全球AI算力革命_生态之争加速演绎_37页_4mb
报告摘要
计算机行业深度研究报告总结
核心内容
本报告聚焦全球AI算力革命及其对半导体行业的深远影响,分析了英伟达、博通、AMD等主要玩家在AI芯片领域的布局和竞争态势。随着AI技术的快速发展,全球算力需求显著增长,其中智能算力占比迅速提升,推动了算力基础设施的变革。AI专用芯片市场正在经历从“通用”向“专用”的转变,ASIC、FPGA和GPU三类芯片在不同应用场景中各有优势,但ASIC因其高能效和低成本逐渐成为主流。
主要观点
-
全球AI算力需求激增
- 据中国信通院预计,2030年全球算力规模将超过16ZFlops,其中智能算力占比将超过90%。
- 2023年全球算力总规模为1397EFlops,增速达54%,其中智能算力占比63%,超算算力占比2.5%。
- 未来五年,全球算力规模将以超过50%的速度增长,AI训练和推理需求推动了算力基础设施的快速演进。
-
英伟达算力布局领先
- 英伟达在AI芯片市场占有率接近90%,主导了GPU市场。
- 2024年搭载GPU的AI服务器占比约为71%,其中英伟达占据主导地位。
- 2025财年,英伟达数据中心业务收入达1151.9亿美元,同比增长142.4%,占总收入88.3%。
- 英伟达发布Vera Rubin计算平台,重新设计了6款芯片,实现全栈极致协同。
- 黄仁勋强调,Vera Rubin平台通过高效能、低功耗、高带宽设计,显著提升了AI训练和推理能力。
-
博通成为AI专用芯片“隐形冠军”
- 博通在ASIC市场占据55%-60%的份额,与谷歌、Meta、亚马逊等超大规模客户建立了长期合作关系。
- 2025财年,博通半导体业务收入达368.6亿美元,占总收入58%;AI业务收入达200亿美元,同比增长65%。
- 博通通过收购VMware,构建了“半导体+软件”双轮驱动模式,增强了其在AI领域的竞争力。
- 博通的基础设施软件业务毛利率高达93%,成为其盈利结构的核心支撑。
-
AMD加速追赶
- AMD发布的MI350系列芯片在浮点性能上已与英伟达B200大致相当。
- 计划于2026年和2027年推出MI400和MI500系列,目标是在4年内实现AI性能提升1000倍。
- AMD通过高HBM内存容量和能效比优化,增强了其在AI领域的竞争力。
-
云厂商推动算力自主化
- 谷歌、Meta、亚马逊、微软等云厂商通过自研芯片推进算力自主化,优化成本结构,降低对外部依赖。
- 亚马逊推出的Trainium2芯片,在同等预算下比英伟达H100完成推理任务的速度更快,性价比提升30%-40%。
- 芯片代工巨头如台积电、三星也参与了ASIC项目的开发。
-
行业竞争转向生态构建
- 随着AI算力需求从通用转向专用,竞争焦点从芯片性能转向整体生态构建。
- 英伟达以CUDA生态为核心,构建了封闭的AI算力体系。
- 博通则通过定制化ASIC和高速网络芯片,构建了“开放互联+专用芯片”的生态模式。
- AMD通过提升AI性能和构建完整AI解决方案,逐步缩小与英伟达的差距。
关键信息
- 算力单位:FLOPS是衡量算力的常用单位,其中1EFLOPS约为25万台主流双路服务器的算力输出。
- CUDA生态:英伟达CUDA编程模型及其配套软件库、API和SDK构成了其强大的AI生态体系,全球拥有500万个开发者和4万家公司。
- Vera Rubin平台:英伟达在CES2026大会上发布,重新设计了6款芯片,实现全栈极致协同,算力和带宽性能显著提升。
- 博通的AI业务:博通AI业务收入达200亿美元,同比增长65%;基础设施软件业务收入达270亿美元,同比增长26%。
- 全球算力格局:2025年第三季度全球半导体销售额达2084亿美元,英伟达以570亿美元收入稳居榜首;博通位列第四。
