1、 本报告版权属于安信证券股份有限公司，各项声明请参见报告尾页。1 2023 年 03 月 21 日 半导体 行业分析 AI 算力产业链梳理技术迭代推动瓶颈突破，AIGC 场景增多驱动算力需求提升 证券研究报告 投资评级 领先大市-A 首次评级 首选股票 目标价（元）评级 行业表现 资料来源：Wind 资讯 升幅%1M 3M 12M 相对收益 5.9 4.2-10.2 绝对收益 4.0 4.3-16.8 马良 分析师 SAC 执业证书编号：S1450518060001 程宇婷 分析师 SAC 执业证书编号：S1450522030002 相关报告 设备国产化关键环节，半导体零部件蓝海起航 2022
2、-09-23 中芯国际拟再建新厂，持续推荐上游设备及材料 2022-08-30 国产替代渗透率提升+国产芯片开发需求增多，掩膜版行业进入高速增长通道 2022-08-26 晶圆平坦化的关键工艺，CMP设备材料国产替代快速推进 2022-06-10 市场空间广阔，电池管理（BMS/BMIC）芯片国产替代进程加速 2022-05-19 AI 大模型引领应用层百花齐放，算力层长期受益：ChatGPT、GPT4.0、Microsoft 365 Copilot、文心一言等相继发布，以 ChatGPT 为代表的 AI 大模型及其初步应用“一石激起千层浪”，其相关技术变革预计将对个体的工作、生活及社会组织方
3、式带来的广泛影响。以海内外 IT 龙头为代表的企业界也开始深入挖掘此次技术变革对公司经营方式、商业模式的潜在颠覆性变化，并重新评估未来的发展战略。我们认为，AI 大模型在参数规模、计算量简化、安全性及多模态融合等方向虽然仍有迭代进步空间，但其迄今展示出的“思维能力”可作为先进生产力工具已是不争事实。随着多模态大模型 GPT-4 的发布，基于文字、图片等垂直场景的应用步伐有望“从 1 到 10”加速，类似于移动互联网时代各类型 APP 的百花齐放，其竞争格局也会逐步加剧。而类比 19 世纪末的美国西部“淘金热”对铲子、牛仔裤的大量需求，我们认为以 GPGPU 为代表的算力基础设施作为 AI 大模
4、型底座将长期稳定受益。ChatGPT 算力需求加速增长，基于大算力、先进制程领域的技术创新企业有望受益：我们根据 GPT-4 对使用次数的限制推论，目前 AI 大模型的算力水平显著供不应求。以 Open AI 的算力基础设施为例，芯片层面 GPGPU 的需求最为直接受益，其次是 CPU、AI 推理芯片、FPGA 等。AI 服务器市场的扩容，同步带动高速网卡、HBM、DRAM、NAND、PCB 等需求提升。同时，围绕解决大算力场景下 GPU“功耗墙、内存墙”问题的相关技术不断升级，如存算一体、硅光/CPO 产业化进程有望提速；先进制程芯片演进中已有的 Chiplet 等技术路径也将受益；Risk
5、-V 由于开源免费、开发者自由度高、自主可控度高、更适应 AIoT 处理器架构需求等优势，带动围绕 AI 场景的参与企业数量提升。本报告的创新点：1）以 GPT-3 模型为例的 GPGPU 市场测算：预计用于高端 GPGPU 显卡的训练及推理部分市场空间合计约 145 亿元，其中训练市场规模约 28 亿元，推理市场规模约 117 亿元。分别对应约 3200 张和135031 张英伟达 A100 GPU 芯片。2）对 GPT-4 算力需求及未来趋势的推论：GPT-4 由于复杂度提升、图片识别功能加入，我们推测算力需求增至十倍以上。长期看来，-32%-22%-12%-2%8%18%28%38%20
6、22-032022-072022-112023-03半导体沪深300 本报告版权属于安信证券股份有限公司，各项声明请参见报告尾页。2 行业分析/半导体 伴随编译器等软件端技术迭代，新产品推出有望提速。AI 大模型有望向小型化、高效化方向发展，对算力需求趋势从单模型所需高性能芯片价值转变为应用端规模增长带来的用量提升。3）重点技术梳理：存算一体技术、HBM 技术、Chiplet 技术、CPO 技术等技术。4）系统梳理潜在受益的产业链环节及标的。投资建议：我们建议关注国产大算力芯片、英伟达/AMD 产业链、上游硬件供应商、下游多模态应用落地等。1）GPU/AI 芯片：寒武纪、海光信息、景嘉微、澜起
