近期，伴隨著ChatGPT帶來(lái)的鯰魚(yú)效應(yīng)，人工智能成為科技產(chǎn)業(yè)創(chuàng)新的焦點(diǎn)，科技產(chǎn)業(yè)龍頭正加大在人工智能領(lǐng)域的軍備競(jìng)賽。算法、數(shù)據(jù)、算力作為人工智能領(lǐng)域的三要素，也同時(shí)受到了業(yè)內(nèi)關(guān)注。其中，算力是軍備競(jìng)賽的重點(diǎn)，相關(guān)企業(yè)正在加速布局。

生成式AI需要基于海量自然語(yǔ)言或多模態(tài)數(shù)據(jù)集訓(xùn)練，擁有巨大參數(shù)量的超大規(guī)模AI模型，所需AI算力當(dāng)量顯著提升。例如，以PD（Petaflops-Day）為單位來(lái)衡量，GPT-3大模型訓(xùn)練的算力當(dāng)量為3640PD。超大規(guī)模AI大模型訓(xùn)練一般須在大規(guī)模AI服務(wù)器集群上進(jìn)行，AI服務(wù)器、AI芯片等算力相關(guān)市場(chǎng)需求有望提升。
在AI時(shí)代，傳統(tǒng)算力面臨挑戰(zhàn)。普通服務(wù)器采用串行架構(gòu)，主要以CPU提供算力，在進(jìn)行邏輯判斷時(shí)需要大量分支跳轉(zhuǎn)處理，CPU結(jié)構(gòu)復(fù)雜，算力提升主要依靠核心數(shù)的數(shù)量提升。隨著目前CPU制程工藝已經(jīng)讓單個(gè)CPU的核心數(shù)接近極限，而爆炸式增長(zhǎng)的數(shù)據(jù)、逐步復(fù)雜的算法模型、不斷深入發(fā)展的應(yīng)用場(chǎng)景，使得對(duì)算力能力和算力規(guī)模的需求快速提升，普通服務(wù)器已無(wú)法滿足不斷增長(zhǎng)的算力需求。
以下我們就將對(duì)當(dāng)前比較火熱的AI算力話題進(jìn)行探討分析，從當(dāng)前產(chǎn)業(yè)現(xiàn)狀、供需格局出發(fā)，分析梳理AI算力發(fā)展的關(guān)鍵環(huán)節(jié)—AI服務(wù)器和AI芯片的產(chǎn)業(yè)現(xiàn)狀和格局，及當(dāng)下產(chǎn)業(yè)瓶頸及突破路徑，同時(shí)對(duì)算力產(chǎn)業(yè)鏈及相關(guān)企業(yè)、細(xì)分受益環(huán)節(jié)、產(chǎn)業(yè)發(fā)展前瞻等進(jìn)行分析，以全面了解AI算力當(dāng)下發(fā)展?fàn)顩r及未來(lái)發(fā)展趨勢(shì)。

01

產(chǎn)業(yè)概況

1、相關(guān)概念

算力是人工智能三要素之一，已成為人工智能產(chǎn)業(yè)化進(jìn)一步發(fā)展的關(guān)鍵。所謂算力，就是計(jì)算能力，是指對(duì)數(shù)據(jù)的處理能力，它被視為數(shù)字經(jīng)濟(jì)時(shí)代的新生產(chǎn)力，是推動(dòng)數(shù)字經(jīng)濟(jì)發(fā)展的核心力量。
其中，算力的大小代表著對(duì)數(shù)字化信息處理能力的強(qiáng)弱。從原始社會(huì)的手動(dòng)式計(jì)算到古代的機(jī)械式計(jì)算、近現(xiàn)代的電子計(jì)算，再到現(xiàn)在的數(shù)字計(jì)算，算力指代了人類(lèi)對(duì)數(shù)據(jù)的處理能力，也集中代表了人類(lèi)智慧的發(fā)展水平。
伴隨著云計(jì)算技術(shù)和5G通信技術(shù)的發(fā)展，使得算力的分布和調(diào)度更加靈活，有助于滿足各種場(chǎng)景下對(duì)高性能計(jì)算的需求。未來(lái)隨著技術(shù)的進(jìn)步和應(yīng)用場(chǎng)景的不斷拓展，算力將繼續(xù)發(fā)揮重要作用，推動(dòng)整個(gè)人工智能行業(yè)的創(chuàng)新和發(fā)展。
2、算力：ChatGPT發(fā)展的核心基礎(chǔ)底座
ChatGPT能夠?qū)崿F(xiàn)當(dāng)前如此強(qiáng)大的交互，離不開(kāi)背后龐大的算力支撐。根據(jù)綠色節(jié)能數(shù)據(jù)中心官方公眾號(hào)，ChatGPT的總算力消耗約為3640PF-days。按近期在國(guó)內(nèi)落地的某數(shù)據(jù)中心為參照物，算力500P耗資30.2億落成，若要支持ChatGPT的運(yùn)行，需要7—8個(gè)這樣數(shù)據(jù)中心支撐，基礎(chǔ)設(shè)施投入需以百億計(jì)。
因此，隨著AI等新技術(shù)的發(fā)展，對(duì)高可靠、高性能、高安全算力需求更加突出，全球正掀起一場(chǎng)算力的“軍備競(jìng)賽”，數(shù)據(jù)中心、AI芯片、服務(wù)器等環(huán)節(jié)作為算力基礎(chǔ)設(shè)施，有望被高度重視。
3、AI算力市場(chǎng)呈高速增長(zhǎng)態(tài)勢(shì)，算力成為AI突破的關(guān)鍵因素
數(shù)據(jù)、算力及算法是人工智能發(fā)展的三要素。在這三要素中，數(shù)據(jù)與算法都離不開(kāi)算力的支撐。隨著AI算法突飛猛進(jìn)的發(fā)展，越來(lái)越多的模型訓(xùn)練需要巨量算力支撐，才能快速有效實(shí)施，同時(shí)數(shù)據(jù)量的不斷增加也要求算力配套進(jìn)化。如此看來(lái)，算力成為AI突破的關(guān)鍵因素。
ChatGPT引發(fā)新一輪AI算力需求爆發(fā)。根據(jù)OpenAI發(fā)布的《AIand Compute》分析報(bào)告中指出，自2012年以來(lái)，AI訓(xùn)練應(yīng)用的算力需求每3-4個(gè)月就會(huì)翻倍，從2012年至今，AI算力增長(zhǎng)超過(guò)了30萬(wàn)倍。據(jù)OpenAI報(bào)告，ChatGPT的總算力消耗約為3640PF-days（即假如每秒計(jì)算一千萬(wàn)億次，需要計(jì)算3640天），需要7-8個(gè)算力500P的數(shù)據(jù)中心才能支撐運(yùn)行。上海新興信息通信技術(shù)應(yīng)用研究院首席專(zhuān)家賀仁龍表示，“自2016年阿爾法狗問(wèn)世，智能算力需求開(kāi)啟爆發(fā)態(tài)勢(shì)。如今ChatGPT則代表新一輪AI算力需求的爆發(fā)”。

全球算力規(guī)模將呈現(xiàn)高速增長(zhǎng)態(tài)勢(shì)。根據(jù)國(guó)家數(shù)據(jù)資源調(diào)查報(bào)告數(shù)據(jù)，2021年全球數(shù)據(jù)總產(chǎn)量67ZB，近三年平均增速超過(guò)26%，經(jīng)中國(guó)信息通信研究院測(cè)算，2021年全球計(jì)算設(shè)備算力總規(guī)模達(dá)到615EFlops，增速達(dá)44%。根據(jù)中國(guó)信通院援引的IDC數(shù)據(jù)，2025年全球算力整體規(guī)模將達(dá)3300EFlops，2020-2025年的年均復(fù)合增長(zhǎng)率達(dá)到50.4%。結(jié)合華為GIV預(yù)測(cè)，2030年人類(lèi)將迎來(lái)YB數(shù)據(jù)時(shí)代，全球算力規(guī)模達(dá)到56ZFlops，2025-2030年復(fù)合增速達(dá)到76.2%。
4、算力需求攀升下，GPU行業(yè)市場(chǎng)巨大
AIGC模型硬件以GPGPU為主，GPU市場(chǎng)規(guī)模有望在2030年超過(guò)4000億美元。GPU在并行計(jì)算方面具有性能優(yōu)勢(shì)，在AI領(lǐng)域分化成兩條分支：一條是傳統(tǒng)意義的GPU，專(zhuān)門(mén)用于圖形圖像處理用途；另一條是GPGPU，作為運(yùn)算協(xié)處理器，增加了專(zhuān)用指令來(lái)滿足不同領(lǐng)域的計(jì)算需求。使用GPGPU在云端進(jìn)行模型訓(xùn)練算法，能夠顯著縮短海量訓(xùn)練數(shù)據(jù)的訓(xùn)練時(shí)長(zhǎng)，減少能源消耗，從而降低人工智能的應(yīng)用成本，目前全球人工智能相關(guān)處理器解決方案仍以GPGPU為主。
根據(jù)Verified Market Research報(bào)告，2021年全球GPU芯片市場(chǎng)規(guī)模已經(jīng)達(dá)到了334.7億美元，并預(yù)計(jì)到2030年將達(dá)到4,773.7億美元，CAGR高達(dá)33.3%。GPU市場(chǎng)保持著高速增長(zhǎng)態(tài)勢(shì)，其在人工智能領(lǐng)域中仍然是不可或缺的計(jì)算資源之一。

02

產(chǎn)業(yè)發(fā)展現(xiàn)狀

1、當(dāng)前大模型的實(shí)現(xiàn)，需要強(qiáng)大的算力來(lái)支持訓(xùn)練過(guò)程和推理過(guò)程

大模型的實(shí)現(xiàn)，需要十分強(qiáng)大的算力來(lái)支持訓(xùn)練過(guò)程和推理過(guò)程。根據(jù)OPENAI數(shù)據(jù)，訓(xùn)練GPT-3175B的模型，需要的算力高達(dá)3640PF-days。2018年以來(lái)，大模型的參數(shù)量級(jí)已達(dá)到數(shù)千億參數(shù)的量級(jí)規(guī)模，對(duì)算力的需求將呈現(xiàn)指數(shù)級(jí)增長(zhǎng)。

