电子行业动态点评-GTC 2024：一次践行“Buy More Save More”口号的发布会

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 GTC 2024：一次践行“Buy More Save More”口号的发布会 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com +(852) 3658 6000 研究员 余熠 SAC No. S0570520090002 SFC No. BNC535 yuyi@htsc.com +(86) 755 8249 2388 研究员 张皓怡 SAC No. S0570522020001 zhanghaoyi@htsc.com +(86) 21 2897 2228 研究员 胡宇舟 SAC No. S0570523070005 SFC No. BOB674 huyuzhou@htsc.com +(86) 21 2897 2228 研究员 陈钰 SAC No. S0570523120001 chenyu019111@htsc.com +(86) 21 2897 2228 研究员 廖健雄 SAC No. S0570524030001 liaojianxiong@htsc.com +(86) 755 8249 2388 联系人 权鹤阳 SAC No. S0570122070045 SFC No. BTV779 quanheyang@htsc.com +(86) 21 2897 2228 联系人 汤仕翯 SAC No. S0570122080264 SFC No. BUQ838 tangshihe@htsc.com +(86) 21 2897 2228 行业走势图 资料来源：Wind，华泰研究 2024 年 3 月 26 日│中国内地 动态点评 GTC 2024 启示：一次践行“Buy More Save More”口号的发布会 英伟达于美国时间 3 月 18 日开始召开开发者大会（GTC），发布全新架构BlackeWell 系列芯片（B200, GB200）以及软件和应用更新：1）AI 硬件总体框架变化不大，主要是推出集成度更高的 GB200 解决方案实现大幅度降本，是践行公司 CEO 黄仁勋“Buy More Save More”口号的一次发布会。2）公司推出包括 NIM（Nvidia Inference Microservices）微服务在内的大模型服务，丰富软件产品线。3）面向机器人和自动驾驶，公司推出涵盖 AI大模型训练、仿真和算法执行在内完成的解决方案。我们认为全球算力产业链将有望受益并加速发展。 芯片：GB200 超级芯片大幅降低训练系统成本 本次大会上最新推出的新一代 B200 芯片沿用了台积电 N4 系列工艺，通过裸片连接等新技术，实现比 H100 更大的芯片面积及更高容量内存，算力性能较上一代 H100 提升 5 倍。超级芯片 GB200 由 2 个 B200 Blackwell GPU和 1 个基于 Arm 的 Grace GPU 组成，是英伟达推出的集成度更高的解决方案，在推理大语言模型方面，GB200 性能比 H100 提升了 30 倍，成本和能耗却降低至 1/25。此外英伟达还展示了从 GB200 NVL72 到百亿亿级 AI 超算的搭建过程，可扩展至最高包含 32000 个 GPU 的完整数据中心，我们认为 NVL72 将成为全球客户发展大语言模型背后的重要支撑。 软件：NIM 微服务丰富 AI Foundry 产品线 继 2023 年 GTC 提出 AI Foundry（AI 代工厂）概念，并推出 Nemo 模型服务+DGX 云服务之后，英伟达在本次 GTC 对 AI Foundry 的定义更加清晰，并新推出推理微服务 NIM 作为 AI Foundry 的组成部分。英伟达表示企业拥有数据金矿，AI Foundry 帮助企业以专有数据创建自己的 Copilot 和Chatbot。AI Foundry 由三个部分构成：1）NIM 封装打包 AI 模型（涵盖自有模型、第三方模型）；2）Nemo 创建工具来协助客户修改 AI 模型；3）DGX云作为基础设施，供客户部署 AI 模型。我们认为 2B 场景是 AI 大模型落地的重要领域，对垂直行业有深刻理解，有软硬件整合能力的企业更容易享受到 AI 红利。 机器人&自动驾驶：三大平台赋能端到端全栈开放 英伟达表示公司有三大计算机平台，1）DGX：用于 AI 大模型深度训练；2）AGX：移动端的低功耗高性能处理器用于推理；3）Omniverse：在 OVX 计算机上运行的实时模拟和协作平台，用于虚拟仿真以及 RLHF。基于此，为应对机器人&自动驾驶需求搭建了 Jetson/Drive 等全栈的软硬件生态链。在本次 GTC 大会上，英伟达发布了人形机器人基础模型 Project GR00T 和计算机 Jetson Thor，升级了 Isaac 机器人平台，同时推出了 Omniverse Cloud API 以更便捷地打通虚拟仿真测试生态。我们认为这有助于解决行业目前计算资源不足/数据不足的情况，推动机器人/自动驾驶行业发展。 风险提示：AI 及技术落地不及预期；本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。 (30)(20)(11)(1)9Mar-23Jul-23Nov-23Mar-24(%)电子沪深300 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 电子 硬件：Buy More Save More 芯片：B200 相比 H100 拥有更大面积，更快的裸片连接与更高容量内存 与上一代 H100 GPU 相比，本次 GTC 大会推出的 B200 在芯片架构上做了明显升级，具体来看，1）Blackwell 架构与 Hopper 架构：B200 GPU 采用台积电 4NP 工艺，包含两颗独立裸片，裸片间通过 10TB/s 的 NV-HBI 链接，整个 GPU 面积约为 Hopper 架构芯片的 2倍，晶体管数量达到 2080 亿个，为 H100 的 2.6 倍。2）内存方面：B200 在内存容量上较上一代也有明显提升。GPU 周围配备了 8 个 HBM3e 内存，总容量达 192GB，带宽为 8TB/s。对比来讲，H100 周围配套 6 颗 HBM3/HBM2e 内存，最高总容量为 96GB，带宽 3.9TB/s。 图表1： B200 和 H100 芯片内部结构对比 资料来源：Nvidia 官网，华泰研究 芯片参数分析：B200 算力性能较上一代 H100 提升 5 倍 英伟达本次 GTC 大会推出的 B200 相较于英伟达前几年推出的 V100（2017 年）、A100 （2020 年）、H100（2022 年）、H200（2023 年）除了在工艺、芯片面积及晶体管数量有提升外，在算力上也引入新的 FP8 及 FP4 两种精