7、科技；2）英伟达产业链配套：胜宏科技、和林微纳；3）CPU：海光信息、龙芯中科、澜起科技；4）FPGA：紫光国微、复旦微电、安路科技；5）芯片 IP：芯原股份、华大九天;6）服务器：浪潮信息、工业富联、中科曙光;7）Chiplet 等先进封装相关：通富微电、长电科技、兴森科技、深南电路、生益科技、华正新材;8）光模块：天孚通信、新易盛、中际旭创;9）AIoT:乐鑫科技、恒玄股份、炬芯科技;10）SoC：晶晨股份、瑞芯微、全志科技、恒玄科技、富瀚微;11）Risk-V：兆易创新、芯原股份、国芯科技、北京君正;12）存算一体：兆易创新、恒烁股份;13）存储芯片/模组：兆易创新、佰维存储、江波龙、北
8、京君正、聚辰股份;14）CPU/GPU 等供电芯片：杰华特、晶丰明源；15）多模态下游应用：海康威视、大华股份、萤石网络、漫步者等 风险提示：技术研发不及预期的风险；应用落地不及预期的风险；中美贸易摩擦的风险。行业分析/半导体 本报告版权属于安信证券股份有限公司，各项声明请参见报告尾页。3 内容目录 1.ChatGPT 浪潮带动算力需求提升，以 GPU 为核心的硬件市场扩容.5 1.1.ChatGPT:基于生成式 AI 技术的大型语言模型，商业化迅速开启.5 1.2.采用 GPT-3.5 预训练模型，参数量随模型换代呈指数型增长.5 1.3.海量参数产生大算力需求，GPGPU 等高壁垒 AI
9、芯片受益.8 1.4.类 ChatGPT 成本高昂产品涌现，国产大模型方兴未艾.9 1.5.以 GPT-3 为例测算：大算力需求驱动 AI 硬件市场空间提升.12 1.6.GPT-4 模型算力需求扩增，架构升级降本增效未来可期.15 1.7.英伟达引领硬件端产品升级，国产 GPU 静待花开.16 2.大算力场景遇到的问题及解决途径.23 2.1.“内存墙”、“功耗墙”等掣肘 AI 的算力发展.23 2.2.“内存墙”、“功耗墙”等问题解决路径.25 2.2.1.存算一体技术：以 SRAM、RRAM 为主的新架构，大算力领域优势大.25 2.2.2.HBM 技术：高吞吐高带宽，AI 带动需求激增
10、.28 2.2.3.Chiplet 技术：全产业链升级降本增效，国内外大厂前瞻布局.30 2.2.4.CPO 技术：提升数据中心及云计算效率，应用领域广泛.32 3.投资建议.33 4.风险提示.34 4.1.技术研发不及预期的风险.34 4.2.应用落地不及预期的风险.34 4.3.中美贸易摩擦的风险.34 图表目录 图 1.不同程序实现 1 亿月活跃用户所花费的时间.5 图 2.使用 ChatGPT 撰写博客内容.5 图 3.ChatGPT 预训练和推理过程.6 图 4.Transformer 架构示意图.7 图 5.RLHF 原理示意图.7 图 6.GPT-4 对图片输入的理解.8 图
11、7.GPT-4 考试表现相较 GPT-3.5 的提升.8 图 8.近年主流生成型 AI 对算力的需求.9 图 9.GPU 与 CPU 并行运算能力对比.9 图 10.近年英伟达 GPU 的 FLOPS 与带宽速率增长.9 图 11.Musk 和 Altman 关于 ChatGPT 对话成本聊天截图.10 图 12.2018-2022 年科技厂商资本支出（亿美元）.10 图 13.百度 AI 大底座示意图.12 图 14.GPT-3 模型大小、架构及参数.12 图 15.不同参数量模型的上下文学习曲线.12 图 16.用于训练语言模型所需要的算力情况.13 图 17.下游企业拥有英伟达 A100