2、AI芯片性能提升，成為決定大模型從理論實(shí)踐到大規(guī)模應(yīng)用的關(guān)鍵要素
根據(jù)《COMPUTE TRENDS ACROSS THREE ERAS OF MACHINE LEARNING》研究結(jié)果，AI芯片的性能提升成為決定大模型從理論實(shí)踐到大規(guī)模應(yīng)用的關(guān)鍵要素。
在供給端，AI芯片廠商推出了性能越來(lái)越強(qiáng)的新產(chǎn)品來(lái)應(yīng)對(duì)人工智能發(fā)展的算力需求。以英偉達(dá)為例，2020年，英偉達(dá)推出了A100 GPU芯片，相比上一代V100 GPU芯片，A100 GPU芯片性能大幅提升。針對(duì)大模型，A100 GPU芯片相比V100 GPU芯片可提供高達(dá)3倍的訓(xùn)練速度。

3、大模型將為全球和中國(guó)AI芯片和AI服務(wù)器市場(chǎng)的增長(zhǎng)，提供強(qiáng)勁動(dòng)力
隨著全球和中國(guó)人工智能廠商布局大模型，大模型將為全球和中國(guó)AI服務(wù)器市場(chǎng)的增長(zhǎng)提供強(qiáng)勁動(dòng)力。根據(jù)《2022年北京人工智能產(chǎn)業(yè)發(fā)展白皮書(shū)》數(shù)據(jù)，截至2022年10月，北京擁有人工智能核心企業(yè)1048家，占我國(guó)人工智能核心企業(yè)總量的29%。以此計(jì)算，我國(guó)人工智能核心企業(yè)總數(shù)約為3614家。
假設(shè)其中有2%的企業(yè)自建IDC訓(xùn)練和推理大模型，那么單一企業(yè)自建IDC推理和訓(xùn)練大模型的算力成本約為4.78（4.03+0.75）億美元，以此估算，大模型將為我國(guó)AI服務(wù)器市場(chǎng)帶來(lái)約345.50億美元的市場(chǎng)空間。以2021年我國(guó)AI服務(wù)器市場(chǎng)規(guī)模占全球AI服務(wù)器市場(chǎng)規(guī)模的占比估算，則將為全球AI服務(wù)器市場(chǎng)帶來(lái)約910.44億美元的市場(chǎng)空間。市場(chǎng)空間巨大，相關(guān)芯片和服務(wù)器廠商將深度受益此次ChatGPT浪潮。

03

供需格局分析

1、需求端：大算力消耗帶來(lái)訓(xùn)練成本上升，算力霸權(quán)時(shí)代或?qū)⒌絹?lái)

大算力消耗帶來(lái)訓(xùn)練成本上升，訓(xùn)練ChatGPT需要使用大量算力資源。據(jù)微軟官網(wǎng)，微軟Azure為OpenAI開(kāi)發(fā)的超級(jí)計(jì)算機(jī)是一個(gè)單一系統(tǒng)，具有超過(guò)28.5萬(wàn)個(gè)CPU核心、1萬(wàn)個(gè)GPU和400GB/s的GPU服務(wù)器網(wǎng)絡(luò)傳輸帶寬。據(jù)英偉達(dá)，使用單個(gè)Tesla架構(gòu)的V100 GPU對(duì)1746億參數(shù)的GPT-3模型進(jìn)行一次訓(xùn)練，需要用288年時(shí)間。此外，算力資源的大量消耗，必然伴隨著算力成本的上升，據(jù)Lambda，使用訓(xùn)練一次1746億參數(shù)的GPT-3模型，所需花費(fèi)的算力成本超過(guò)460萬(wàn)美元。雖然GPT-3.5在模型參數(shù)量上有了明顯下降，但考慮到GPT-3、GPT-3.5均為OpenAI獨(dú)家擁有，其他廠商復(fù)刻難度較高，巨量參數(shù)或仍將是模型開(kāi)發(fā)過(guò)程的必經(jīng)之路，我們預(yù)計(jì)未來(lái)大模型開(kāi)發(fā)的算力成本仍將較高。
模型算力需求增速超越芯片性能增速，算力霸權(quán)時(shí)代或?qū)⒌絹?lái)。據(jù)OpenAI測(cè)算，自2012年以來(lái)，全球頭部AI模型訓(xùn)練算力需求3-4個(gè)月翻一番，每年頭部訓(xùn)練模型所需算力增長(zhǎng)幅度高達(dá)10倍。而摩爾定律認(rèn)為，芯片計(jì)算性能大約每18-24個(gè)月翻一番。因此，AI訓(xùn)練模型算力需求增長(zhǎng)與芯片計(jì)算性能增長(zhǎng)之間的不匹配，或?qū)?lái)對(duì)算力基礎(chǔ)設(shè)施供給需求的快速增長(zhǎng)?？紤]到算力對(duì)于AI模型訓(xùn)練效果的關(guān)鍵性作用，擁有更豐富算力資源的模型開(kāi)發(fā)者，或?qū)⒛軌蛴?xùn)練出更優(yōu)秀的AI模型，算力霸權(quán)時(shí)代或?qū)㈤_(kāi)啟。

具體來(lái)看，AI大模型對(duì)于算力資源的需求主要體現(xiàn)在以下三類(lèi)場(chǎng)景：
（1）模型預(yù)訓(xùn)練帶來(lái)的算力需求
模型預(yù)訓(xùn)練過(guò)程是消耗算力的最主要場(chǎng)景。ChatGPT采用預(yù)訓(xùn)練語(yǔ)言模型，核心思想是在利用標(biāo)注數(shù)據(jù)之前，先利用無(wú)標(biāo)注的數(shù)據(jù)，即純文本數(shù)據(jù)訓(xùn)練模型，從而使模型能夠?qū)W到一些潛在的跟標(biāo)注無(wú)關(guān)的知識(shí)，最終在具體的任務(wù)上，預(yù)訓(xùn)練模型就可以利用大量的無(wú)標(biāo)注數(shù)據(jù)知識(shí)。在Transformer的模型架構(gòu)下，語(yǔ)言預(yù)訓(xùn)練過(guò)程可以根據(jù)上下文一次處理所有輸入，實(shí)現(xiàn)大規(guī)模并行計(jì)算。通過(guò)堆疊多個(gè)解碼模塊，模型的層數(shù)規(guī)模也會(huì)隨著提升，可承載的參數(shù)量同步增長(zhǎng)。與之相對(duì)應(yīng)的，模型訓(xùn)練所需要消耗的算力也就越大。
預(yù)計(jì)訓(xùn)練一次ChatGPT模型需要的算力約27.5PFlop/s-day。據(jù)OpenAI團(tuán)隊(duì)發(fā)表于2020年的論文《Language Models are Few-Shot Learners》，訓(xùn)練一次13億參數(shù)的GPT-3XL模型需要的全部算力約為27.5PFlop/s-day，訓(xùn)練一次1746億參數(shù)的GPT-3模型需要的算力約為3640PFlop/s-day。考慮到ChatGPT訓(xùn)練所用的模型是基于13億參數(shù)的GPT-3.5模型微調(diào)而來(lái)，參數(shù)量與GPT-3XL模型接近，因此我們預(yù)計(jì)訓(xùn)練所需算力約27.5PFlop/s-day，即以1萬(wàn)億次每秒的速度進(jìn)行計(jì)算，需要耗時(shí)27.5天。

（2）日常運(yùn)營(yíng)帶來(lái)的算力需求預(yù)計(jì)ChatGPT單月運(yùn)營(yíng)需要算力約4874.4PFlop/s-day，對(duì)應(yīng)成本約616萬(wàn)美元。在完成模型預(yù)訓(xùn)練之后，ChatGPT對(duì)于底層算力的需求并未結(jié)束，日常運(yùn)營(yíng)過(guò)程中，用戶交互帶來(lái)的數(shù)據(jù)處理需求，同樣也是一筆不小的算力開(kāi)支。據(jù)SimilarWeb數(shù)據(jù)，2023年1月ChatGPT官網(wǎng)總訪問(wèn)量為6.16億次。據(jù)Fortune雜志，每次用戶與ChatGPT互動(dòng)，產(chǎn)生的算力云服務(wù)成本約0.01美元。基于此，我們測(cè)算得2023年1月OpenAI為ChatGPT支付的運(yùn)營(yíng)算力成本約616萬(wàn)美元。據(jù)上文，我們已知訓(xùn)練一次1746億參數(shù)的GPT-3模型需要3640PFlop/s-day的算力及460萬(wàn)美元的成本，假設(shè)單位算力成本固定，測(cè)算得ChatGPT單月運(yùn)營(yíng)所需算力約4874.4PFlop/s-day。

（3）Finetune帶來(lái)的算力需求模型調(diào)優(yōu)帶來(lái)迭代算力需求。從模型迭代的角度來(lái)看，ChatGPT模型并不是靜態(tài)的，而是需要不斷進(jìn)行Finetune模型調(diào)優(yōu)，以確保模型處于最佳應(yīng)用狀態(tài)。這一過(guò)程中，一方面是需要開(kāi)發(fā)者對(duì)模型參數(shù)進(jìn)行調(diào)整，確保輸出內(nèi)容不是有害和失真的；另一方面，需要基于用戶反饋和PPO策略，對(duì)模型進(jìn)行大規(guī)?；蛐∫?guī)模的迭代訓(xùn)練。因此，模型調(diào)優(yōu)同樣會(huì)為OpenAI帶來(lái)算力成本，具體算力需求和成本金額取決于模型的迭代速度。2、供給端：核心環(huán)節(jié)有望率先受益（1）算力芯片：AI算力基石，需求有望大規(guī)模擴(kuò)張GPU架構(gòu)更適合進(jìn)行大規(guī)模AI并行計(jì)算，需求有望大規(guī)模擴(kuò)張。從ChatGPT模型計(jì)算方式來(lái)看，主要特征是采用了并行計(jì)算。對(duì)比上一代深度學(xué)習(xí)模型RNN來(lái)看，Transformer架構(gòu)下，AI模型可以為輸入序列中的任何字符提供上下文，因此可以一次處理所有輸入，而不是一次只處理一個(gè)詞，從而使得更大規(guī)模的參數(shù)計(jì)算成為可能。而從GPU的計(jì)算方式來(lái)看，由于GPU采用了數(shù)量眾多的計(jì)算單元和超長(zhǎng)的流水線，因此其架構(gòu)設(shè)計(jì)較CPU而言，更適合進(jìn)行大吞吐量的AI并行計(jì)算?；诖耍覀冋J(rèn)為，隨著大模型訓(xùn)練需求逐步增長(zhǎng)，下游廠商對(duì)于GPU先進(jìn)算力及芯片數(shù)量的需求均有望提升。

