（报告出品方/作者：华金证券，李宏涛）

算力停顿

趋向一：大模型颁布继续超预期开展

ChatGPT模型的推出继续超预期开展。1）ChatGPT注册用户激增，5天打破百万；2）GPT模型不时迭代：GPT3于20年6月推出，在2022年11月推出的GPT3.5基础上再次更新，23年6月推出GPT 3.5 turbo 16K。3）AI浸透千行百业：基于大模型的多场景运行也不时拓展。拉动默认算力规模高速增长。依据OpenAI的钻研，AI训练所需算力指数增长，且增长速度逾越配件的摩尔定律。

趋向二：数字基础设备树立减速，景派头优化

1、我国数据中心总体树立进度减速。据《数字中国开展报告》，我国数据中神思架总规模2022年到达650万机架，比去年增长130万架，近5年年均增速超越30%。

2、算力基础设备洽购量清楚优化。以移动为代表的公司，洽购替换机数量放大，移动公司2023-2024年洽购替换机30660台，其中特定场景替换机需求放量增长，洽购15330台。

趋向三：模型百花齐放，推进AI在各畛域宽泛运行

1、国际模型百花齐放：泛滥公司推出大模型，比如阿里推出通义千问、腾讯推出混元，百度的文心一言大模型，科大讯飞的星火大模型；

2、面向垂直行业的大模型运行成果清楚：紫天科技旗下河马游戏推出《大侦探智斗小AI》，下载量进入榜单TOP10；医联所推出的MedGPT具有全流程默认化诊疗才干，与三甲专家诊断分歧性超96%。“天擎”美亚公共安保大模型，具有警务用意识别、警务情报剖析、案情推理等推理才干，可成功全流程闭环退化。将重构两大运行场景：电子数据取证和智慧警务系统。

Transformer架构是AI大模型与传统模型不同的外围

Transformer模型是AIGC大模型与传统模型不同的外围。AIGC大模型来源于NLP，并基于Attention机制构建Transformer模型。传统模型多基于CNN 和 RNN 结构。

Transformer模型架构是现代大言语模型所驳回的基础架构。Transformer模型是一种非串行的神经网络架构，最后被用于口头基于高低文的机器翻译义务。Transformer模型以Encoder-Decoder架构为基础，引入“留意机制”（Attention），具有能够并行运算、关注高低文消息、表白才干强等长处。

底层架构各异造成训练参数不同

底层架构的不同造成训练参数的要求不同。以Transformer为架构的大模型普通可达百亿、千亿、万亿级别，而以CNN或RNN为底层架构的传统模型则是亿级别及更少级别。

AI大模型参数级别宏大，须要弱小的算力和配件撑持。以ChatGPT3.0为例启动拆解，训练一次性的老本约为140万美元。关于一些规模更大的模型来说，训练老本介于200万美元-1200万美元之间。

AI大模型带动并行计算，训练消耗更多算力

训练和推理是大模型运转的关键环节。训练环节是大模型的学习环节，可提高模型在各种义务上的性能。推理环节是大模型的判别环节，应用已有训练成果对新的输入启动预测和决策。

训练和推理须要少量算力撑持，其中训练消耗更多。征引Open AI测算，自2012年起，环球头部AI模型训练算力需求每3-4个月翻一番，每年头部训练模型所需算力增长幅度高达10倍。而推理阶段则依据模型上线后的搜查量来计算，新输入数据的量级相较于训练环节的大规模数据量级较低。

停顿：国外大模型—通用模型上游，商业化首落地

国外大模型关键以美国高科技公司为主。Google、Meta、微软等美国公司处于了环球大模型开展的上游位置，如今简直一切AI大模型训练时驳回的Transformer网络结构，Transformer的提出让大模型训练成为或许。

微软产品Copilot成功商业化落地。Copilot产品基于GPT-4，将生成式AI才干片面运行于各大办公套件，可作为办公场景下默认写手。7月18日，Copilot提供订阅不要钱服务，每名用户每月的多少钱从12.5美元到57美元不等。产品的商业化落地表现出企业对人工默认的未来前景继续看好。

停顿：国际大模型—通用和垂直两条路归结

国际AI大模型数量出现迸发式增长。国际地下颁布的大模型已达80多个。钻研大模型的公司有百度、商汤、科大讯飞、华为、阿里、京东、第四范式等公司。同时科研机构也在踊跃入局，有清华大学、复旦大学、中科院等高校。

国际大模型分为通用和垂直运行。文心一言、通义千问等打造跨行业通用化人工默认才干平台，其运行正从办公、生存、文娱向医疗、工业、教育等减速浸透。与此同时，一批针对动物制药、遥感、气候等垂直畛域的专业类大模型，提供针对特定业务场景的专业化处置方案。