12、 GPU 数量（截止至 2022）.14 图 18.Vision Transformer 模型对图片进行切割输入.15 图 19.AI 大模型的参数规模持续加速攀升.16 图 20.小参数模型逐渐有出色表现.16 图 21.CPU 和 GPU 架构对比.17 行业分析/半导体 本报告版权属于安信证券股份有限公司，各项声明请参见报告尾页。4 图 22.GPU 架构演变历程.18 图 23.Grace Hopper 超级芯片示意图.18 图 24.ROCm 5.0 生态技术.19 图 25.英伟达发展历程.20 图 26.2017-2020 年英伟达技术在 TOP500 超算的占比.20 图 27
13、.英伟达产品规划图.21 图 28.存储计算“剪刀差”.24 图 29.冯诺依曼架构下的数据传输.24 图 30.AI 模型大小增长与 GPU 内存增长.25 图 31.AI 模型计算量增长速度.25 图 32.冯诺依曼架构 vs 存算一体架构.26 图 33.四种存算一体架构对比.26 图 34.HBM 设计结构.29 图 35.GDDR5 vs HBM.29 图 36.Chiplet 设计结构.30 图 37.UCIe 标准.31 图 38.共封装光学技术.33 表 1：ChatGPT 预训练相关概念.7 表 2：各代 GPT 系列所需要参数量.7 表 3：各 AI 芯片性能对比.9 表
14、4：ChatGPT 对话成本测算.10 表 5：各科技公司关于类 ChatGPT 的技术布局概览（统计截止日期：2023.03.19）.11 表 6：ChatGPT 对应 A100 GPU 市场规模.14 表 7：GPU 发展历程.17 表 8：AMD GPGPU 相关产品一览.19 表 9：英伟达 AI 相关产品一览.21 表 10：Nvidia A100 GPU 和 H100 GPU 规格对比.22 表 11：Nvidia 计算卡进化历程.22 表 12：国产 GPU 厂商情况.23 表 13：国产 GPU 与国际 GPU 参数对比.23 表 14：不同存储器介质对比.27 表 15：云和
15、边缘大算力企业对比.28 表 16：端和边缘小算力企业对比.28 表 17：Chiplet 相关公司产品.32 行业分析/半导体 本报告版权属于安信证券股份有限公司，各项声明请参见报告尾页。5 1.ChatGPT 浪潮带动算力需求提升，以 GPU 为核心的硬件市场扩容 1.1.ChatGPT:基于生成式 AI 技术的大型语言模型，商业化迅速开启 ChatGPT（Chat Generative Pre-trained Transformer）是由 OpenAI 开发的聊天机器人程序，于 2022 年 11 月推出。ChatGPT 是目前为止最先进的语言生成模型之一，使用基于 GPT-3.5 架构
16、的大型语言模型（LLM），并通过强化学习进行训练，拥有语言理解和文本生成能力，适用于问答、对话、生成文本等多种场景。ChatGPT 用户规模扩增迅速，根据 Similar Web 数据，2023 年 1 月期间，ChatGPT 平均每天大约有 1300 万独立访客，数量是 2022 年 12 月的两倍多（Similarweb 数据）；根据瑞银公开报告数据，2023 年 1 月（即上线两个月后）实现全球 1 亿月活跃用户，是历史上增长最快的消费者应用程序。ChatGPT 是生成式 AI 在文字生成领域的应用，创造能力是其核心优势。传统 AI 依靠逻辑进行分类和判断，而生成式 AI 的壁垒在于能够创造新内容，可以是多模态的、模仿人类情感的、具有互动和审美性质的。传统的聊天机器人（Chatbot），例如客服机器人，只能根据用户输入的内容在数据库中查询到对应答案，再机械地以模板的形式反馈给客户；而 ChatGPT采取生成式 AI 技术，并且有工作人员每日优化模型，在应对用户提问时会根据上下文内容调整回答内容，增强互动式、对话式的情感体验，更加智能。OpenAI 开放 API，降本 90%扩大覆