單一英偉達(dá)V100芯片進(jìn)行一次ChatGPT模型訓(xùn)練，大約需要220天。我們以AI訓(xùn)練常用的GPU產(chǎn)品—NVIDIA V100為例。V100在設(shè)計(jì)之初，就定位于服務(wù)數(shù)據(jù)中心超大規(guī)模服務(wù)器。據(jù)英偉達(dá)官網(wǎng)，V100擁有640個(gè)Tensor內(nèi)核，對(duì)比基于單路英特爾金牌6240的CPU服務(wù)器，可以實(shí)現(xiàn)24倍的性能提升?？紤]到不同版本的V100芯片，在深度學(xué)習(xí)場(chǎng)景下計(jì)算性能存在差異，因此我們折中選擇NVLink版本V100（深度學(xué)習(xí)算力125TFlops）來(lái)計(jì)算大模型訓(xùn)練需求。據(jù)相關(guān)測(cè)算，我們已知訓(xùn)練一次ChatGPT模型（13億參數(shù)）需要的算力約27.5PFlop/s-day，計(jì)算得若由單個(gè)V100GPU進(jìn)行計(jì)算，需220天；若將計(jì)算需求平均分?jǐn)傊?萬(wàn)片GPU，一次訓(xùn)練所用時(shí)長(zhǎng)則縮短至約32分鐘。（2）服務(wù)器：AI服務(wù)器有望持續(xù)放量ChatGPT主要進(jìn)行矩陣向量計(jì)算，AI服務(wù)器處理效率更高。從ChatGPT模型結(jié)構(gòu)來(lái)看，基于Transformer架構(gòu)，ChatGPT模型采用注意力機(jī)制進(jìn)行文本單詞權(quán)重賦值，并向前饋神經(jīng)網(wǎng)絡(luò)輸出數(shù)值結(jié)果，這一過(guò)程需要進(jìn)行大量向量及張量運(yùn)算。而AI服務(wù)器中往往集成多個(gè)AIGPU，AIGPU通常支持多重矩陣運(yùn)算，例如卷積、池化和激活函數(shù)，以加速深度學(xué)習(xí)算法的運(yùn)算。因此在人工智能場(chǎng)景下，AI服務(wù)器往往較GPU服務(wù)器計(jì)算效率更高，具備一定應(yīng)用優(yōu)勢(shì)。

單臺(tái)服務(wù)器進(jìn)行一次ChatGPT模型訓(xùn)練所需時(shí)間約為5.5天。我們以浪潮信息目前算力最強(qiáng)的服務(wù)器產(chǎn)品之一—浪潮NF5688M6為例。NF5688M6是浪潮為超大規(guī)模數(shù)據(jù)中心研發(fā)的NVLink AI服務(wù)器，支持2顆Intel最新的Ice Lake CPU和8顆NVIDIA最新的NVSwitch全互聯(lián)A800GPU，單機(jī)可提供5 PFlops的AI計(jì)算性能。我們已知訓(xùn)練一次ChatGPT模型（13億參數(shù)）需要的算力約27.5PFlop/s-day，計(jì)算得若由單臺(tái)NF5688M6服務(wù)器進(jìn)行計(jì)算，需5.5天。大模型訓(xùn)練需求有望帶動(dòng)AI服務(wù)器放量。隨著大數(shù)據(jù)及云計(jì)算的增長(zhǎng)帶來(lái)數(shù)據(jù)量的增加，對(duì)于AI智能服務(wù)器的需求明顯提高。據(jù)IDC數(shù)據(jù)，2021年全球AI服務(wù)器市場(chǎng)規(guī)模為156億美元，預(yù)計(jì)到2025年全球AI服務(wù)器市場(chǎng)將達(dá)到318億美元，預(yù)計(jì)22-25年CAGR將達(dá)19.5%。2021年中國(guó)AI服務(wù)器行業(yè)市場(chǎng)規(guī)模為350.3億元，同比增長(zhǎng)68.6%，預(yù)計(jì)22-25年CAGR將達(dá)19.0%。我們認(rèn)為，隨著ChatGPT持續(xù)火熱，國(guó)內(nèi)廠商陸續(xù)布局ChatGPT類(lèi)似產(chǎn)品，AI服務(wù)器采購(gòu)需求有望持續(xù)增長(zhǎng)，市場(chǎng)規(guī)?；?qū)⑦M(jìn)一步擴(kuò)張。（3）數(shù)據(jù)中心：核心城市集中算力缺口或?qū)⒓觿?/span>IDC算力服務(wù)是承接AI計(jì)算需求的直接形式。ChatGPT的模型計(jì)算主要基于微軟的Azure云服務(wù)進(jìn)行，本質(zhì)上是借助微軟自有的IDC資源，在云端完成計(jì)算過(guò)程后，再將結(jié)果返回給OpenAI。可見(jiàn)，IDC是承接人工智能計(jì)算任務(wù)的重要算力基礎(chǔ)設(shè)施之一，但并不是所有企業(yè)都需要自行搭建算力設(shè)施。從國(guó)內(nèi)數(shù)據(jù)中心的業(yè)務(wù)形態(tài)來(lái)看，按照機(jī)房產(chǎn)權(quán)歸屬及建設(shè)方式的角度，可分為自建機(jī)房、租賃機(jī)房、承接大客戶定制化需求以及輕資產(chǎn)衍生模式四種。AI訓(xùn)練需求有望帶動(dòng)IDC市場(chǎng)規(guī)?？焖僭鲩L(zhǎng)。據(jù)中國(guó)信通院，2021年國(guó)內(nèi)IDC市場(chǎng)規(guī)模1500.2億元，同比增長(zhǎng)28.5%。隨著我國(guó)各地區(qū)、各行業(yè)數(shù)字化轉(zhuǎn)型深入推進(jìn)、AI訓(xùn)練需求持續(xù)增長(zhǎng)、智能終端實(shí)時(shí)計(jì)算需求增長(zhǎng)，2022年國(guó)內(nèi)市場(chǎng)規(guī)模達(dá)1900.7億元，同增26.7%。

互聯(lián)網(wǎng)廠商布局ChatGPT類(lèi)似產(chǎn)品，或?qū)⒓哟蠛诵某鞘蠭DC算力供給缺口。據(jù)艾瑞咨詢，2021年國(guó)內(nèi)IDC行業(yè)下游客戶占比中，互聯(lián)網(wǎng)廠商居首位，占比為60%；其次為金融業(yè)，占比為20%；政府機(jī)關(guān)占比10%，位列第三。而目前國(guó)內(nèi)布局ChatGPT類(lèi)似模型的企業(yè)，同樣以互聯(lián)網(wǎng)廠商為主，如百度宣布旗下大模型產(chǎn)品“文心一言”將于2022年3月內(nèi)測(cè)、京東于2023年2月10日宣布推出產(chǎn)業(yè)版ChatGPT：ChatJD。另一方面，國(guó)內(nèi)互聯(lián)網(wǎng)廠商大多聚集在北京、上海、深圳、杭州等國(guó)內(nèi)核心城市，在可靠性、安全性及網(wǎng)絡(luò)延遲等性能要求下，或?qū)⒓哟髮?duì)本地IDC算力需求，國(guó)內(nèi)核心城市IDC算力供給缺口或?qū)⒓哟蟆?/span>

04

AI服務(wù)器產(chǎn)業(yè)格局

AI服務(wù)器和AI芯片是算力發(fā)展中極為重要，同時(shí)也是企業(yè)爭(zhēng)相突破的環(huán)節(jié)，其發(fā)展?fàn)顩r，對(duì)于整個(gè)人工智能行業(yè)的發(fā)展至關(guān)重要，以下我們就分別對(duì)AI芯片和AI服務(wù)器兩部分展開(kāi)分析。

1、AI服務(wù)器：人工智能發(fā)展核心算力底座，算力升級(jí)催化其加速滲透
AI服務(wù)器是采用異構(gòu)形式的服務(wù)器，如CPU+GPU、CPU+TPU、CPU+其他的加速卡等。而普通的服務(wù)器是以CPU為算力的提供者，采用的是串行架構(gòu)。在大數(shù)據(jù)、云計(jì)算、人工智能及物聯(lián)網(wǎng)等網(wǎng)絡(luò)技術(shù)的應(yīng)用下，數(shù)據(jù)呈現(xiàn)幾何倍數(shù)的增長(zhǎng)，CPU的核心數(shù)已經(jīng)接近極限，但數(shù)據(jù)還在持續(xù)增加，因此必須提升服務(wù)器的數(shù)據(jù)處理能力，AI服務(wù)器應(yīng)運(yùn)而生。通常AI服務(wù)器需要承擔(dān)大量的計(jì)算，一般配置四塊以上的GPU卡。

