电子：如何看待算力芯片与服务器的弹性？

如何看待 AI 算力芯片与服务器的弹性？ [Table_ReportDate] 2023 年 3 月 31 日 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 2 证券研究报告 行业点评 [Table_ReportType] 行业专题研究（普通） [Table_StockAndRank] 电子 投资评级 看好 上次评级 看好 [Table_Author] 莫文宇 电子行业首席分析师 执业编号：S1500522090001 联系电话：13437172818 邮 箱：mowenyu@cindasc.com 韩字杰 联系人 邮 箱：hanzijie@cindasc.com 信达证券股份有限公司 CINDASECURITIESCO.,LTD 北京市西城区闹市口大街9号院1号楼 邮编：100031 [Table_Title] 如何看待 AI 算力芯片与服务器的弹性？ [Table_ReportDate] 2023 年 3 月 31 日 本期内容提要: [Table_Summary] [Table_Summary] ➢ Transformer 模型是参数量可以无限增长的通用模型，可以处理长序列的输入、输出。Transformer 模型是一种基于自注意力机制的深度学习模型，相较于传统 AI 模型如循环神经网络（RNN）和卷积神经网络（CNN），它在处理序列数据时具有更高的并行性和可扩展性。其中，自注意力机制使得模型能够捕捉序列中长距离依赖关系，同时避免了 RNN 中的梯度消失或爆炸问题。Transformer 模型的参数量之所以会随着数据量和任务复杂度无限增长，是因为它可以通过堆叠更多的层或增加隐藏层宽度来提高模型性能，从而适应更复杂的数据和任务；在传统 CNN/RNN 模型中，增加网络参数量会提高模型的拟合能力，但过多的参数容易导致过拟合现象。因此，长期来看大模型领域或许会出现没有上限的“军备竞赛”。 ➢ 训练：根据英伟达测算，在 4096 颗 A100 GPU 互联的情况下，训练10000 亿参数的模型约需要 3-4 周时间，而在 4096 颗 H100 GPU 互联的情况下，时间约需要 1 周左右。考虑到 1 周是研发阶段可承受的周期，因此我们认为 4000 颗左右 H100 将是一个大型云计算企业每年支持 30-50 个 5000 亿参数模型项目训练所需要的芯片数量。考虑到目前大模型参数量已经步入万亿级别，芯片需求量可能会继续上升。若以英伟达 HGX H100-8 计算集群为单位（1024 Nvidia H100 GPUs），总共需要 4-8 个计算集群，考虑到售价为 4900 万美金/集群，则单个支持 GPT 训练的云计算中心至少投入 1.96-3.92 亿美金用于服务器的购买 。 ➢ 推理：相比训练，模型的部署是更大的市场。我们认为应用对于服务器的最大承载能力要求在于过峰，即满足 PCU 时刻的访问需求。根据 Statista，Steam 2021 年月活用户约为 1.32 亿人左右，而 Steam公布服务器最高访问人数截至 2021 年 12 月 31 日为 2738 万人，最高817 万人同时在线进行游戏。因此我们合理推断一款被高强度访问的应用，最高在线人数约为月活用户的 6.19%-20.74%。假设在国内 8亿用户体量下，最高并发访问人数可高达 4952 万人-16592 万人。根据 10 DGX H100 服务器一秒内可支持 300 用户的并发访问，若响应时长延缓至 5 秒及以上，最高可支持 1000 人以上的并发访问。据此测算，国内由 AI 带动的服务器需求量约为 5 万台-16.6 万台，芯片为50-166 万颗。假设全球活跃用户体量为国内用户体量的 3 倍，则全球服务器需求量为 15-50 万台，芯片需求量为 150-500 万颗。 ➢ 投资建议：ChatGPT 的快速渗透侧面反映出大模型在通用任务上所展现的强大能力，也为人工智能产业未来的投资指引了方向。在AIGC 驱动新一轮产业革命的趋势下，我们认为 AI 算力产业链上下游均有投资机会。 ➢ 建议关注：海光信息、寒武纪-U、龙芯中科、澜起科技、工业富联、紫光国微、中芯国际、华虹半导体、华大九天、概伦电子、芯原股份、兴森科技、通富微电、华正新材、方邦股份、长电科技、海康威视、大华股份、晶晨股份、瑞芯微、全志科技。 ➢ 风险提示：技术迭代不及预期；制裁风险；本文对服务器、芯片需求量等测算是基于一定前提假设，存在假设条件不成立、市场发展不及预期等因素导致测算结果偏差。 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 3 目录 训练与部署：我们如何测算 AI 芯片及服务器的弹性 ..................................................................... 4 训练：迈入万亿参数时代，千卡互联、超级计算是大势所趋 ............................................... 4 部署：强 AI 助手有望实现大规模渗透，服务器市场注入新活力 ......................................... 6 投资建议：趋势确立，下注未来 ............................................................................................... 7 风险因素 .............................................................................................................................................. 9 表目录 表 1：汽车及细分行业近年销量增速情况（%） .......................................................................................... 5 图目录 图 1：传统 NLP 模型存在梯度下降/爆炸问题，无法解决长序列的处理 ...................................... 4 图 2：英伟达 H100 训练卡对 LLM 的训练时长函数曲线 ............................................................... 5 图 3：2022Q4 全球云计算服务商市场份额 ...................................................................................... 6 图 4：英伟达 10 DGX H100 瞬时支持的 300 人的并发访问 .........................