计算机行业AIGC算力时代系列报告ChatGPT芯片算力研究框架-页_1mb

ChatGPT芯片算力：研究框架总结

核心内容

ChatGPT的爆发性增长引发了全球对算力芯片的强烈需求，推动了芯片产业在“量”和“价”两个维度的同步提升。AIGC（人工智能生成内容）技术的广泛应用不仅提升了原有场景的流量，还创造了大量新的应用场景，从而对芯片算力提出了更高要求。芯片作为人工智能技术发展的底层支撑，其性能、能效、成本等关键指标正成为行业关注的焦点。

主要观点

• 算力需求激增：ChatGPT基于Transformer架构，随着模型迭代和层数增加，对算力的需求持续增长。其运行依赖于训练数据、模型算法和算力三要素，尤其是对高端GPU的需求显著上升。
• 芯片量价齐升：由于算力需求的爆发，芯片的采购成本和服务器成本均大幅上升，推动芯片均价上涨。
• AI服务器需求增长：AI服务器通过CPU与加速芯片（如GPU、FPGA、ASIC）的组合，满足高吞吐量和低延时的计算需求，成为未来算力基础设施的重要组成部分。
• 技术路线多样化：当前主流芯片包括GPU、FPGA、ASIC等，各有其优缺点。GPU适合并行计算，FPGA具备灵活性和低延时，ASIC则在性能和能效上具有显著优势。
• 未来技术趋势：Chiplet异构技术与存算一体技术被视为未来突破算力瓶颈、提升能效和降低成本的重要方向。

关键信息

芯片需求分析

• 量：AIGC带来的新场景与原场景流量提升，导致服务器算力需求激增。
• 价：高端芯片如英伟达A100 GPU的采购成本高，且服务器整体成本也显著上升。

芯片类型与应用

AI服务器架构

• AI服务器通常由CPU与加速芯片（如GPU、FPGA、ASIC）组成，以满足高吞吐量和低延时的需求。
• 训练和推理是AI服务器的两个主要任务，GPU在训练中表现突出，而FPGA和ASIC在推理中具有优势。

国内外芯片厂商布局

• 国外厂商：
  • 英伟达：推出CUDA平台和基于Grace架构的高性能GPU系统。
  • AMD：推出EPYC系列服务器芯片，采用Chiplet技术提升性能和降低成本。
  • 英特尔：引入Chiplet设计，提升性能功耗比。
• 国内厂商：
  • 寒武纪：推出思元370芯片，采用Chiplet技术，算力和能效显著提升。
  • 华为：推出昇腾910，基于自研达芬奇架构，算力领先。
  • 阿里巴巴：自研含光800AI芯片，集成先进算法。
  • 百度：推出昆仑2代AI芯片，性能提升显著。

存算一体技术

• 存算一体技术通过在存储器中叠加计算能力，实现更高算力和能效，是未来算力升级的重要方向。
• 该技术在自动驾驶、自然语言处理、智慧城市、工业视觉等领域具有广阔的应用前景。

风险提示

• AI技术发展不及预期：当前AI模型仍存在技术不成熟、性能缺陷等问题。
• 版权、伦理和监管风险：AIGC生成内容可能涉及版权和伦理问题。
• 半导体下游需求不及预期：全球芯片行业存在周期性波动，可能影响需求。

投资评级

• 看好：行业指数相对于沪深300指数表现 $+10%$ 以上；
• 中性：行业指数相对于沪深300指数表现 $-10% \sim +10%$；
• 看淡：行业指数相对于沪深300指数表现 $-10%$ 以下。

产业链展望

• GPU：海光信息、景嘉微；
• CPU：龙芯中科、中国长城；
• FPGA：安路科技、复旦微电、紫光国微；
• AI芯片：寒武纪、澜起科技；
• 光模块：德科立、天孚通信、中际旭创。

结论

随着AIGC技术的快速发展，芯片产业正迎来量价齐升的机遇。GPU、CPU、FPGA、ASIC等各类芯片在不同场景中发挥重要作用，而Chiplet和存算一体技术则被视为未来提升算力和能效的关键方向。国内芯片产业链正通过技术创新和布局加快追赶步伐，有望在AI算力时代实现弯道超车。