隨著數(shù)據(jù)及運(yùn)算量提升，接口傳輸速度要求提升，對(duì)應(yīng)PCB層數(shù)將增加、介電損耗降低且單價(jià)提升，端口數(shù)量增加亦將拉動(dòng)以太網(wǎng)物理層芯片（PHY）的用量提升，CPU、GPU供電使用的多相電源需求量大幅增加。在此基礎(chǔ)上，由于有多個(gè)GPU卡，需對(duì)系統(tǒng)結(jié)構(gòu)、散熱、拓?fù)涞冗M(jìn)行設(shè)計(jì)，才能滿足AI服務(wù)器長(zhǎng)期穩(wěn)定運(yùn)行的要求。
隨數(shù)據(jù)量提升，AI服務(wù)器加速滲透，22-26年全球服務(wù)器市場(chǎng)復(fù)合增速近15%。根據(jù)IDC數(shù)據(jù)，2022年全球AI相關(guān)支出1193億美元，同比增長(zhǎng)28.0%，其中AI硬件、AI服務(wù)、AI軟件支出占比分別為20.4%、24.5%、55.1%；AI硬件支出中，服務(wù)器、存儲(chǔ)器占比83.2%、16.8%。根據(jù)IDC數(shù)據(jù)，2022年全球AI服務(wù)器市場(chǎng)規(guī)模202億美元，同比增長(zhǎng)29.8%，占服務(wù)器市場(chǎng)規(guī)模的比例為16.4%，同比提升1.2pct。2022年上半年全球AI服務(wù)器市場(chǎng)中，浪潮、戴爾、惠普、聯(lián)想、新華三分別以15.1%、14.1%、7.7%、5.6%、4.7%的市場(chǎng)份額位居前五位。IDC預(yù)計(jì)2026年全球AI服務(wù)器市場(chǎng)規(guī)模將達(dá)到355億美元，對(duì)應(yīng)22-26年CAGR為15.1%。
2、國(guó)內(nèi)AI服務(wù)器呈現(xiàn)一超多強(qiáng)的市場(chǎng)格局
浪潮信息占據(jù)全球AI服務(wù)器市場(chǎng)龍頭地位。根據(jù)IDC統(tǒng)計(jì)，中國(guó)企業(yè)在全球AI服務(wù)器市場(chǎng)中所占份額持續(xù)提升。其中，2021年浪潮信息市場(chǎng)份額約20%，龍頭地位穩(wěn)固；戴爾和HPE市占率分別達(dá)到13.8%、9.8%，排名分列第二、第三。

國(guó)內(nèi)AI服務(wù)器市場(chǎng)集中度高，呈現(xiàn)“一超多強(qiáng)”的局面。根據(jù)IDC統(tǒng)計(jì)，2021年國(guó)內(nèi)AI服務(wù)器排名前5的廠商占據(jù)了超過(guò)80%的市場(chǎng)份額。其中，浪潮信息的市占率遙遙領(lǐng)先，約52%；寧暢、華為、新華三市占率相近，略低于8%，構(gòu)成第二梯隊(duì)；安擎、寶德分別為6.8%、5.1%，緊隨其后。

AI服務(wù)器性能要求持續(xù)提升，產(chǎn)品不斷迭代。大規(guī)模AI計(jì)算模型，不僅僅對(duì)AI服務(wù)器的空間和算力提出了極高的要求，還在冷卻技術(shù)、算力資源調(diào)度和靈活性方面，推動(dòng)著高性能、高技術(shù)水平產(chǎn)品的誕生。國(guó)內(nèi)代表性企業(yè)推出的AI服務(wù)器產(chǎn)品，在CPU和GPU芯片性能、功率、計(jì)算平臺(tái)和擴(kuò)展等關(guān)鍵指標(biāo)上達(dá)到了較高水平，支持互聯(lián)網(wǎng)、數(shù)據(jù)庫(kù)、分布式存儲(chǔ)和加速計(jì)算等行業(yè)多樣化的應(yīng)用場(chǎng)景。例如，浪潮信息的NF5688M6服務(wù)器是為超大規(guī)模數(shù)據(jù)中心專(zhuān)門(mén)研發(fā)，空間達(dá)到6U，采用GPU：計(jì)算IB：存儲(chǔ)IB=8：8：2的高性能配比，適用于對(duì)算力要求較高的大規(guī)模的模型訓(xùn)練。

05

AI芯片產(chǎn)業(yè)格局

1、AI芯片提供算力基礎(chǔ)，國(guó)內(nèi)外市場(chǎng)都將保持快速增長(zhǎng)

全球市場(chǎng)：全球人工智能技術(shù)發(fā)展逐漸成熟，數(shù)字化基礎(chǔ)設(shè)施不斷建設(shè)完善，推動(dòng)全球人工智能芯片市場(chǎng)高速增長(zhǎng)。IDC全球范圍調(diào)研顯示，人工智能芯片搭載率（attachrate）將持續(xù)增高。根據(jù)Tractica、寒武紀(jì)招股書(shū)相關(guān)數(shù)據(jù)，全球人工智能芯片2022年市場(chǎng)規(guī)模預(yù)計(jì)約395億美金，預(yù)計(jì)到2025年將達(dá)到726億美金，年復(fù)合增長(zhǎng)率達(dá)到22%。

國(guó)內(nèi)市場(chǎng)：22-24年復(fù)合增速有望達(dá)到46%。隨著大數(shù)據(jù)的發(fā)展和計(jì)算能力的提升，根據(jù)寒武紀(jì)招股書(shū)，2022年中國(guó)人工智能芯片市場(chǎng)規(guī)模預(yù)計(jì)達(dá)368億元，預(yù)計(jì)2024年市場(chǎng)規(guī)模將達(dá)到785億元，復(fù)合增速有望達(dá)到46%。
2021年國(guó)內(nèi)仍以GPU為主實(shí)現(xiàn)數(shù)據(jù)中心計(jì)算加速。根據(jù)IDC數(shù)據(jù)，2021年中國(guó)人工智能芯片市場(chǎng)中，GPU的市場(chǎng)占有率近90%，ASIC，F(xiàn)PGA，NPU等非GPU芯片市場(chǎng)占有率超過(guò)10%。

2、AI芯片賦能算力基石，英偉達(dá)壟斷全球市場(chǎng)
AI算力芯片主要包括GPU、FPGA，以及以VPU、TPU為代表的ASIC芯片。其中以GPU用量最大，據(jù)IDC數(shù)據(jù)，預(yù)計(jì)到2025年GPU仍將占據(jù)AI芯片8成市場(chǎng)份額。然而，相較傳統(tǒng)圖形GPU，通用型算力GPU在芯片架構(gòu)上縮減了圖形圖像顯示、渲染等功能實(shí)現(xiàn)，具有更優(yōu)的計(jì)算能效比，因而被廣泛應(yīng)用于人工智能模型訓(xùn)練、推理領(lǐng)域。

根據(jù)在網(wǎng)絡(luò)中的位置，AI芯片可以分為云端AI芯片、邊緣和終端AI芯片；根據(jù)其在實(shí)踐中的目標(biāo)，可分為訓(xùn)練（training）芯片和推理（inference）芯片。云端主要部署高算力的AI訓(xùn)練芯片和推理芯片，承擔(dān)訓(xùn)練和推理任務(wù)，具體有智能數(shù)據(jù)分析、模型訓(xùn)練任務(wù)和部分對(duì)傳輸帶寬要求比高的推理任務(wù)；邊緣和終端主要部署推理芯片，承擔(dān)推理任務(wù)，需要獨(dú)立完成數(shù)據(jù)收集、環(huán)境感知、人機(jī)交互及部分推理決策控制任務(wù)。

由于英偉達(dá)GPU產(chǎn)品線豐富、產(chǎn)品性能頂尖、開(kāi)發(fā)生態(tài)成熟，目前全球AI算力芯片市場(chǎng)仍由英偉達(dá)壟斷。根據(jù)中國(guó)信通院的數(shù)據(jù)，2021年Q4英偉達(dá)占據(jù)了全球95.7%的GPU算力芯片市場(chǎng)份額，因此，英偉達(dá)數(shù)據(jù)中心業(yè)務(wù)營(yíng)收增速可以較好地反應(yīng)全球AI芯片市場(chǎng)增速。2023財(cái)年，英偉達(dá)數(shù)據(jù)中心營(yíng)收達(dá)到150億美元，同比增長(zhǎng)41%，F(xiàn)Y2017-FY2023復(fù)合增速達(dá)63%，表明全球AI芯片市場(chǎng)規(guī)模保持高速增長(zhǎng)。
3、性能與生態(tài)構(gòu)筑AI算力芯片高壁壘
評(píng)價(jià)AI芯片的指標(biāo)主要包括算力、功耗、面積、精度、可擴(kuò)展性等，其中算力、功耗、面積（PPA）是評(píng)價(jià)AI芯片性能的核心指標(biāo)：
算力：衡量AI芯片算力大小的常用單位為T(mén)OPS或者TFLOS，兩者分別代表芯片每秒能進(jìn)行多少萬(wàn)億次定點(diǎn)運(yùn)算和浮點(diǎn)運(yùn)算，運(yùn)算數(shù)據(jù)的類(lèi)型通常有整型8比特（INT8）、單精度32比特（FP32）等。AI芯片的算力越高，代表它的運(yùn)算速度越快、性能越強(qiáng)。
功耗：功耗即芯片運(yùn)行所需的功率，除了功耗本身，性能功耗比是綜合衡量芯片算力和功耗的關(guān)鍵指標(biāo)，它代表每瓦功耗對(duì)應(yīng)輸出算力的大小。
面積：芯片的面積是成本的決定性因素之一，通常來(lái)講相同工藝制程之下，芯片面積越小良率越高，芯片成本越低。此外，單位芯片面積能提供的算力大小，亦是衡量AI芯片成本的關(guān)鍵指標(biāo)之一。
除PPA之外，運(yùn)行在AI芯片上的算法輸出精度、AI應(yīng)用部署的可擴(kuò)展性與靈活性，均為衡量AI芯片性能的指標(biāo)。

英偉達(dá)的GPGPU是全球應(yīng)用最為廣泛的AI芯片，決定其性能的硬件參數(shù)主要包括：微架構(gòu)、制程、CUDA核數(shù)、Tensor核數(shù)、頻率、顯存容量、顯存帶寬等。其中，微架構(gòu)即GPU的硬件電路設(shè)計(jì)構(gòu)造的方式，不同的微架構(gòu)決定了GPU的不同性能，作為英偉達(dá)GPU的典型代表，V100、A100、H100 GPU分別采用Volta、Ampere、Hopper架構(gòu)；CUDA核是GPU內(nèi)部主要的計(jì)算單元；Tensor核是進(jìn)行張量核加速、卷積和遞歸神經(jīng)網(wǎng)絡(luò)加速的計(jì)算單元；顯存容量和帶寬是決定GPU與存儲(chǔ)器數(shù)據(jù)交互速度的重要指標(biāo)。

