深度报告-20230327-中国银河-电子行业行业深度报告_AI商业模式逐步落地_算力产业链迎接星辰大海_48页_4mb
报告摘要
AI商业模式逐步落地,算力产业链迎接星辰大海
核心内容
AI技术正逐步从概念走向商业化,成为推动新一轮产业变革的核心力量。当前全球AI产业规模预计在2030年将达到1500亿美元,未来8年复合增速约为40%。美国、中国和欧盟在AI市场中占据主导地位,三地企业合计市场份额达70.01%。2022年中国AI产业规模达1958亿元,年增长率7.8%。
AI产业的核心壁垒由“模型+数据+算力”三要素构成。其中,Transformer模型的引入标志着自然语言处理技术的重大突破,使得AI模型能够大规模生成类似人类的语言,并进入工业级应用阶段。数据的规模和质量要求持续提高,以ChatGPT为例,其参数量达到1750亿次,数据规模超过45TB。算力作为AI发展的关键支撑,从1956年至2020年,计算机处理能力FLOPS增长了一万亿倍。
主要观点
- AI作为第四次工业革命的引擎:AI技术正推动社会从“万物互联”向“万物智联”发展,其在医疗、汽车、金融、制造等多个领域广泛应用。
- 算力瓶颈凸显:在大算力背景下,存储器件性能无法跟上算力提升速度,形成“存储墙”问题,存算一体化成为未来趋势。
- AI商业化加速:ChatGPT等大模型的出现,推动了AI在商业领域的应用,如内容创作、客户服务、智能推荐等。
- 技术竞争加剧:全球互联网巨头如微软、谷歌、百度等积极布局AI,推动技术创新和商业化落地。
关键信息
- AI市场规模:预计2030年达到1500亿美元,年复合增长率约40%。
- 中国AI产业:2022年市场规模1958亿元,年增长率7.8%。
- 技术要素:模型、数据、算力是AI发展的三大核心要素。
- Transformer模型:成为自然语言处理的主流技术,支持大规模语言生成。
- 存储与算力剪刀差:存储性能增长远低于算力,导致AI训练面临瓶颈。
- 存算一体化趋势:HBM(高带宽内存)和Chiplet(芯片小模块)技术有望实现降本增效,解决“存储墙”问题。
投资建议
建议关注以下AI相关产业链公司:
- AI芯片:寒武纪(688256.SH)、景嘉微(300474.SZ)、海光信息(688041.SH)
- 先进封装:通富微电(002156.SZ)、长电科技(600584.SH)、深科技(000021.SZ)
- 服务器及加速卡PCB:沪电股份(002463.SZ)、胜宏科技(300476.SZ)
- AIoT产业链:瑞芯微(603893.SH)、全志科技(300458.SZ)、晶晨股份(688099.SH)、富瀚微(300613.SZ)
- 芯片IP:芯原股份(688521.SH)、华大九天(301269.SZ)
- 存储芯片/模组/PCIe:兆易创新(603986.SH)、江波龙(301308.SZ)、北京君正(300223.SZ)、聚辰股份(688123.SH)、澜起科技(688008.SH)
- 散热材料:中石科技(300684.SZ)、飞荣达(300602.SZ)
AI技术发展历史
AI技术经历了多个发展阶段,包括:
- 萌芽期(1900-1956):希尔伯特提出23个数学问题,奠定AI基础。
- 黄金时代(1956-1974):达特茅斯会议首次提出AI概念,开启AI研究。
- 第一次寒冬(1974-1980):AI发展受阻,技术瓶颈和资金投入减少。
- 应用发展(1980-1987):专家系统推动AI从理论走向应用。
- 第二次寒冬(1987-1993):技术问题和市场局限导致AI发展放缓。
- 稳步发展(1993-2011):互联网和云计算推动AI技术实用化。
- 深化阶段(2012-至今):深度学习技术爆发,AI进入商业化阶段。
AI产业政策支持
中国在AI领域出台了多项政策,推动其发展:
- 《新一代人工智能发展规划》(2017)
- 《高等学校人工智能创新行动计划》(2018)
- 《机器人产业发展规划(2016-2020年)》(2018)
- 《关于发展数字经济稳定并扩大就业的指导意见》(2018)
- 《新一代人工智能治理原则》(2019)
- 《国家新一代人工智能创新发展试验区建设工作指引》(2019)
- 《十四五规划和2035年远景目标》(2021)
- 《新一代人工智能伦理规范》(2021)
- 《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》(2022)
- 《质量强国建设纲要》(2023)
AI产业链关键环节
- 基础层:包括模型、数据和算力,其中算力作为AI发展的核心支撑。
- 技术层:涵盖计算机视觉、智能语音、自然语言处理、知识图谱、机器学习等。
- 应用层:涉及“AI+泛安防”、“AI+泛互联网”、人机交互、自主无人系统、“AI+媒体”、“AI+金融”、“AI+医疗”、“AI+工业”、“AI+零售”、“AI+政务”等。
AI算力技术进展
- 英伟达GTC2023:推出AIFoundations云服务,涵盖NEMO、PICASSO、BIONEMO。
- H100NVL服务器:相比A100DGX提供10倍的计算速度,显存带宽和性能大幅提升。
- HBM技术:基于TSV和芯片堆叠技术,带宽远超DDR4和GDDR6,成为AI训练的重要组件。
- Chiplet技术:无需中介层,通过TSV实现高密度互连,提升性能和算力。
存算一体化技术
- 技术瓶颈:传统冯诺依曼架构导致存储与计算分离,形成“存储墙”和“功耗墙”。
- 解决方案:包括基于SRAM和NORFlash的存算一体方案,以及基于RRAM、MRAM、PCM等的新型存储器。
- 优势:存算一体化可提高AI芯片的能效,适合边缘端AI应用。
AI商业落地案例
- ChatGPT:2022年11月推出,2个月内月活跃用户达1亿,成为用户增长最快的消费应用。
- 文心一言:百度推出的AI语言模型,已在中国AI市场中占据重要地位。
- AIGC应用:包括内容创作、智能客服、图像和视频生成等,AI技术正在推动内容生产方式的变革。
风险提示
- 技术瓶颈尚未完全突破。
- 市场竞争加剧,技术迭代迅速。
- 政策变化可能影响AI产业发展。
- 数据隐私和安全问题日益突出。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载