计算机行业AI系列专题研究报告：AI算力研究框架-20230613-国海证券-80页

AI算力研究框架总结

核心内容

AI算力是当前科技企业大模型竞赛的核心“装备”，也是AIGC（人工智能生成内容）应用的关键基础设施。GPT-4作为当前最先进的AI系统之一，被认为是距离AGI（通用人工智能）最接近的模型，其强大的“涌现能力”在模型规模达到一定阈值后显著提升性能，体现出AI在复杂任务上的突破。GPT-4的发布标志着AI技术进入了一个新的“十年新周期”，其对算力的需求也推动了整个行业的发展。

主要观点

• GPT-4的技术突破：GPT-4在参数规模、数据量、训练方法等方面实现飞跃式提升，其参数接近1万亿，数据量达20万亿Tokens，具备更强的创造能力、推理能力、上下文处理能力、图像识别能力、专业知识和安全性。
• 算力的核心作用：算力是AI大模型发展的根基，Transformer架构的引入使大模型对算力的需求呈指数级增长，远超摩尔定律的增速。GPU、服务器、网络设备和存储器是支撑AI算力的主要组件。
• AI算力的产业链：算力产业链包括上游的计算、存储、网络和软件，以及下游的大模型应用。GPT的出现将显著受益于算力的持续发展，并推动相关产业链的繁荣。
• 系统工程的重要性：大模型的训练和部署涉及复杂的系统工程，包括并行计算、数据处理、模型优化和稳定性设计等，这些工程创新是实现AI技术突破的关键。

关键信息

算力核心引擎

• 计算：GPU是AI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，预计其市场规模和渗透率将显著提升。
• 网络：AI算力提升面临网络瓶颈，英伟达推出的NVLink、NVSwtich等技术显著提升GPU之间的通信能力。800G、1.6T高端光模块作为AI训练的上游核心器件，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”限制，HBM（高带宽内存）作为高性能GPU的核心组件，市场前景广阔。

GPT-4的技术创新

1. 大参数+大数据+算法创新：参数扩大是提高模型能力的关键，同时需要高质量数据和优化算法支持。
2. Transformer架构：基于自注意力机制，提供全局表征能力和高度并行性，是GPT和BERT等模型的基础。
3. RLHF（人类反馈强化学习）：通过将人类反馈纳入训练过程，使模型更好地对齐人类需求和价值观。
4. Prompt技术：通过构造提示，使模型在不需额外训练的情况下，实现上下文学习和思维链推理。
5. 插件机制：使ChatGPT能够访问外部信息、执行计算任务，大幅扩展其功能。
6. 系统工程：GPT-4的开发涉及复杂的系统工程，包括并行计算、数据集构建、模型优化等。

AI算力的生态价值

• GPT-4的发布类似于Windows或iPhone的诞生，将作为AI时代的入口，推动整个科技生态的发展。
• 算力作为科技竞赛的核心资源，其需求将随着大模型的普及和应用而持续增长，尤其在AIGC和大模型迭代方面。

投资建议

• 计算：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、四川长虹等公司。
• GPU：英伟达、AMD、Intel、海光信息、寒武纪、龙芯中科、景嘉微等公司。
• 网络：紫光股份、中兴通讯、星网锐捷、深信服、迪普科技、普天科技、映翰通等网络设备公司；中际旭创、新易盛、光迅科技、华工科技、联特科技、剑桥科技、天孚通信等光模块公司。
• 存储：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、朗科科技等存储器公司。

风险提示

• 宏观经济影响下游需求
• 大模型迭代不及预期
• 大模型应用不及预期
• 市场竞争加剧
• 中美博弈加剧
• 相关公司业绩不及预期

算力需求场景

• 超算：用于科学实验、气象研究、航空航天、石油勘探等复杂计算任务。
• 通用算力：用于互联网、通信、金融、政府等广泛领域。
• 边缘算力：用于智能汽车、视频监控、移动设备、传感设备等应用场景。

算力发展趋势

• 算力需求持续增长，尤其是大模型和大数据的结合，推动算力消耗呈指数级增长。
• 算力投资将带来显著的经济回报，每1元算力投入可带动3-4元的经济产出。
• AI算力的持续发展将开启新一轮科技周期，推动全球科技巨头提升AI战略地位。