计算机行业：重视AI芯片配套的软件生态

请务必阅读正文之后的免责条款部分 [Table_MainInfo] [Table_Title] 2024.03.19 重视 AI 芯片配套的软件生态 李沐华(分析师) 李博伦(分析师) 010-83939797 0755-23976516 limuhua@gtjas.com libolun@gtjas.com 证书编号 S0880519080009 S0880520020004 本报告导读： 谁能做出中国版“CUDA”，就能占领 AI 算力高地，看好华为 CANN 崛起，相关生态公司或将受益。 摘要： [Table_Summary]  投资建议：看好华为 CANN 崛起，相关生态合作伙伴有望受益。推荐标的：软通动力、拓维信息、中国软件国际（0354.HK），受益标的：润和软件、诚迈科技。  软件生态可能会成为制约 AI 芯片算力的瓶颈。时至今日，算力对于AI 的重要性已经人尽皆知。GPU 从一众芯片中脱颖而出成为大模型训练和推理的首选。人们很自然的从一款芯片的性能数据来直观感受芯片强大与否，所有的关注目光都聚焦在一款新品有多少 Tflops 的算力上。殊不知，计算框架以及配套的软件生态才是将一款芯片性能真正释放出来的幕后推手，也是芯片公司极强的护城河。  CUDA 帮助芯片释放了通用计算性能，真正夯实了英伟达算力壁垒。CUDA，全称 Compute Unified Device Architecture，是英伟达推出的一种并行计算平台和编程模型，目的是让开发者能够利用 GPU 的强大计算能力，不仅限于图形渲染，还能执行各种复杂的计算任务。缺少 CUDA 优化，GPU 的可用性将大幅下降。CUDA 凭借超前的布局，在AI 计算时代构筑了强大的生态护城河。AMD 后发追赶，打造开源生态ROCm，在软硬件端齐发力，意图打破 CUDA 的垄断地位。虽然硬件层面，AMD 的产品性能已经能做到在某些时期内并不逊色于英伟达，甚至实现一定程度的超越。然而在软件生态层面，CUDA 凭借强大的软硬件结合开发能力和庞大的既有用户基础，使得 AMD 依然难以实现对英伟达的追赶超越。  国产 AI 算力崛起背后离不开软件生态配套，看好华为 CANN 崛起。以昇腾为首的国产算力芯片在性能上奋起直追，在某些性能指标上已经与国际领先产品差异不大，但英伟达算力卡仍是市场目前的主流选择，原因在于 CUDA 的加持将实际训练推理效率最大化。未来国内的算力崛起离不开软件生态的配套，在性能短板补齐后，软件生态将是昇腾需要重点攻克的下一个短板，而 CANN 将助力昇腾芯片跨越能用到好用的鸿沟。  风险提示：技术发展不确定性；用户习惯与迁移成本；政策和监管变化。 [Table_Invest] 评级： 增持 上次评级： 增持 [Table_subIndustry] 细分行业评级 计算机 增持 [Table_DocReport] 相关报告 计算机《Claude 3 模型发布，算力军备竞赛加码》 2024.03.05 计算机《鸿蒙生态再迎里程碑，应用开发有望提速》 2024.03.04 计算机《央企加快推动 AI 发展，算力需求再迎催化》 2024.02.23 计算机《关注 Sora 对于纯视觉自动驾驶方案的增强》 2024.02.22 计算机《AGI 里程碑时刻，Sora 打造全球新标杆》 2024.02.21 行业深度研究 票研究 证券研究报告 [Table_industryInfo] 计算机 行业深度研究 请务必阅读正文之后的免责条款部分 2 of 21 目 录 1. CUDA 是除性能外英伟达的重要壁垒 ........................................... 3 1.1. GPU 在当下仍是 AI 算力最好的选择 ...................................... 3 1.2. CUDA 帮助 GPU 释放了通用计算能力 ................................... 5 1.3. 硬件设计+软件生态=算力壁垒 ............................................... 8 2. 除性能外，软件生态也是国产 AI 算力必争之高地 ........................ 9 2.1. 海外其他厂商对于生态构建也有相关尝试 .............................. 9 2.2. 国内 AI 算力的软件生态建设至关重要 ................................. 14 2.3. 华为正积极布局国产 GPU 生态 ............................................ 17 2.4. 各家厂商都有对应的准备 ..................................................... 18 3. 投资建议 ................................................................................... 19 4. 风险提示 ................................................................................... 20 行业深度研究 请务必阅读正文之后的免责条款部分 3 of 21 1. CUDA 是除性能外英伟达的重要壁垒 1.1. GPU 在当下仍是 AI 算力最好的选择 AI 大模型的训练过程对算力的需求极为庞大。AI 大模型通常拥有数以亿计的参数，需要在海量数据集上进行训练。例如，GPT-3 这样的模型训练所需的算力当量高达 3640PD（Petaflops-Day），这意味着如果以每秒一千万亿次的计算速度，需要连续计算 3640 天。在 AI 领域，Scaling Law 表明，随着模型规模的扩大，其性能和能力也会相应提升，但同时也需要更多的计算资源。自 2012 年以来，AI 训练应用的算力需求每 3-4个月就会翻倍，从 2012 年至今，AI 算力增长超过了 30 万倍。这种增长速度远远超过了摩尔定律预测的芯片性能提升速度。 图 1：AI 大模型训练任务中对算力的需求爆发式增长 数据来源：OpenAI、国泰君安证券研究 AI 算力需求的迅速增长促使大家追逐更好用的算力芯片。在人工智能的世界里，算力就像是燃料，为 AI 模型的训练和推理提供动力。随着 AI技术的发展，AI 模型规模的不断扩大，训练和推理所需的计算资源呈现出爆发性的增长趋势，大家都在寻找更高效、更强大的算力芯片。全球学术与产业力量也正倾力投入于高性能、专用化算力芯片技术的探索与创新之