AI算力行业深度研究报告：智算供给格局分化，国产化进程有望加速

AI算力行业深度研究报告总结

核心内容

本报告围绕AI算力行业的发展趋势、算力需求测算、芯片国产化替代及算力租赁业务模式展开分析，指出AI算力需求持续增长，国产化替代进程加速，算力租赁成为重要商业模式。

主要观点

• 大模型发展推动算力需求：随着大模型规模、数据量和数量的快速增长，AI算力需求缺口将持续扩大。2023年国内大模型发布数量呈爆发式增长，预计未来两到三年内国产大模型数量将实现更大突破。
• 算力需求测算：2023年国内大模型训练和推理侧算力需求总计约为 $3.84\mathrm{E} + 25$ FLOPs，其中通用大模型和垂类大模型分别贡献了主要部分。
• AI芯片国产化替代趋势明显：受美国对华高端芯片出口限制影响，国产芯片替代成为必然趋势。华为昇腾AI算力已为多个国产大模型训练提供支持，具备大规模商用能力。
• 算力租赁业务模式清晰，利润空间扩大：算力租赁成为一种轻资产模式，有助于降低下游公司的成本和时间压力。随着行业需求增加，算力租赁定价有望上涨，成本回收周期将缩短。
• Chiplet技术与芯片互联技术是未来发展方向：Chiplet技术可突破单芯片物理极限，提升性能与降低成本。芯片互联技术为Chiplet的广泛应用提供底层支持，国内已有相关技术布局。

关键信息

算力需求情况

• 通用大模型：2023年国内通用大模型训练侧算力需求为 $3.03\mathrm{E} + 25$ FLOPs，推理侧算力需求为 $2.65\mathrm{E} + 18$ FLOPs。
• 垂类大模型：2023年国内垂类大模型训练侧算力需求为 $8.1\mathrm{E} + 24$ FLOPs，推理侧算力需求为 $6\mathrm{E} + 17$ FLOPs。
• 总计：2023年国内大模型总算力需求为 $3.84\mathrm{E} + 25$ FLOPs。

芯片国产化替代进展

• 华为昇腾AI芯片：已具备大规模商用能力，为至少30个国产大模型训练提供算力支持。
• 其他国产芯片厂商：寒武纪、海光信息、芯原股份等具备国产芯片IP设计能力，是未来关注重点。
• 台积电产能问题：短期内产能恢复不及预期，可能影响芯片供应，国内厂商需加快自研芯片进度。

算力租赁业务分析

• 成本回收周期：以英伟达H800服务器为例，算力租赁成本回收周期约为17个月。
• 中贝通信案例：其算力租赁业务成本回收周期约为11个月，显示出较强的盈利能力。
• 提价信号：算力租赁价格存在上涨趋势，将提升整体利润空间。

重点关注公司

风险提示

• 国际局势风险：美国可能进一步收紧对华高端芯片出口限制，影响芯片供应。
• 国产大模型发展风险：技术瓶颈可能限制大模型数量和参数规模增长。
• 国产芯片突破风险：从IP设计到封测，技术突破需较长时间。
• 台积电产能恢复风险：产能恢复不及预期可能导致芯片供给空窗期。
• 数据估算风险：预测数据可能存在误差，需谨慎对待。

行业展望

• 短期：关注华为昇腾和昇思MindSpore产业链，以及算力租赁业务的盈利空间。
• 长期：关注Chiplet技术及芯片互联技术的突破，推动算力资源调配效率提升。
• 发展趋势：AI算力上云、云网融合、算力调度将成为提升资源配置效率的核心。

附录

• 图表目录：包括大模型数量、参数量、算力需求测算、芯片性能对比、算力租赁成本回收周期等。
• 数据来源：赛迪顾问、各公司官网、华龙证券研究所等。

本报告为华龙证券研究所发布，仅供内部参考，未经授权不得复制、转载或用于其他用途。