电子行业深度研究报告：人工智能风起云涌，算力芯片需求升温-20230525-华创证券-32页_3mb

报告摘要

电子行业深度研究报告总结

核心内容概述

本报告围绕AI芯片行业的发展趋势、市场前景、技术演进以及国内厂商的机遇与挑战展开，指出随着人工智能技术的快速发展，特别是ChatGPT和GPT-4等大模型的推出，AI算力需求呈现指数级增长，从而推动算力芯片市场持续扩容。同时，由于国际贸易形势变化，英伟达等海外大厂高端AI芯片出口受限，为国产替代创造了有利条件。

主要观点与关键信息

AI发展与算力需求

AI技术爆发：ChatGPT成为史上用户增长最快的消费者应用，GPT-4引入多模态处理能力，推动AI从单模态向多模态发展，带动算力需求激增。
算力需求指数增长：自2012年以来，AI训练应用的算力需求每3-4个月翻倍，至今增长超过30万倍。
算力与模型发展关系密切：随着模型参数量和训练数据量的指数增长，算力成为制约AI发展的重要因素。

算力芯片技术与市场

AI芯片类型：AI算力芯片包括CPU、GPU、FPGA、ASIC等，其中GPU占据主导地位，2021年中国AI芯片市场中GPU占比高达90%。
市场增长：根据WSTS数据，全球AI芯片市场规模预计从2019年的110亿美元增长至2025年的726亿美元，CAGR达37%；中国AI芯片市场规模从2018年的61亿元增长至2023年的556亿元，CAGR高达56%。
“云-边-端”架构：AI芯片在云端、边缘端和终端各有不同的需求和应用场景，云端要求高性能，边缘端强调实时响应，终端注重低功耗和高能效。

存力瓶颈与HBM技术

“内存墙”问题：处理器和存储器之间的性能差距导致内存成为限制AI运算效率的关键因素。
HBM技术突破：HBM（高带宽存储）作为新一代DRAM技术，具有更高的内存带宽和更低的延迟，成为AI时代的关键技术之一。

国产替代趋势

海外垄断现状：英伟达、Intel等海外厂商主导AI芯片市场，尤其在高端芯片领域。
国产厂商崛起：寒武纪、燧原科技、壁仞等国内企业加速布局，产品覆盖云、边、端场景，有望在国产替代浪潮中持续受益。
政策与市场推动：高端AI芯片进口受限，推动国内芯片厂商加速发展，形成自主可控的产业链。

投资建议

重点推荐公司：海光信息、寒武纪、龙芯中科、晶晨股份、兆易创新、北京君正、深科技、江波龙等。
投资逻辑：AI技术的发展带动算力芯片需求激增，同时国际贸易形势变化推动国产替代加速，上述公司有望在这一过程中持续受益。

风险提示

国际贸易形势变化：可能影响高端芯片的进口及供应链稳定性。
下游需求不及预期：AI商业化进程存在不确定性。
代工产能不及预期：可能影响芯片生产节奏。
技术迭代不及预期：AI技术发展迅速，若芯片技术无法同步更新，可能失去竞争优势。
产品迭代不及预期：市场竞争激烈，产品更新速度将影响市场占有率。

重点公司分析

海光信息

业务布局：专注于高端CPU与DCU芯片，拥有丰富的软硬件生态。
技术优势：深算1号具备强大的计算能力和高速并行处理能力，兼容“类CUDA”架构。
市场前景：受益于国产替代及AI算力需求增长，业绩持续增长。

龙芯中科

自主生态构建：自主研发LoongArch指令集和LoongOS操作系统，构建独立生态。
市场应用：产品广泛应用于工业控制、信息化、网络安全等领域。
发展趋势：AI与信创产业结合，推动CPU市场扩容，未来增长可期。

寒武纪

AI芯片先行者：自2016年成立以来，专注于AI芯片研发，产品覆盖云、边、端。
产品布局：思元系列芯片已导入阿里云等头部客户，思元370是首款采用Chiplet技术的AI芯片。
技术优势：核心团队具备深厚技术背景，持续迭代产品，完善生态。