除GPU硬件之外，與之配套的軟件開(kāi)發(fā)體系亦是生態(tài)的重要組成部分。GPU的生態(tài)包括底層硬件、指令集架構(gòu)、編譯器、API、基礎(chǔ)庫(kù)、頂層算法框架和模型等，英偉達(dá)于2006年發(fā)布的CUDA平臺(tái)是當(dāng)今全球應(yīng)用最為廣泛的AI開(kāi)發(fā)生態(tài)系統(tǒng)。通用GPU與CUDA組成的軟硬件底座構(gòu)成了英偉達(dá)引領(lǐng)AI計(jì)算的根基，當(dāng)前全球主流深度學(xué)習(xí)框架均使用CUDA平臺(tái)。
生態(tài)構(gòu)建計(jì)算壁壘，國(guó)產(chǎn)GPU廠商初期兼容CUDA，長(zhǎng)期仍需構(gòu)筑自身軟硬件生態(tài)。由于當(dāng)前全球主流深度學(xué)習(xí)框架均使用CUDA平臺(tái)進(jìn)行開(kāi)發(fā)，國(guó)產(chǎn)GPU可以通過(guò)兼容CUDA的部分功能，快速打開(kāi)市場(chǎng)，減少開(kāi)發(fā)難度和用戶移植成本。然而，CUDA本身涵蓋功能非常廣泛，且許多功能與英偉達(dá)GPU硬件深度耦合，包含了許多英偉達(dá)GPU的專(zhuān)有特性，這些特性并不能在國(guó)產(chǎn)AI芯片上全部體現(xiàn)。因此，長(zhǎng)期來(lái)看國(guó)產(chǎn)GPU廠商仍需通過(guò)提升自身的軟硬件實(shí)力，構(gòu)筑屬于自己的軟硬件生態(tài)。
4、國(guó)產(chǎn)AI算力芯片正起星星之火
全球AI芯片市場(chǎng)被英偉達(dá)壟斷，然而國(guó)產(chǎn)AI算力芯片正起星星之火。目前，國(guó)內(nèi)已涌現(xiàn)出了如寒武紀(jì)、海光信息等優(yōu)質(zhì)的AI算力芯片上市公司，非上市AI算力芯片公司如沐曦、天數(shù)智芯、壁仞科技等亦在產(chǎn)品端有持續(xù)突破。

5、自主可控受高度重視，國(guó)產(chǎn)AI算力芯片迎“芯“機(jī)遇
加快實(shí)現(xiàn)高水平科技自立自強(qiáng)，是推動(dòng)高質(zhì)量發(fā)展的必由之路。結(jié)合前期數(shù)字中國(guó)建設(shè)規(guī)劃落地、浪潮集團(tuán)被美國(guó)商務(wù)部列入”實(shí)體清單“等事件，我們認(rèn)為，國(guó)產(chǎn)AI算力芯片迎來(lái)發(fā)展“芯“機(jī)遇，自主可控亟待加速。
自主可控受高度重視，高水平科技亟需自立自強(qiáng)。國(guó)家相關(guān)部門(mén)在“兩會(huì)”期間組建國(guó)家數(shù)據(jù)局，負(fù)責(zé)統(tǒng)籌推進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展、推進(jìn)數(shù)據(jù)基礎(chǔ)設(shè)施布局建設(shè)等任務(wù)，有望加速推進(jìn)數(shù)字中國(guó)建設(shè)落地；重組科技部，并組建中央科技委員會(huì)，亦有望加速推動(dòng)國(guó)內(nèi)高水平科技實(shí)現(xiàn)自立自強(qiáng)。AI算力芯片作為數(shù)字中國(guó)的算力基礎(chǔ)，國(guó)產(chǎn)突破勢(shì)在必行，國(guó)產(chǎn)AI算力芯片迎來(lái)發(fā)展”芯“機(jī)遇。
數(shù)字中國(guó)建設(shè)對(duì)AI芯片國(guó)產(chǎn)化提出新要求。在2月27日印發(fā)的《數(shù)字中國(guó)建設(shè)整體布局規(guī)劃》中，提出要夯實(shí)數(shù)字基礎(chǔ)設(shè)施和數(shù)據(jù)資源體系“兩大基礎(chǔ)”，我們認(rèn)為，數(shù)字中國(guó)基礎(chǔ)設(shè)施的建設(shè)有望拉動(dòng)以數(shù)據(jù)中心、超算中心、智能計(jì)算中心為代表的算力基礎(chǔ)設(shè)施建設(shè)，從而帶動(dòng)服務(wù)器與AI算力芯片的需求快速增長(zhǎng)。同時(shí)，《規(guī)劃》提出要構(gòu)筑自立自強(qiáng)的數(shù)字技術(shù)創(chuàng)新體系，上游AI芯片作為算力基礎(chǔ)，自主可控需求凸顯，數(shù)字中國(guó)建設(shè)對(duì)AI芯片國(guó)產(chǎn)化提出新要求。
浪潮集團(tuán)被列入“實(shí)體清單“，AI芯片國(guó)產(chǎn)化進(jìn)程有望加速。當(dāng)?shù)貢r(shí)間3月2日，美國(guó)商務(wù)部將浪潮集團(tuán)、龍芯中科等37個(gè)實(shí)體列入“實(shí)體清單“，擴(kuò)大對(duì)浪潮等中國(guó)企業(yè)的出口禁令。浪潮集團(tuán)等公司被列入“實(shí)體清單”，再度敲響了中國(guó)AI產(chǎn)業(yè)發(fā)展的警鐘，我們不但要加大數(shù)字基礎(chǔ)設(shè)施建設(shè)，AI算力芯片的自主可控推進(jìn)也勢(shì)在必行。

06

產(chǎn)業(yè)鏈及相關(guān)企業(yè)

1、產(chǎn)業(yè)鏈概況

目前，我國(guó)算力產(chǎn)業(yè)鏈已經(jīng)初步形成，涵蓋由設(shè)施、設(shè)備、軟件供應(yīng)商、網(wǎng)絡(luò)運(yùn)營(yíng)商構(gòu)成的上游產(chǎn)業(yè)，由基礎(chǔ)電信企業(yè)、第三方數(shù)據(jù)中心服務(wù)商、云計(jì)算廠商構(gòu)成的中游產(chǎn)業(yè)，由互聯(lián)網(wǎng)企業(yè)、工業(yè)企業(yè)以及政府、金融、電力等各行業(yè)用戶構(gòu)成的下游產(chǎn)業(yè)。
當(dāng)前，算力產(chǎn)業(yè)主要包含云計(jì)算、IDC、人工智能等細(xì)分產(chǎn)業(yè)；通信產(chǎn)業(yè)主要包括基站、接入網(wǎng)和核心網(wǎng)等細(xì)分產(chǎn)業(yè)。
隨著信息通信技術(shù)從云網(wǎng)融合向算網(wǎng)一體邁進(jìn)，算力和網(wǎng)絡(luò)產(chǎn)業(yè)的邊界日益模糊，形成以“算+網(wǎng)+協(xié)同”為主線的算力網(wǎng)絡(luò)產(chǎn)業(yè)格局，上游為底層硬件基礎(chǔ)設(shè)施，中游為算力網(wǎng)絡(luò)相關(guān)平臺(tái)、服務(wù)及關(guān)鍵技術(shù)，下游為賦能的應(yīng)用場(chǎng)景及最終用戶，產(chǎn)業(yè)鏈關(guān)鍵環(huán)節(jié)如下圖所示。

