算力大时代，AI算力产业链全景梳理-中信建投(202306).pdfVIP

证券研究报告 ·行业深度报告 算力大时代，AI 算力产业链 全景梳理 核心观点 生成式AI 取得突破，我们对生成式AI 带来的算力需求做了上 下游梳理，并做了交叉验证，可以看到以 ChatGPT 为代表的 大模型训练和推理端均需要强大的算力支撑，产业链共振明 显，产业链放量顺序为：先进制程制造-> 以 Chiplet 为代表的 2.5D/3D 封装、HBM->AI 芯片->板卡组装->交换机->光模块-> 液冷->AI 服务器->IDC 出租运维。综合来看，大模型仍处于混 战阶段，应用处于渗透率早期，AI 板块中算力需求增长的确 定性较高，在未来两年时间内，算力板块都将处于高景气度 阶段，重点推荐AI 算力产业链各环节相关公司。 摘要 生成式AI 取得突破，实现了从 0 到 1 的跨越，以ChatGPT 为代表的人工智能大模型训练和推理需要强大的算力支撑。自 2022 年底OpenAI 正式推出ChatGPT 后，用户量大幅增长，围绕 ChatGPT 相关的应用层出不穷，其通用性能力帮助人类在文字等 工作上节省了大量时间。同时在 Transformer 新架构下，多模态 大模型也取得新的突破，文生图、文生视频等功能不断完善，并 在广告、游戏等领域取得不错的进展。生成式AI 将是未来几年最 重要的生产力工具，并深刻改变各个产业环节，围绕生成式AI ， 无论是训练还是推理端，算力需求都将有望爆发式增长。 训练和推理端AI 算力需求或几何倍数增长。首先是训练侧， 参考 OpenAI 论文，大模型训练侧算力需求=训练所需要的token 数量*6*大模型参数量。可以看到从GPT3.5 到GPT4，模型效果越 来越好，模型也越来越大，训练所需要的token 数量和参数量均 大幅增长，相应的训练算力需求也大幅增长。并且，与 GPT4 相 关的公开论文也比较少，各家巨头向 GPT4 迈进的时候，需要更 多方向上的探索，也将带来更多的训练侧算力需求。 根据我们 的推算，2023 年-2027 年，全球大模型训练端峰值算力需求量的 年复合增长率有望达到78.0%，2023 年全球大模型训练端所需全 部算力换算成的A100 芯片总量可能超过 200 万张。其次是推理 侧，单个token 的推理过程整体运算量为2*大模型参数量，因此 大模型推理侧每日算力需求=每日调用大模型次数*每人平均查 询Token 数量*2*大模型参数量，仅以Google 搜索引擎为例，每 本报告亦可能由中信建投（国际）证券有限公司在香港提供。同时