计算机行业“智能网联”系列报告24-华为昇腾：AI超算领军，大模型核心受益

证券研究报告 请务必阅读正文之后第 8 页起的免责条款和声明 华为昇腾：AI 超算领军，大模型核心受益 计算机行业“智能网联”系列报告 24｜2023.2.16 中信证券研究部 核心观点 杨泽原 计算机行业首席 分析师 S1010517080002 丁奇 云基础设施行业 首席分析师 S1010519120003 徐涛 科技产业联席首席分析师 S1010517080003 以 ChatGPT 为代表的预训练大模型加速商业化落地，将带来大量算力需求。以政府为主导的城市智能计算中心 AI 算力卡国产化进度较快，其中以城市数量计，华为昇腾国内市场份额约 79%，处于领先且具备大模型能力。北京计划支持头部企业打造大模型，算力可能需要进一步扩容，带来服务器增量空间，其中拓维信息作为华为昇腾核心合作伙伴，有望核心受益。 ▍ChatGPT：人类反馈强化学习推动 AI 实用化落地，大模型发展带来算力需求。ChatGPT 是大模型商业化落地的标杆，其底层模型 GPT-3 共有 1750 亿参数，训练所需算力和成本均高出传统 NLP 模型，云算力资源训练成本估算约 460 万美金。国内千亿参数大模型如华为盘古使用超过 2000 块华为昇腾 910 以 640P FLOPS 的 FP16 算力训练超过两个多月，可见大模型训练算力耗费之巨大，算力扩容需求明确。 ▍国内 AI 算力：企业与政府齐头并进，华为昇腾市场份额领先。继《智能计算中心规划建设指南》发布后，政府主导投资在 20 多个城市落地或规划了人工智能计算中心，方案多采用国产 AI 芯片，其中以城市数量计，华为昇腾更是在城市为主体的 AI 计算中心中占据 79%的市场份额，并发布了盘古预训练大模型，处于行业领先位置。在 2 月 13 日举行的北京人工智能产业创新发展大会上，北京市经济和信息化局发布《2022 年北京人工智能产业发展白皮书》，提到支持头部企业打造对标 ChatGPT 的大模型，然而现阶段智算中心算力对大模型支持不足，从资源共享、效率提升角度需要进一步扩容，带来算力卡和服务器增量。 ▍拓维信息为华为昇腾核心合作伙伴，2022H1 昇腾硬件出货量第一。拓维信息是首批昇腾授权的人工智能计算硬件生产合作伙伴，其 AI 训练服务器可搭载 8 张昇腾 910，提供 2.56P FLOPS 的 FP16 算力，目前已应用于长沙人工智能创新中心、重庆人工智能创新中心、全国一体化算力网络国家（贵州）主枢纽中心等项目中。据公司披露，2022 年上半年，拓维信息昇腾计算硬件出货量位列华为昇腾合作伙伴排名第一。 ▍风险因素：AI 技术发展不及预期风险；数据监管力度加大风险；核心芯片短缺风险；行业竞争加剧风险；商业模式盈利困难风险。 ▍投资策略。预训练大模型加速商业化落地，带来大量算力需求。以政府为主导的城市智能计算中心 AI 算力卡国产化进度较快，其中以城市数量计，华为昇腾份额约 79%，处于领先且具备大模型能力。北京计划支持头部企业打造大模型，算力可能需要进一步扩容，带来服务器增量空间，其中拓维信息作为华为昇腾核心合作伙伴，2022H1 昇腾硬件出货量第一，有望核心受益。建议关注拓维信息、神州数码等华为昇腾生态圈核心厂商。 重点公司盈利预测、估值及投资评级 简称 代码 收盘价（元） EPS（元） PE 评级 21A 22E 23E 24E 21A 22E 23E 24E 拓维信息 002261.SZ 8.54 0.07 0.11 0.17 0.24 125 76 50 35 - 神州数码 000034.SZ 27.23 0.36 1.37 1.64 1.91 76 20 17 14 买入 资料来源：Wind，中信证券研究部预测 注：股价为 2023 年 2 月 15 日收盘价（元），拓维信息预测数据为 wind 一致预期 计算机行业 评级 强于大市（维持） 仅供内部参考，请勿外传 计算机行业“智能网联”系列专题报告 23｜2023.2.16 请务必阅读正文之后的免责条款和声明 2 ▍ ChatGPT：大模型商业化进程加速，带来多倍算力扩容空间。 ChatGPT：人类反馈强化学习推动 AI 实用化落地，大模型发展带来算力需求 ChatGPT 是 AI 研究机构 OpenAI 在 2022 年 11 月 30 日推出的一款 NLP（自然语言处理）模型，是基于 GPT（生成式预训练 transformer）专为对话任务设计的变种。 ChatGPT与 InstructGPT（GPT3.5）的原理类似，都是基于人类反馈强化学习（RLHF），如通过人工标注员来引导模型的学习，标注员通过将模型的多个输出排序并喂回给模型进行精细调参，使得模型的输出更加人性化。ChatGPT 与 InstructGPT 原理基本类似，只是标注员在精细调参中不仅是对模型给出的输出进行排序，还提供对问题的合适对话样本，并加到InstructGPT 的数据集中，使其回答和对话更加自然。 图 1：相比 GPT-3，InstructGPT 的输出更加人性化 资料来源：OpenAI，中信证券研究部 图 2：ChatGPT 的模型训练流程 资料来源：OpenAI 仅供内部参考，请勿外传 计算机行业“智能网联”系列专题报告 23｜2023.2.16 请务必阅读正文之后的免责条款和声明 3 从某种程度上讲，ChatGPT 和 InstructGPT 是通过更好奖励机制改善了 GPT 模型的输入和输出接口，但本质上其知识储备和理解能力仍来自于底层的大型语言模型，通过RLHF 解锁了 GPT3 模型潜能的尝试是大模型的实用化以及商业化进程加速的重要一步。 但 ChatGPT 能力的代价是其底层模型 GPT-3 所需的大量算力以及人工标注劳动，根据 OpenAI 公布，GPT-3 共有 1750 亿参数，复杂的参数在训练中带来了庞大的计算量和成本，根据斯坦福大学机器学习讲师 Younes Bensouda Mourri 的测算，想得到一个与GPT-3 近似的大模型在云服务上的训练成本约 460 万美金。 同时，国内的千亿参数大模型如华为盘古大模型在训练时调用了超过 2000 块昇腾 910进行了两个多月的训练。简单估算，华为昇腾 910 参数为 FP16 320T FLOPS，2000 块昇腾 910 可以提供超过 640P FLOPS 的 FP16 算力，可见大模型训练算力耗费之巨大。 表 1：华为昇腾 910 产品参数 型号 架构 计算引擎 性能 最大功耗 制程 华为昇腾 910 自研达芬奇架构 3D Cube 320 TFLOPS @FP16 and 640 TOPS @INT8 310W N7+ 资料来源：华为官网，中信证券研究部 国内 AI 算力：企业与政府齐头并进，华为昇腾市场份额领先 2020 年 4 月 20 日，国家发展改革委首次明确新型基础设施的范围，其中包括以智能计算中心为代表的算力基础设施。2020 年 11 月 17 日，国家信息中心信息化和产业发展部联合浪潮发布了《智能计算中心规划建设指南》，