2、相關(guān)分析當(dāng)前，我國(guó)算力供給水平大幅提升，先進(jìn)計(jì)算創(chuàng)新成果涌現(xiàn)。算力產(chǎn)業(yè)加速壯大升級(jí)，我國(guó)已經(jīng)形成體系較完整、規(guī)模體量龐大、創(chuàng)新活躍的計(jì)算產(chǎn)業(yè)，在全球產(chǎn)業(yè)分工體系中的重要性日益提升。我國(guó)計(jì)算產(chǎn)業(yè)規(guī)模約占電子信息制造業(yè)的20%，規(guī)模以上企業(yè)達(dá)2300余家。整個(gè)產(chǎn)業(yè)鏈來(lái)看，運(yùn)營(yíng)商涉及算力網(wǎng)絡(luò)產(chǎn)業(yè)鏈上、中、下游多個(gè)環(huán)節(jié)，已在網(wǎng)絡(luò)領(lǐng)域擁有不可復(fù)制的業(yè)務(wù)優(yōu)勢(shì)，因此站在運(yùn)營(yíng)商視角，算力網(wǎng)絡(luò)建設(shè)的核心在于“泛在高品質(zhì)的算力”和“靈活強(qiáng)協(xié)同的調(diào)度”。海量數(shù)據(jù)集中化處理、分布化計(jì)算需求爆發(fā)式增長(zhǎng)，數(shù)據(jù)中心和邊緣計(jì)算行業(yè)是實(shí)現(xiàn)泛在高品質(zhì)算力的關(guān)鍵；算網(wǎng)業(yè)務(wù)的實(shí)現(xiàn)需要算力和網(wǎng)絡(luò)以一體化形態(tài)對(duì)外提供服務(wù)，具備智能化編排管理能力的算網(wǎng)大腦是支撐靈活強(qiáng)協(xié)同調(diào)度的核心。我國(guó)算力賦能效應(yīng)不斷激發(fā)，智改數(shù)轉(zhuǎn)進(jìn)入縱深發(fā)展。算力深度融入互聯(lián)網(wǎng)、電信、金融、制造等下游行業(yè)，為各行業(yè)各領(lǐng)域的智能化改造和數(shù)字化轉(zhuǎn)型提供支撐。算力助推信息消費(fèi)持續(xù)擴(kuò)大升級(jí)，虛擬現(xiàn)實(shí)與元宇宙有望成為推動(dòng)算力下一個(gè)增長(zhǎng)階段的驅(qū)動(dòng)力。數(shù)字經(jīng)濟(jì)時(shí)代，算力不僅是關(guān)鍵生產(chǎn)力，也將成為普遍應(yīng)用。隨著算力基礎(chǔ)設(shè)施建設(shè)的推進(jìn)，算力應(yīng)用的新模式、新業(yè)態(tài)正加速涌現(xiàn)，算力深度融入制造、交通、教育、航空航天、金融、傳媒等更多行業(yè)，同時(shí)，算力調(diào)度、算力管理、算力交易也成為業(yè)界探索的重點(diǎn)。2022年3月，工業(yè)和信息化部正式公布首批國(guó)家新型數(shù)據(jù)中心典型案例名單，共有32個(gè)大型以上數(shù)據(jù)中心和12個(gè)邊緣數(shù)據(jù)中心入選。3、重點(diǎn)公司梳理（1）戴爾：全球服務(wù)器龍頭，提供完整AI架構(gòu)與方案戴爾以生產(chǎn)、設(shè)計(jì)、銷(xiāo)售家用以及辦公室電腦而聞名，生產(chǎn)與銷(xiāo)售服務(wù)器、數(shù)據(jù)儲(chǔ)存設(shè)備、網(wǎng)絡(luò)設(shè)備等。2016年9月，EMC Corporation和戴爾公司合并，新公司將被命名為戴爾科技（Dell Technologies）。新公司營(yíng)業(yè)重點(diǎn)將轉(zhuǎn)向云服務(wù)，并推進(jìn)服務(wù)器及存儲(chǔ)領(lǐng)域整合。戴爾科技集團(tuán)可以提供完整的AI基礎(chǔ)架構(gòu)、AI平臺(tái)就緒解決方案和AI行業(yè)應(yīng)用。AI基礎(chǔ)架構(gòu)包括高性能AI訓(xùn)練服務(wù)器、AI推理服務(wù)器、AI邊緣計(jì)算、高性能AI存儲(chǔ)系統(tǒng)PowerScale、DPS數(shù)據(jù)保護(hù)解決方案和數(shù)據(jù)中心網(wǎng)絡(luò)。AI平臺(tái)就緒解決方案則包括基于CPU、IPU、GPU的AI就緒解決方案，GPU分布式訓(xùn)練自動(dòng)化實(shí)現(xiàn)，Graphcore IPUAI專(zhuān)用芯片，NVAIE，GPU虛擬化，AIaaS平臺(tái)和OMNIA開(kāi)源社區(qū)。

（2）浪潮：AI服務(wù)器市占率穩(wěn)居榜首浪潮信息是全球領(lǐng)先的新型IT基礎(chǔ)架構(gòu)產(chǎn)品、方案及服務(wù)提供商。公司是全球領(lǐng)先的AI基礎(chǔ)設(shè)施供應(yīng)商，擁有業(yè)內(nèi)最全的人工智能計(jì)算全堆棧解決方案，涉及訓(xùn)練、推理、邊緣等全棧AI場(chǎng)景，構(gòu)建起領(lǐng)先的AI算法模型、AI框架優(yōu)化、AI開(kāi)發(fā)管理和應(yīng)用優(yōu)化等全棧AI能力，為智慧時(shí)代提供堅(jiān)實(shí)的基礎(chǔ)設(shè)施支撐。生產(chǎn)算力方面，公司擁有業(yè)內(nèi)最強(qiáng)最全的AI計(jì)算產(chǎn)品陣列，業(yè)界性能最好的Transformer訓(xùn)練服務(wù)器NF5488、全球首個(gè)AI開(kāi)放加速計(jì)算系統(tǒng)MX1、自研AI大模型計(jì)算框架LMS。聚合算力層面，公司針對(duì)高并發(fā)訓(xùn)練推理集群進(jìn)行架構(gòu)優(yōu)化，構(gòu)建了高性能的NVMe存儲(chǔ)池，深度優(yōu)化了軟件棧，性能提升3.5倍以上。調(diào)度算力層面，浪潮信息AIstation計(jì)算資源平臺(tái)可支持AI訓(xùn)練和推理，是業(yè)界功能最全的AI管理平臺(tái)；同時(shí)，浪潮信息還有自動(dòng)機(jī)器學(xué)習(xí)平臺(tái)AutoML Suite，可實(shí)現(xiàn)自動(dòng)建模，加速產(chǎn)業(yè)化應(yīng)用。

（3）中科曙光：我國(guó)高性能計(jì)算、智能計(jì)算領(lǐng)軍企業(yè)中科曙光作為我國(guó)核心信息基礎(chǔ)設(shè)施領(lǐng)軍企業(yè)，在高端計(jì)算、存儲(chǔ)、安全、數(shù)據(jù)中心等領(lǐng)域擁有深厚的技術(shù)積淀和領(lǐng)先的市場(chǎng)份額，并充分發(fā)揮高端計(jì)算優(yōu)勢(shì)，布局智能計(jì)算、云計(jì)算、大數(shù)據(jù)等領(lǐng)域的技術(shù)研發(fā)，打造計(jì)算產(chǎn)業(yè)生態(tài)，為科研探索創(chuàng)新、行業(yè)信息化建設(shè)、產(chǎn)業(yè)轉(zhuǎn)型升級(jí)、數(shù)字經(jīng)濟(jì)發(fā)展提供了堅(jiān)實(shí)可信的支撐。依托先進(jìn)計(jì)算領(lǐng)域的先發(fā)優(yōu)勢(shì)和技術(shù)細(xì)節(jié)，中科曙光全面布局智能計(jì)算，完成了包括AI核心組件、人工智能服務(wù)器、人工智能管理平臺(tái)、軟件等多項(xiàng)創(chuàng)新，構(gòu)建了完整的AI計(jì)算服務(wù)體系。并積極響應(yīng)時(shí)代需求，在智能計(jì)算中心建設(shè)浪潮下，形成了5A級(jí)智能計(jì)算中心整體方案。目前，曙光5A智能計(jì)算中心已在廣東、安徽、浙江等地建成，江蘇、湖北、湖南等地已進(jìn)入建設(shè)階段，其他地區(qū)也在緊張籌備和規(guī)劃中。

（4）海光信息：支持全精度，GPU實(shí)現(xiàn)規(guī)模量產(chǎn)海光信息主要從事高端處理器、加速器等計(jì)算芯片產(chǎn)品和系統(tǒng)的研究、開(kāi)發(fā)，主要產(chǎn)品包括海光CPU和海光DCU。2018年10月，公司啟動(dòng)深算一號(hào)DCU產(chǎn)品設(shè)計(jì)，海光8100采用先進(jìn)的FinFET工藝，典型應(yīng)用場(chǎng)景下性能指標(biāo)可以達(dá)到國(guó)際同類(lèi)型高端產(chǎn)品的同期水平。2020年1月，公司啟動(dòng)DCU深算二號(hào)的產(chǎn)品研發(fā)。海光DCU性能強(qiáng)大。海光DCU基于大規(guī)模并行計(jì)算微結(jié)構(gòu)進(jìn)行設(shè)計(jì)，不但具備強(qiáng)大的雙精度浮點(diǎn)計(jì)算能力，同時(shí)在單精度、半精度、整型計(jì)算方面表現(xiàn)同樣優(yōu)異，是一款計(jì)算性能強(qiáng)大、能效比較高的通用協(xié)處理器。海光DCU集成片上高帶寬內(nèi)存芯片，可以在大規(guī)模數(shù)據(jù)計(jì)算過(guò)程中提供優(yōu)異的數(shù)據(jù)處理能力。

（5）華為海思：五大系列發(fā)揮產(chǎn)業(yè)集成優(yōu)勢(shì)海思是全球領(lǐng)先的Fabless半導(dǎo)體與器件設(shè)計(jì)公司。前身為華為集成電路設(shè)計(jì)中心，1991年啟動(dòng)集成電路設(shè)計(jì)及研發(fā)業(yè)務(wù)，為匯聚行業(yè)人才、發(fā)揮產(chǎn)業(yè)集成優(yōu)勢(shì)，2004年注冊(cè)成立實(shí)體公司，提供海思芯片對(duì)外銷(xiāo)售及服務(wù)。海思致力于為智慧城市、智慧家庭、智慧出行等多場(chǎng)景智能終端打造性能領(lǐng)先、安全可靠的半導(dǎo)體基石，服務(wù)于千行百業(yè)客戶及開(kāi)發(fā)者。海思產(chǎn)品覆蓋智慧視覺(jué)、智慧IoT、智慧媒體、智慧出行、顯示交互、手機(jī)終端、數(shù)據(jù)中心及光收發(fā)器等多個(gè)領(lǐng)域。海思半導(dǎo)體旗下的芯片共有五大系列，分別是用于智能設(shè)備的麒麟Kirin系列；用于數(shù)據(jù)中心的鯤鵬Kunpeng系列服務(wù)CPU；用于人工智能的場(chǎng)景AI芯片組昇騰Ascend系列SoC；用于連接芯片（基站芯片Tiangang、終端芯片巴龍Balong）；以及其他專(zhuān)用芯片（視頻監(jiān)控、機(jī)頂盒芯片、智能電視、運(yùn)動(dòng)相機(jī)、物聯(lián)網(wǎng)等芯片）。

