2024年AI算力行业投资策略：全产业创新不断，国产化向阳而生-20231114-申万宏源-53页_3mb

2024年AI算力行业投资策略总结

核心内容概览

• AI算力需求：进入大模型时代后，训练算力以275倍/2年的速度增长，推理算力在应用落地期具备更高爆发性。AI算力成为科技发展的基石，需求持续性强。
• AI芯片：国产替代进程加速，华为昇腾AI芯片在性能、稀疏化、软件工具链和网络通信方面不断创新，逐步追赶英伟达。英伟达在生态和稀疏矩阵方面仍具优势。
• 算力通信：AI算力对通信网络提出更高要求，InfiniBand和以太网两大阵营并存，400G以上光通信及RoCE等技术成为重要趋势。通信与算力强耦合，网络性能决定集群算力表现。
• 算力电子：包括HBM、电源、PCB、散热等关键部件，价值量显著提升，呈现量价齐升趋势。HBM作为高端显存芯片，已成为AI服务器的标配。
• 市场与趋势：AI算力产业链全面创新，包括芯片、服务器、通信、存储等环节，国内厂商在光芯片、光器件等环节实现突破，有望进一步提升市场份额。

主要观点

AI算力：科技基石，星辰大海

• AI大模型训练和推理均需要强大的算力支持，需求具有确定性和持续性。
• 未来10年内，GPU计算性能预计可翻1000倍，成为算力发展的主要驱动力。
• 算力需求将推动服务器价值量提升，从5-6万元/台升至100万元/台，芯片和内存占比提升至80%。

AI芯片：国产替代，追风逐日

• 英伟达芯片仍占据主导地位，但国产芯片如华为昇腾、寒武纪、壁仞等已逐步实现产品可用。
• 华为昇腾在稀疏化、软件工具链及网络通信方面有显著创新，推动国产替代进程。
• 国产芯片在性能和功耗上持续提升，部分产品已具备与英伟达相当的能力。

算力通信：价值放大，两极发力

• AI训练网络强调点对点互联，以提升并行效率，而推理网络仍需高性能网络。
• InfiniBand（Nvidia + Mellanox）和以太网（传统硬件厂商）形成两大阵营，各有优势。
• 本土RoCE和400G以上光通信技术演进，成为重要趋势，带动高速网络设备需求。
• 通信网络与算力需求紧密相关，网络性能直接影响AI集群的算力表现。

算力电子：量价齐升，群星璀璨

• HBM成为AI服务器标配，带宽和容量远超其他内存类型，显著提升数据处理效率。
• GPU模块加入使PCB价值量提升，NVLink技术进一步优化带宽和性能。
• 电源、散热等配套部件需求增长，液冷技术成为主流趋势。
• 云端AI推动存储、电源、PCB等环节量价齐升，带动算力电子产业链整体发展。

重点公司与估值

• 英伟达：作为AI算力龙头，其H100、A100等芯片及配套产品持续引领行业。
• 华为：昇腾芯片布局全面，涵盖训练、推理、通信等多个环节，推动国产替代。
• 寒武纪、燧原、壁仞、海光、沐曦：国产AI芯片厂商逐步释放产能，满足下游需求。
• 中际旭创、新易盛、天孚通信、源杰科技、光库科技、中瓷电子：光通信产业链逐步实现国产替代。
• 中兴通讯、盛科通信：在交换芯片和网络设备方面具备领先技术，支持400G以上高速网络。
• 广和通、美格智能、移远通信：在边缘算力和AI模组方面布局广泛，支持AIPC和终端AI发展。

关键信息

技术趋势

• HBM技术：HBM3带宽高达1TB/s，容量达64GB，成为AI服务器核心组件。
• NVLink与InfiniBand：提升数据交换效率，支持更大规模模型训练。
• RoCE网络：支持高性能计算，与InfiniBand形成竞争，提升算力网络性能。
• 液冷技术：成为AI服务器主流散热方案，满足高功耗需求。

市场数据

• 截至2023年11月，中国累计发布大模型130个，备案大模型数超过20个，对应推理卡需求量达450万张（以T4为例）。
• 2023年AI服务器DRAM容量可达1.2~1.7TB，HBM供给紧俏，SK海力士已售罄2024年HBM3和HBM3E产量。
• 2024年AI服务器算力需求预计达到9.4 EFLOPS，算力规模持续扩大。

风险提示

• 外部环境影响供应链稳定。
• AI应用推进不及预期，可能影响算力需求增长。

产业链演进

• 光通信产业链从光模块向光芯片、光器件延伸，国产替代进程加速。
• 通信网络演进加速，400G以上光通信成为主流，带动网络设备需求。
• 云端下沉推动消费电子终端变革，AI手机、AI PC等产品逐步推出。
• 算网融合战略明确，运营商在算力市场中发挥关键作用，推动算力基础设施建设。

结论

2024年AI算力行业迎来全面创新，国产替代进程加快，产业链各环节价值提升显著。英伟达与国产芯片形成竞争格局，而通信网络和光通信技术演进成为关键驱动力。随着大模型训练和推理需求增长，算力市场将持续扩张，为相关企业提供大量机遇。