计算机行业深度报告-GPT_5后NLP大模型逐步走向收敛-ASIC将大有可为-国信证券_25页_5mb

GPT5后NLP大模型逐步走向收敛，ASIC将大有可为
行业研究·深度报告 投资评级：超配（维持评级）
核心观点：随着GPT5后NLP大模型发展面临数据量增长瓶颈，模型效果提升将依赖算力与参数量优化的空间逐渐缩小，ASIC芯片凭借专用架构优势在推理领域具备爆发潜力。预计2022-2032年全球AI芯片市场规模CAGR达2972%，ASIC占比将显著提升。

关键逻辑：

1. 模型迭代瓶颈

   • 大模型算力、数据量、参数量三者协同提升可增强效果，但数据量受限将导致模型迭代进入停滞期。GPT-3数据量为40T，GPT-4需求达400T，未来数据量难以持续扩张，仅依赖算力和参数量增长难以突破性能天花板。
   • NLP大模型在数据量受限背景下，需转向效率优化，ASIC芯片因专精设计可针对性提升性能、功耗与成本优势，成为停滞期的最优解。

2. ASIC芯片优势

   • 相比CPU、GPU、FPGA，ASIC具备更高的算力效率（100-1000倍于CPU，显著优于GPU和FPGA），更低的功耗（单片TDP仅为GPU的1/10），及更小的体积。
   • 在推理场景中，ASIC对精度要求较低，但需满足低功耗、低时延需求，其专用架构与复杂算法高度匹配，量产后可实现性能、成本、功耗的全面优势。

3. 头部厂商技术路径

   • 谷歌：TPU系列持续迭代，TPUv4采用7nm工艺，峰值算力达275TFLOPS，性能优于A100且功耗更低。TPUv4i引入光互连技术，通过可重构光路开关（OCS）优化芯片互联拓扑，提升计算效率至12-23倍，并具备故障绕过能力。
   • 英特尔：2019年收购HabanaLabs，推出Gaudi2芯片，采用双计算引擎（MME和TPC）并行架构，集成RDMA技术提升AI集群并行处理能力。Gaudi2在BERT、ResNet-50等模型训练吞吐量超A100。
   • IBM：2022年底发布AIASIC芯片AIU，基于5nm工艺，集成32个处理核心和230亿晶体管，有望2023年上市。
   • 三星：已量产Warboy NPU芯片，聚焦云端训练和推理场景。

4. 市场前景

   • 全球AI芯片市场预计2032年达2,2748亿美金，ASIC在数据中心和边缘侧推理/训练应用占比分别达40%-70%。
   • ASIC在云端推理场景（如TPUv4、Gaudi2）表现突出，未来或因应用爆发成为主流选择。

5. 投资建议

   • 关注国内外AIASIC龙头：海外包括英特尔（Gaudi2）、IBM（AIU）；国内如寒武纪、华为昇腾等。

6. 风险提示

   • 宏观经济波动可能抑制IT投资；下游需求不及预期导致市场增长放缓；AI伦理风险引发内容管控；模型仍处于快速迭代期，ASIC发展或滞后于技术需求。