投资建议
- A股上市公司:寒武纪、海光信息、摩尔线程、拓维信息、浪潮信息、中科曙光、工业富联、中际旭创、新易盛、中国移动、中国电信等。
- 美股上市公司:英伟达(NVIDIA)、博通(Broadcom)、台积电、甲骨文(Oracle)、超威半导体(AMD)、ARISTA网络、戴尔科技(Dell Technologies)、迈威尔科技(Marvell)、VERTIV、数字房地产信托、COREWEAVE、CREDO TECHNOLOGY、NEBIUS、超微电脑等。
风险提示
- 技术创新不及预期
- 行业竞争加剧
- 地缘政治风险
图表目录
- 图表1:算力的常用单位
- 图表2:算力的分类
- 图表3:全球算力规模与增速
- 图表4:2021-2023年全球算力规模与GDP关系
- 图表5:2008-2026年全球机器学习硬件的计算能力示意图
- 图表6:2017-2024年数据中心GPU市场份额测算
- 图表7:不同加速器训练的知名模型数量
- 图表8:不同领域大模型训练所需算力
- 图表9:领先科技公司的AI计算能力
- 图表10:按GPU代际划分的英伟达算力总和
- 图表11:H100图形处理器的订单于2023年完成交付情况
- 图表12:GPU、ASIC、FPGA对比
- 图表13:GPGPU与ASIC对比
- 图表14:Marvell上修2028年全球ASIC市场规模预期
- 图表15:英特尔的FPGA产品
- 图表16:英伟达创新历程
- 图表17:Blackwell拥有六项革命性技术
- 图表18:NVIDIA Blackwell产品
- 图表19:Vera Rubin平台全栈重构
- 图表20:Vera Rubin平台全栈重构
- 图表21:2016-2025财年英伟达营收及利润情况
- 图表22:2016-2025财年英伟达收入结构
- 图表23:CUDA的高效运转需要配合英伟达的GPU硬件
- 图表24:博通发展历程图
- 图表25:博通定制技术能力与IP核
- 图表26:博通的半导体解决方案业务构成
- 图表27:2016-2025财年博通营收及利润情况
- 图表28:2020-2025财年博通收入结构
- 图表29:博通的基础设施软件业务构成
- 图表30:2023-2024年全球前十大半导体供应商收入排名
- 图表31:WSTS全球排名前二十的半导体公司榜单
- 图表32:Scale-up、Scale-out、Scale-Across框架对比
- 图表33:英伟达、博通、AMD框架对比
- 图表34:AMD通过更高的HBM内存容量和更高的能效比来撬动市场
- 图表35:AMD MI355X与英伟达B200对比
- 图表36:AMD MI350系列性能参数
- 图表37:AMD发布的Helios AI机架
- 图表38:AMD产品发展路线图
- 图表39:PassMark关于服务器CPU市场份额的统计
- 图表40:A股核心受益标的
报告亮点
- 全面梳理了英伟达、博通、AMD、超大规模云厂等的算力布局。
- 分析了推理训练需求不断增长趋势下,主要玩家如何通过竞合重塑产业生态。
- 提供了对AI市场未来趋势的深入洞察,包括异构融合、生态竞争等。
投资逻辑
- 全球AI算力革命推动芯片竞争,英伟达凭借全栈计算基础设施和CUDA生态占据主导地位。
- 博通以ASIC为核心,通过定制化设计和高速网络芯片实现增长。
- AMD通过提升AI性能和构建完整AI解决方案,逐步缩小与英伟达的差距。
- 云厂商加强垂直整合,自研芯片推动算力自主化,专用化、定制化成为趋势。
- AI市场正从“通用”向“专用”转变,生态构建成为竞争关键。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载