（6）寒武紀(jì)：少數(shù)全面掌握AI芯片技術(shù)的企業(yè)之一寒武紀(jì)主營(yíng)業(yè)務(wù)是應(yīng)用于各類(lèi)云服務(wù)器、邊緣計(jì)算設(shè)備、終端設(shè)備中人工智能核心芯片的研發(fā)和銷(xiāo)售。公司的主要產(chǎn)品包括終端智能處理器IP、云端智能芯片及加速卡、邊緣智能芯片及加速卡以及與上述產(chǎn)品配套的基礎(chǔ)系統(tǒng)軟件平臺(tái)。寒武紀(jì)是目前國(guó)際上少數(shù)幾家全面系統(tǒng)掌握了通用型智能芯片及其基礎(chǔ)系統(tǒng)軟件研發(fā)和產(chǎn)品化核心技術(shù)的企業(yè)之一，能提供云邊端一體、軟硬件協(xié)同、訓(xùn)練推理融合、具備統(tǒng)一生態(tài)的系列化智能芯片產(chǎn)品和平臺(tái)化基礎(chǔ)系統(tǒng)軟件。2022年3月，寒武紀(jì)正式發(fā)布了新款訓(xùn)練加速卡“MLU370-X8”，搭載雙芯片四芯粒封裝的思元370，集成寒武紀(jì)MLU-Link多芯互聯(lián)技術(shù)，主要面向AI訓(xùn)練任務(wù)。

07

細(xì)分受益環(huán)節(jié)

GPT-4多模態(tài)大模型將引領(lǐng)新一輪AI算力需求的爆發(fā)，超大規(guī)模數(shù)據(jù)中心及超算數(shù)據(jù)中心作為泛AI領(lǐng)域的重要基礎(chǔ)設(shè)施支持，其數(shù)量、規(guī)模都將相應(yīng)增長(zhǎng)，帶動(dòng)整個(gè)算力基礎(chǔ)設(shè)施產(chǎn)業(yè)鏈（如高端服務(wù)器/交換機(jī)、CPO技術(shù)、硅光、液冷技術(shù)）的滲透加速。同時(shí)在應(yīng)用側(cè)，Copilot的推出也將加速AI在辦公領(lǐng)域的賦能，給相關(guān)細(xì)分環(huán)節(jié)帶來(lái)發(fā)展機(jī)會(huì)。以下我們具體分析依托AI算力發(fā)展帶來(lái)的細(xì)分受益環(huán)節(jié)。

1、服務(wù)器/交換機(jī)
算力需求帶動(dòng)上游硬件設(shè)備市場(chǎng)規(guī)模持續(xù)增長(zhǎng)，高規(guī)格產(chǎn)品占比提升。伴隨著數(shù)據(jù)流量持續(xù)提升，交換機(jī)作為數(shù)據(jù)中心必要設(shè)備，預(yù)計(jì)全球數(shù)據(jù)中心交換機(jī)保持穩(wěn)定增長(zhǎng)。2021年全球數(shù)據(jù)中心交換機(jī)市場(chǎng)規(guī)模為138億美元，預(yù)計(jì)到2031年將達(dá)246億美元，2022年至2031年復(fù)合年增長(zhǎng)率為5.9%。多元開(kāi)放的AI服務(wù)器架構(gòu)可以為人工智能發(fā)展提供更高的性能和可擴(kuò)展性的AI算力支撐，隨著AI應(yīng)用的發(fā)展，高性能服務(wù)器數(shù)量有望隨之增長(zhǎng)，帶動(dòng)出貨量及服務(wù)器單價(jià)相應(yīng)提升。根據(jù)IDC報(bào)告，2022Q3，200/400GbE交換機(jī)市場(chǎng)收入環(huán)比增長(zhǎng)25.2%，100GbE交換機(jī)收入同比增長(zhǎng)19.8%，高速部分呈現(xiàn)快速增長(zhǎng)。
2、光模塊/光芯片
算力需求提升推動(dòng)算力基礎(chǔ)設(shè)施升級(jí)迭代，傳統(tǒng)可插拔光模塊技術(shù)弊端和瓶頸開(kāi)始顯現(xiàn)。首先，功耗過(guò)高，AI技術(shù)的加速落地，使得數(shù)據(jù)中心面臨更大的算力和網(wǎng)絡(luò)流量壓力，交換機(jī)、光模塊等網(wǎng)絡(luò)設(shè)備升級(jí)的同時(shí)，功耗增長(zhǎng)過(guò)快。以博通交換機(jī)芯片為例，2010年到2022年交換機(jī)芯片速率從640G提升到51.2T，光模塊速率從10G迭代到800G。速率提升的同時(shí)，交換機(jī)芯片功耗提升了約8倍，光模塊功耗提升了26倍，SerDes功耗提升了25倍。其次，交換機(jī)端口密度難以繼續(xù)提升，光模塊速率提升的同時(shí)，自身體積也在增大，而交換機(jī)光模塊端口數(shù)量有限。另外，PCB材料也遭遇瓶頸，PCB用于傳輸高速電信號(hào)，傳統(tǒng)可插拔光模塊信號(hào)傳輸距離長(zhǎng)、傳輸損失大，更低耗損的可量產(chǎn)PCB材料面臨技術(shù)難題難以攻克。
NPO/CPO技術(shù)有望成為高算力背景下的解決方案。CPO（光電共封裝技術(shù)）是一種新型的高密度光組件技術(shù)，將交換芯片和光引擎共同裝配在同一個(gè)Socketed（插槽）上，形成芯片和模組的共封裝。CPO可以取代傳統(tǒng)的插拔式光模塊技術(shù)，將硅光電組件與電子晶片封裝相結(jié)合，從而使引擎盡量靠近ASIC，降低SerDes的驅(qū)動(dòng)功耗成本，減少高速電通道損耗和阻抗不連續(xù)性，實(shí)現(xiàn)更高密度的高速端口，提升帶寬密度，大幅減少功耗。CPO技術(shù)的特點(diǎn)主要有：CPO技術(shù)縮短了交換芯片和光引擎之間的距離（控制在5~7cm），使得高速電信號(hào)在兩者之間實(shí)現(xiàn)高質(zhì)量傳輸，滿足系統(tǒng)的誤碼率（BER）要求；CPO用光纖配線架取代更大體積的可插拔模塊，系統(tǒng)集成度得到提升，實(shí)現(xiàn)更高密度的高速端口，提升整機(jī)的帶寬密度；降低功耗，根據(jù)銳捷網(wǎng)絡(luò)招股說(shuō)明書(shū)，采用CPO技術(shù)的設(shè)備整機(jī)相比于采用可插拔光模塊技術(shù)的設(shè)備，整機(jī)功耗降低23%。
高算力背景下，數(shù)據(jù)中心網(wǎng)絡(luò)架構(gòu)升級(jí)帶動(dòng)光模塊用量擴(kuò)張及向更高速率迭代。硅光、相干及光電共封裝技術(shù)（CPO）等具備高成本效益、高能效、低能耗的特點(diǎn)，被認(rèn)為是高算力背景下的解決方案。CPO將硅光電組件與電子晶片封裝相結(jié)合，使引擎盡量靠近ASIC，減少高速電通道損耗，實(shí)現(xiàn)遠(yuǎn)距離傳送。目前，頭部網(wǎng)絡(luò)設(shè)備和芯片廠商已開(kāi)始布局硅光、CPO相關(guān)技術(shù)與產(chǎn)品。
3、數(shù)據(jù)中心
IDC數(shù)據(jù)中心：“東數(shù)西算”工程正式全面啟動(dòng)一周年，從系統(tǒng)布局進(jìn)入全面建設(shè)階段。隨著全國(guó)一體化算力網(wǎng)絡(luò)國(guó)家樞紐節(jié)點(diǎn)的部署和“東數(shù)西算”工程的推進(jìn)，算力集聚效應(yīng)初步顯現(xiàn)，算力向規(guī)?；s化方向加速升級(jí)，同時(shí)數(shù)據(jù)中心集中東部的局面得到改善，西部地區(qū)對(duì)東部地區(qū)數(shù)據(jù)計(jì)算需求的支撐作用越發(fā)明顯。我們認(rèn)為政策面推動(dòng)供給側(cè)不斷出清，AI等應(yīng)用將帶動(dòng)新一輪流量需求，有望打破數(shù)據(jù)中心近兩年供給過(guò)剩的局面，帶動(dòng)數(shù)據(jù)中心長(zhǎng)期發(fā)展。
液冷溫控：隨云計(jì)算、AI、超算等應(yīng)用發(fā)展，數(shù)據(jù)中心機(jī)柜平均功率密度數(shù)預(yù)計(jì)將逐年提升，高密度服務(wù)器也將被更廣泛的應(yīng)用于數(shù)據(jù)中心中。數(shù)據(jù)中心液冷技術(shù)能夠穩(wěn)定CPU溫度，保障CPU在一定范圍內(nèi)進(jìn)行超頻工作不會(huì)出現(xiàn)過(guò)熱故障，有效提升了服務(wù)器的使用效率和穩(wěn)定性，有助于提高數(shù)據(jù)中心單位空間的服務(wù)器密度，大幅提升數(shù)據(jù)中心運(yùn)算效率，液冷技術(shù)有望在超高算力密度場(chǎng)景下持續(xù)滲透。
4、企業(yè)通信
3月16日晚微軟正式宣布推出Microsoft 365 Copilot，將大型語(yǔ)言模型（LLMs）的能力嵌入到Office辦公套件產(chǎn)品中。基于GPT-4的Copilot以其視頻+圖文的多模態(tài)分析以及更強(qiáng)大生成與理解能力，可更深度、全面發(fā)揮視頻會(huì)議AI助理功能，比如可以確定目標(biāo)捕捉發(fā)言總結(jié)某人談話要點(diǎn)、全面理解會(huì)議主要內(nèi)容，并自動(dòng)整理及發(fā)送會(huì)議紀(jì)要等。隨著Copilot更強(qiáng)大功能對(duì)微軟辦公套件的加持，有望帶動(dòng)Teams需求的增長(zhǎng)，中國(guó)企業(yè)通信終端廠商將作為微軟重要的硬件合作伙伴有望深度受益。

08

產(chǎn)業(yè)發(fā)展前瞻

1、基礎(chǔ)設(shè)施支持層面：云商/運(yùn)營(yíng)商積極推進(jìn)AI領(lǐng)域算力基礎(chǔ)設(shè)施建設(shè)