行业数据概览

指标	数据
股票家数	430只
总市值	71,056.10亿元
流通市值	50,002.21亿元

市场表现

时间	绝对表现	相对表现
1M	-7.6%	-4.7%
6M	2.1%	-1.6%
12M	-0.7%	2.8%

市场预测

全球AI芯片市场规模：预计从2019年的110亿美元增长至2025年的726亿美元，CAGR为37%。
中国AI芯片市场规模：预计从2018年的61亿元增长至2023年的556亿元，CAGR高达56%。
中国智能算力规模：预计从2019年的140EFLOPS增长至2026年的1271.4EFLOPS，CAGR达52.3%。

图表目录摘要

图表1：ChatGPT用户数量增速惊人
图表2：各代GPT对比
图表3：GPT-4在不同年龄段考试中表现优异
图表4：多模态与单模态模型对比
图表5：Copilot在Excel中的应用
图表6：Copilot在PPT中的应用
图表7：AIGC赋予AI生产“内容”的能力
图表8：中国智能算力规模及预测
图表9：华为Ascend 910 AI训练芯片构架图
图表10：德州仪器TIDEP-01004机器学习推理设计
图表11：“云-边-端”泛在算力架构
图表12：云、边、端对芯片的不同要求
图表13：各类AI芯片特征对比
图表14：CPU基本架构图
图表15：英伟达Turing TU102 GPU架构图
图表16：AMD RDNA3图形架构
图表17：FPGA基本架构图
图表18：FPGA构建的智能嵌入式视觉系统
图表19：ASIC在性能、能效、成本方面的优势
图表20：深度学习中不同AI芯片表现差异
图表21：“内存墙”问题加剧
图表22：HBM结构示意图
图表23：英伟达GPU微结构演变历程
图表24：英伟达CUDA生态
图表25：AMD INFINITY架构
图表26：AMD ROCm平台
图表27：英特尔至强处理器路线图
图表28：全球AI芯片市场规模预测
图表29：中国AI芯片市场规模预测
图表30：中国AI芯片云端/终端占比变化
图表31：AI服务器推理和训练工作负载
图表32：2021年中国AI芯片占比情况
图表33：云端与边缘侧应用场景对AI芯片需求
图表34：不同模型所需的算力
图表35：部分国外大模型训练参数量
图表36：训练用AI芯片数量交叉验证
图表37：全球云计算市场规模预测
图表38：中国公有云市场规模预测
图表39：中国边缘云市场规模预测
图表40：中国边缘云市场结构
图表41：不同边缘计算场景对AI芯片算力需求
图表42：自动驾驶汽车出货量预测
图表43：自动驾驶升级对算力需求
图表44：全球与中国物联网连接数规模及预测
图表45：全球独显GPU市场份额
图表46：不同应用市场中AI芯片竞争格局
图表47：服务器成本构成情况
图表48：英伟达H100和A100芯片出口受限

报告亮点

产业链视角：从AI芯片产业链角度分析行业发展机会，涵盖训练、推理、存储等关键环节。
技术演进：梳理了GPU、FPGA、ASIC等技术的演进路径，分析其在AI中的不同应用场景。
国产替代：指出国内厂商在AI芯片领域的快速成长，以及未来在国产替代中的机遇。
投资建议：推荐了多家具有潜力的国内AI芯片公司，涵盖CPU、DCU、存储等不同领域。

投资主题

AI算力需求增长：随着大模型的普及，AI算力需求将持续上升。
国产替代加速：海外高端芯片进口受限，国内厂商迎来发展机遇。
“云-边-端”协同：AI芯片在不同场景中发挥重要作用，推动行业整体发展。

结论

AI技术的快速发展推动算力芯片市场需求激增，同时由于国际贸易形势变化，国产替代成为重要趋势。海光信息、寒武纪、龙芯中科等公司凭借技术积累和产品布局，有望在AI芯片领域实现快速增长。未来，随着“云-边-端”架构的逐步完善，以及HBM等新技术的应用，AI芯片行业将持续扩张，为相关企业提供广阔的发展空间。

展开完整摘要