算力系列之二-算力租赁产业框架-中泰证券_23页_1mb

证券研究报告总结：AI产业研究 - 算力租赁产业框架

核心内容概述

算力租赁作为一种新兴的产业模式，正因AI大模型的快速发展和全球算力资源的供需失衡而迅速崛起。随着生成式AI如GPT系列模型的普及，算力需求呈现爆发式增长，而高端GPU的产能限制和国际科技封锁政策进一步加剧了算力短缺问题。算力租赁通过按需租赁计算资源，降低了下游客户使用算力的门槛，同时提高了现有资源的利用率，成为当前国内AI产业的重要支撑。

主要观点

• 算力租赁的兴起原因：

  • 生成式AI大模型的训练需要大量高性能GPU资源，但全球范围内GPU供应有限，导致价格飙升、交付周期延长。
  • 国内GPU制造能力尚不成熟，且受美国科技禁运影响，高端GPU难以进口，推动算力租赁需求激增。

• 算力租赁的商业模式：

  • 按整台服务器租赁：适用于长期稳定使用大量GPU资源的客户。
  • 按算力规模租赁：按每P算力每年收费，提供更灵活的资源配置。
  • 按单张GPU租赁：按小时计费，适合短期或临时性算力需求。

• 算力租赁的重要性：

  • 对于中小企业而言，算力租赁是解决算力短缺的高性价比方案。
  • 算力租赁不仅降低硬件采购和维护成本，还能有效应对算力供需矛盾。

• 未来发展方向：

  • 从单纯的资源租赁向运营服务和整体AI解决方案转型。
  • 算力调度和跨云资源整合将成为提升算力利用效率的关键方向。
  • 提供AI软件开发、训练、推理等一体化服务，是算力租赁产业的进阶方向。

关键信息

算力需求增长趋势

• 2022年中国智能算力规模为260EFLOPS，预计2027年将突破1117EFLOPS，年复合增长率达33.9%。
• 全球人工智能驱动的算力预计将在2030年增长500倍，形成千亿级市场。

GPU市场现状与挑战

• 国内AI芯片市场仍由英伟达主导，2022年市占率高达85%。
• 美国对华科技禁运限制了高端GPU的供应，加剧了国内算力缺口。
• 高性能GPU价格在2022年12月至2023年4月期间累计上涨37.5%，A100单价达15万元，A800单价达9.5万元。

算力租赁的成本优势

• 中型企业自建算力集群成本高昂，如训练175B参数模型需约825万美元（约6000万人民币）。
• 算力租赁成本相对较低，如训练30天的算力租赁费用约142.56万美元（约1000万人民币），且有降价趋势。

算力调度与整体AI解决方案

• 算力调度通过智能分配策略实现资源的灵活流动，解决供需矛盾和资源分布不均问题。
• 整体AI解决方案涵盖算力咨询、建设、运营等全周期服务，提升客户体验和算力使用效率。

主要云服务商的算力租赁产品

• NVIDIA DGX Cloud：提供高性能GPU算力，支持多节点训练，按月租赁，价格为每实例每月36999美元起。
• 微软Azure ND H100 v5虚拟机：配备8个NVIDIA H100 GPU，具备低延迟网络和高带宽，适用于深度学习训练。
• Oracle Cloud：支持大规模横向扩展，提供多种GPU实例，价格具有竞争力。
• Google Cloud：提供多种GPU型号，包括A100、L4等，并推出TPU产品以支持高效AI训练与推理。

风险提示

• 国际政治经济变动可能影响算力租赁产业的稳定性。
• AI技术进展不及预期可能导致算力需求不足。
• 算力供给短缺可能迅速缓解，影响行业增长。
• 市场竞争加剧可能压缩利润空间。
• 研究报告所引用的公开资料可能存在信息滞后或更新不及时的风险。

投资建议

• 当前算力租赁产业具备较高的市场潜力，尤其适合中小企业。
• 长期来看，应关注算力租赁向运营服务和整体AI解决方案的转型。
• 投资者需注意市场风险，谨慎决策。