北美云廠商資本支出向技術(shù)基礎(chǔ)設(shè)施和新數(shù)據(jù)中心架構(gòu)傾斜。22Q4亞馬遜資本支出主要用于技術(shù)基礎(chǔ)設(shè)施的投資，其中大部分用于支持AWS業(yè)務(wù)增長(zhǎng)與支持履行網(wǎng)絡(luò)的額外能力。預(yù)計(jì)未來(lái)相關(guān)投資將延續(xù)，并增加在技術(shù)基礎(chǔ)設(shè)施方面的支出。谷歌指引2023年資本開(kāi)支與2022年基本持平，其中技術(shù)基礎(chǔ)設(shè)施有所增加，而辦公基礎(chǔ)設(shè)施將減少。Meta2022年資本開(kāi)支為314.3億美元，同比增長(zhǎng)69.3%，但同時(shí)Meta略微調(diào)低其2023年資本開(kāi)支預(yù)期至300-330億美元（此前預(yù)期為340-370億美元），主要原因系減少數(shù)據(jù)中心建設(shè)的相關(guān)支出，轉(zhuǎn)向新的更具成本效益的、同時(shí)支持AI和非AI工作量的數(shù)據(jù)中心新架構(gòu)。

國(guó)內(nèi)三大運(yùn)營(yíng)商積極布局算力網(wǎng)絡(luò)，資本支出向新興業(yè)務(wù)傾斜。電信運(yùn)營(yíng)商作為數(shù)字基座打造者，運(yùn)營(yíng)商數(shù)字業(yè)務(wù)板塊成為收入增長(zhǎng)的主要引擎，近幾年資本支出由主干網(wǎng)絡(luò)向新興業(yè)務(wù)傾斜。中國(guó)移動(dòng)2022年全年算力網(wǎng)絡(luò)投資480億元，占其總資本開(kāi)支的39.0%。2022Q3，中國(guó)移動(dòng)算力規(guī)模達(dá)到7.3EFLOPS，并計(jì)劃在2025年底達(dá)到20EFLOPS以上。中國(guó)電信產(chǎn)業(yè)數(shù)字化資本開(kāi)支占比同比上升9.3pc，算力總規(guī)模計(jì)劃由2022年中的3.1EFLOPS提升至2025年底的16.3EFLOPS。中國(guó)聯(lián)通2022年預(yù)估算力網(wǎng)絡(luò)資本開(kāi)支達(dá)到145億，同比提升43%。
作為算力基礎(chǔ)設(shè)施建設(shè)的主力軍，三大運(yùn)營(yíng)商目前已經(jīng)進(jìn)行前瞻性的基礎(chǔ)設(shè)施布局。通信運(yùn)營(yíng)商自身?yè)碛袃?yōu)質(zhì)網(wǎng)絡(luò)、算力、云服務(wù)能力，同時(shí)具備天然的產(chǎn)業(yè)鏈優(yōu)勢(shì)，依靠5G+AI技術(shù)優(yōu)勢(shì)，為下游客戶提供AI服務(wù)能力，是新型信息服務(wù)體系中重要的一環(huán)，助力千行百業(yè)數(shù)字化轉(zhuǎn)型。在移動(dòng)網(wǎng)絡(luò)方面，中國(guó)運(yùn)營(yíng)商已建設(shè)覆蓋全國(guó)的高性能高可靠4/5G網(wǎng)絡(luò)；在固定寬帶方面，光纖接入（FTTH/O）端口達(dá)到10.25億個(gè)，占比提升至95.7%；在算力網(wǎng)絡(luò)方面，運(yùn)營(yíng)商在資本開(kāi)支結(jié)構(gòu)上向算力網(wǎng)絡(luò)傾斜，提升服務(wù)全國(guó)算力網(wǎng)絡(luò)能力。在AI服務(wù)能力方面，加快AI領(lǐng)域商業(yè)化應(yīng)用推出，發(fā)揮自身產(chǎn)業(yè)鏈優(yōu)勢(shì)，助力千行百業(yè)數(shù)字化轉(zhuǎn)型。

2、技術(shù)發(fā)展層面：算力需求帶動(dòng)數(shù)據(jù)中心架構(gòu)及技術(shù)加速升級(jí)
（1）數(shù)據(jù)中心呈現(xiàn)超大規(guī)模發(fā)展趨勢(shì)
超大規(guī)模數(shù)據(jù)中心，即Hyperscale Data Center，與傳統(tǒng)數(shù)據(jù)中心的核心區(qū)別在于超大規(guī)模數(shù)據(jù)中心具備更強(qiáng)大的可擴(kuò)展性及計(jì)算能力。規(guī)模上，超級(jí)數(shù)據(jù)中心可容納的規(guī)模要比傳統(tǒng)數(shù)據(jù)中心大得多，可以容納數(shù)百萬(wàn)臺(tái)服務(wù)器和更多的虛擬機(jī)；性能上，超級(jí)數(shù)據(jù)中心具有更高的可擴(kuò)展性和計(jì)算能力，能夠滿足數(shù)據(jù)處理數(shù)量和速率大幅提升的需求。
Statista數(shù)據(jù)顯示，全球超大規(guī)模數(shù)據(jù)中心的數(shù)量從2015年的259個(gè)，提升到2021年的700個(gè)。根據(jù)Precedence Research的報(bào)告顯示，全球超大規(guī)模數(shù)據(jù)中心市場(chǎng)規(guī)模在2021年為620億美元，到2030年將達(dá)到5930億美元，預(yù)計(jì)在2022-2030年間以28.52%的復(fù)合增長(zhǎng)率（CAGR）增長(zhǎng)。

海內(nèi)外云商均具備自己的超大規(guī)模數(shù)據(jù)中心。Structure Research在其報(bào)告中測(cè)算，到2022年全球超大規(guī)模自建數(shù)據(jù)中心總?cè)萘窟_(dá)到13177兆瓦（MW）。全球四大超大規(guī)模數(shù)據(jù)中心平臺(tái)——AWS、谷歌云、Meta和微軟Azure——約占該容量的78%。全球占主導(dǎo)地位的超大規(guī)模數(shù)據(jù)中心企業(yè)仍然是亞馬遜、谷歌、Meta和微軟，在中國(guó)，本土企業(yè)阿里巴巴、華為、百度、騰訊和金山云都是領(lǐng)先的超大規(guī)模數(shù)據(jù)中心企業(yè)。
（2）IB網(wǎng)絡(luò)技術(shù)將更廣泛應(yīng)用于AI訓(xùn)練超算領(lǐng)域
超級(jí)數(shù)據(jù)中心是具有更大規(guī)模和更高計(jì)算能力的數(shù)據(jù)中心。隨著對(duì)數(shù)據(jù)處理數(shù)量和速率需求的提升，數(shù)據(jù)中心的可擴(kuò)展性需求也在迅速提升。超級(jí)數(shù)據(jù)中心在規(guī)模和性能上較傳統(tǒng)數(shù)據(jù)中心都有了大幅升級(jí)，能夠滿足超高速度擴(kuò)展，以滿足超級(jí)需求的能力。

InfiniBand網(wǎng)絡(luò)滿足大帶寬和低時(shí)延的需求，成為超算中心的主流。InfiniBand（簡(jiǎn)稱(chēng)IB）是一個(gè)用于高性能計(jì)算的計(jì)算機(jī)網(wǎng)絡(luò)通信標(biāo)準(zhǔn)，主要應(yīng)用于大型或超大型數(shù)據(jù)中心。IB網(wǎng)絡(luò)的主要目標(biāo)是實(shí)現(xiàn)高的可靠性、可用性、可擴(kuò)展性及高性能，且能在單個(gè)或多個(gè)互聯(lián)網(wǎng)絡(luò)中支持冗余的I/O通道，因此能夠保持?jǐn)?shù)據(jù)中心在局部故障時(shí)仍能運(yùn)轉(zhuǎn)。相比傳統(tǒng)的以太網(wǎng)絡(luò)，帶寬及時(shí)延都有非常明顯的優(yōu)勢(shì)。（一般InfiniBand的網(wǎng)卡收發(fā)時(shí)延在600ns，而以太網(wǎng)上的收發(fā)時(shí)延在10us左右，英偉達(dá)推出的MetroX-3提升長(zhǎng)距離InfiniBand系統(tǒng)帶寬至400G）。作為未來(lái)算力的基本單元，高性能的數(shù)據(jù)中心越來(lái)越多的采用InfiniBand網(wǎng)絡(luò)方案，尤其在超算中心應(yīng)用最為廣泛，成為AI訓(xùn)練網(wǎng)絡(luò)的主流。

3、政策環(huán)境層面：工業(yè)和信息化部持續(xù)推進(jìn)算力產(chǎn)業(yè)工作
持續(xù)推動(dòng)算力基礎(chǔ)設(shè)施建設(shè)。統(tǒng)籌布局綠色智能的算力基礎(chǔ)設(shè)施，推進(jìn)一體化大數(shù)據(jù)中心體系建設(shè)，加速打造數(shù)網(wǎng)協(xié)同、數(shù)云協(xié)同、云邊協(xié)同、綠色智能的多層次算力設(shè)施體系，實(shí)現(xiàn)算力水平的持續(xù)顯著提升，夯實(shí)數(shù)字經(jīng)濟(jì)發(fā)展“算力底座”。
聚力推進(jìn)核心關(guān)鍵技術(shù)攻關(guān)。充分發(fā)揮我國(guó)的體制優(yōu)勢(shì)和市場(chǎng)優(yōu)勢(shì)，提升自主創(chuàng)新能力，加快高端芯片、新型數(shù)據(jù)中心、超算等領(lǐng)域研發(fā)突破，加強(qiáng)先進(jìn)計(jì)算、算網(wǎng)融合等技術(shù)布局，推動(dòng)算力產(chǎn)業(yè)向高效、綠色方向發(fā)展。
不斷激發(fā)算力“引擎”賦能效應(yīng)。深入挖掘算力在數(shù)字政府、工業(yè)互聯(lián)網(wǎng)、車(chē)聯(lián)網(wǎng)、金融科技等創(chuàng)新應(yīng)用場(chǎng)景下的融合應(yīng)用，提高算力在醫(yī)療、交通、教育等傳統(tǒng)行業(yè)的應(yīng)用水平，加快推進(jìn)算力在更多生產(chǎn)生活場(chǎng)景的應(yīng)用落地。