AI算力-智算供给格局分化，国产化进程有望加速_24页_1mb

AI算力行业深度研究报告总结

核心内容

本报告聚焦AI算力行业的发展趋势，重点分析大模型发展对算力需求的推动作用、AI芯片国产化替代趋势、算力租赁业务模式及未来发展方向。整体来看，AI算力行业正处于快速发展阶段，国内大模型和AI芯片技术逐步突破，算力租赁成为重要业务模式，行业前景广阔。

主要观点

1. 大模型发展推动算力需求增长

• 大模型训练与推理对算力的依赖性高：训练和推理所需的浮点运算量（FLOPs）与模型参数量、训练数据量、推理请求量密切相关。
• 国内大模型发展迅速：2023年1-7月新增64个大模型，预计2023年底将新增约134个，其中通用大模型约80个，行业大模型约54个。
• 算力需求持续扩大：2023年国内大模型训练和推理算力需求合计约为 $3.84 \times 10^{25}$ FLOPs，未来两年算力需求增速可能达到5倍至133倍。

2. 美国收紧对华高端芯片出口，推动国产替代进程

• 美国政策限制：2023年10月美国发布新规，限制高性能芯片对华出口，推动国内厂商加快自研芯片进程。
• 国产芯片替代趋势明显：华为昇腾系列芯片已为多个国产大模型提供算力支持，寒武纪、海光信息等厂商具备IP设计能力，是国产替代的重要参与者。
• 台积电产能恢复缓慢：台积电作为主要芯片代工厂，产能恢复不及预期，可能影响国产芯片的量产进程。

3. 算力租赁成为重要业务模式

• 算力租赁优势显著：相比自建算力，算力租赁可降低硬件成本，提高资源配置效率。
• 成本回收周期较短：以H800服务器为例，国内算力租赁成本回收周期约为17个月，中贝通信的算力租赁项目回收周期仅约11个月。
• 行业提价趋势明显：算力租赁价格存在上涨预期，利润空间进一步扩大。

4. AI算力未来发展方向：增质提效

• 算力调度成为关键：云网融合推动算力资源上云，实现分时复用，提升资源利用率。
• Chiplet技术助力突破摩尔定律限制：Chiplet技术通过模块化设计，降低芯片成本，提高性能和良率。
• 芯片互联技术推动Chiplet生态发展：UCle等通用高速互联标准的推出，有助于Chiplet技术的广泛应用。

关键信息

• 大模型发展：大模型参数量从千万级到万亿级，训练周期和成本不断优化，推动AI算力需求持续增长。
• 国产芯片替代：华为昇腾、寒武纪思元系列等国产芯片在性能上逐步接近国际主流产品，成为大模型训练的重要支撑。
• 算力租赁：算力租赁业务模式逐渐成熟，成为AI企业降低算力成本的有效手段，成本回收周期短，盈利能力强。
• 行业趋势：AI算力需求将持续增长，国产替代进程加速，Chiplet技术与算力调度成为未来发展的重点。

重点关注公司

风险提示

• 国际局势风险：美国可能进一步限制高端芯片对华出口，影响国产芯片发展。
• 大模型发展不及预期：技术瓶颈可能限制大模型数量和参数量增长。
• 国产芯片技术突破不及预期：从IP设计到封测，技术突破需要时间。
• 台积电产能恢复不及预期：可能影响国产芯片的量产和交付。
• 数据估算风险：行业预测数据可能存在误差。

总结

AI算力行业在大模型发展推动下，需求持续扩大，国产化替代趋势明显。算力租赁成为重要业务模式，成本回收周期较短，利润空间广阔。未来，Chiplet技术和算力调度将推动行业增质提效，提升资源配置效率。重点关注具备算力服务、国产芯片设计、云服务及芯片封测能力的厂商，同时需关注国际局势、技术突破及产能恢复等风险因素。