达产品矩阵：包括游戏显卡（GeForce系列）、数据中心GPU（H100、A100等）、自动驾驶芯片（ORIN、Thor等）。
• 技术亮点：Tensor Core显著提升AI运算速度，NVLink技术增强GPU通信能力。
• 国产替代潜力：国内厂商在高性能计算GPU领域实现技术突破，部分产品性能已接近英伟达。

5. 风险提示

• 国内技术研发不及预期
• 产能不及预期
• 自动驾驶渗透率不及预期
• 国际形势风险

产业链与应用

• GPU下游应用：主要应用于移动端（PC、手机）、数据中心服务器、车规级芯片。
• 移动端：GPU不仅用于图形处理，还用于AI算法加速，如深度学习、计算机视觉、自然语言处理。
• 数据中心：GPU广泛用于高性能计算和智能计算，占AI服务器成本的72.8%。
• 智能驾驶：GPU用于处理传感器数据，实现自动驾驶功能，如摄像头、激光雷达等。

总结

GPU在AI与自动驾驶的推动下，成为算力需求增长的核心引擎。其高并发计算能力、灵活可编程性及广泛适用性使其在多个领域占据主导地位。尽管英伟达目前占据市场领先地位，但国内厂商正加速技术追赶和产品布局，未来有望实现市场份额的提升。同时，GPU市场受到数据增长、AI模型扩张及智能驾驶发展等多重因素驱动，具备广阔的市场前景和增长潜力。