计算机行业AI系列专题研究报告：AI算力研究框架_80页_8mb

报告摘要

GPT-4是目前最接近AGI的AI系统，具备强大的“涌现能力”，即在大型模型中出现的小型模型所不具备的能力。这种能力在模型规模达到一定阈值时显著提升，与物理中的相变现象相似。GPT-4在创造能力、推理能力、上下文长度、图像识别、专业知识和安全性等方面实现了飞跃式提升。

GPT-4的训练过程融合了多种技术，包括大参数、大数据、算法创新、Transformer架构、RLHF（人类反馈强化学习）以及提示学习等。其背后有多个核心团队负责不同的研发任务，如预训练、长上下文处理、视觉、强化学习与对齐、评估与分析、部署等。

AI算力作为大模型训练和推理的核心支撑，成为新一轮科技竞赛的关键基础设施。随着Transformer架构的大模型训练需求激增，算力消耗呈指数级增长。2023年1月，ChatGPT计划向微软融资100亿美元，用于算力基建。未来，随着大模型应用的全面落地，算力需求将进一步扩大。

计算：GPU是大模型训练和推理的核心支柱，其更新速度远超摩尔定律。AI服务器作为GPU的重要载体，市场规模和渗透率将显著提升。
网络：网络已成为限制AI算力提升的主要瓶颈，英伟达推出的NVLink和NVSwitch方案显著提升了GPU间通信能力。800G、1.6T光模块作为上游核心器件，将受益于大模型训练需求的增长。
存储：NAND、DRAM等存储器面临“内存墙”挑战，HBM凭借其高带宽特性成为高性能GPU的核心组件，市场前景广阔。
算力生态：AI算力作为科技产业的新周期核心，将推动相关产业链的发展，包括计算、网络、存储和软件等领域。

GPT-4技术特点：
- 参数规模接近1万亿，数据量20万亿Tokens。
- 支持32,000 token的上下文长度，具备强大的逻辑推理和多模态处理能力。
- 采用RLHF技术，实现模型与人类价值观的对齐。
- 通过Prompt机制，提升模型的泛化能力和推理能力。
算力需求：
- Transformer架构使大模型对算力的需求远超摩尔定律。
- 训练GPT-3模型需要约3640 PFlop/s-day的算力。
- ChatGPT的运营需要巨大的算力支持，预计需要多个大型数据中心。
投资建议：
- 计算：推荐关注浪潮信息、中科曙光、紫光股份、工业富联、纬创、广达、英业达、戴尔、联想集团、超威电脑、中国长城、神州数码、拓维信息、四川长虹等。
- 网络：推荐关注紫光股份、中兴通讯、星网锐捷、深信服、迪普科技、普天科技、映翰通等。
- 光模块：推荐关注中际旭创、新易盛、光迅科技、华工科技、联特科技、剑桥科技、天孚通信等。
- 存储：推荐关注紫光国微、江波龙、北京君正、兆易创新、澜起科技、东芯股份、聚辰股份、普冉股份、朗科科技等。