资本支出：支出减速，经营商有望成为国际主力军

环球云服务CAPEX继续增长。受益于大模型的继续开展，2023Q1环球云基础设备服务支出增长19%，前三大云厂商AWS、Azure和谷歌云独特增长22%。云服务成为IT市场中增长最快的局部之一。

三大经营商成为国际网络树立主力军。三大经营商中国移动、中国电信、中国联通不时放大算力投入，优化算力网络规划。依据三大经营商数据，估量2023年算力投入区分为 452/195/149 亿元，区分同比+35%/+40%/+20%。

树立方案：政府—智算中心树立开启，国际需求逐渐监禁

国际智算中心树立明白，后续需求有望逐渐监禁。多地政府出台算力规划、三大经营商减速准备智算中心树立以及互联网厂商多地智算中心树立规划。默认计算中心的树立，整合数据资源结构的同时，也带来更为完善且健全的算力、算法基础设备，为人工默认技术的翻新及运行提供强有力的撑持。

规模：算力增长助力AI主机规模化规划

算力继续增长，AI主机运行场景愈加宽泛。Trendforce预估，预估2022年环球搭载GPGPU的AI主机年出货量占全体主机比重近1%，即约14万台。估量2023年其出货量年生长可达8%，到2026年估量环球搭载GPGPU的AI主机出货量将到达22.5万台左右，2022~2026年CAGR将达10.8%。

中国AI算力市场高速开展，将成为第二增长极。依据IDC预测，到2027年中国减速主机市场规模将到达164亿美元。其中非GPU主机市场规模将超越13%。智慧市区、默认机器人、默认家居、工业畛域将成为关键运行畛域。

AI主机：为计算而生，性能全方面更新

依照GPU数量分类：Al主机关键驳回减速卡为主导的异构方式，更长于并行计算。与通用主机依照CPU数量分类不同，Al主机普通仅搭载1-2块CPU,GPU数量清楚占优。按GPU数量，可分为四路、八路和十六路主机，其中搭载8块GPU的八路Al主机最经常出现。

AI主机相较于普通主机存在各方面更新。AI主机参与了GPU的经常使用数量，相配套的在带宽、散热、内存、存储等方面也会有相应更新。

传统主机需求：下游需求多点开花，金融行业投资减速

主机下游需求多点开花。下游需求主体为互联网企业、云计算企业、政府部门、金融机构、电信经营商等。其中互联网行业占比43.8%，位列第一。在互联网行业中主机需求关键集中在快手、百度等大型企业。经营商、金融、政府占比区分为10.6%、9.9%、9%。

各行业主机投资支出不时优化：IDC统计数据显示，2022年环球云基础设备支出到达了750亿美元，比2021年的650亿美元提高了15.4%，环球金融行业对主机的投资增长了20%，到达180亿美元。

AI主机供应：国际芯片性能及产能受限

英伟达芯片产能无余，限度主机量产：AI主机须要装备4-8颗GPU，英伟达在GPU市场占有相对长处，占据环球八成市场份额。其产能有限，同时遭到美国禁售影响，影响主机产能。 国产代替化合理时，但仍存在差距：国产寒武纪、昇腾也研收回AI芯片，寒武纪的思元芯片目前多运行在推理场景，通用性较弱，性能无余。

网络架构：传统三层网络——治理网络的经典稳固架构

外围层(Core Layer):外围替换机为进出数据中心的包提供高速的转发，为多个会聚层提供衔接性，外围替换机理论为整个网络提供一个弹性的L3路由网络。 会聚层(Aggregation Layer):会聚替换机衔接接入替换机，同时提供其余的服务，例如防火墙，SSL offload，入侵检测，网络剖析等。它可以是二层替换机也可以是三层替换机。 接入层(Access Layer):接入替换机理论位于机架顶部，所以它们也被称为ToR(Top of Rack)替换机，它们物理衔接主机。理论状况下，会聚替换机是 L2 和 L3 网络的分界点：会聚替换机以下的是 L2 网络，以上是 L3 网络。每组会聚替换机治理一个POD(PointOf Delivery)，每个POD内都是独立的 VLAN 网络。

随着数据中心内流量的极速增长和数据中心规模的不时扩展，传统的三层网络拓扑结构不能满足的数据中心外部高速互连的需求，缓缓演进为leaf-spine叶脊架构，叶脊架构分为两层：Leaf(叶)替换层、Spine(脊)替换层。 Spine(脊)替换层:网络外围节点，提供高速 IP 转发才干，经过高速接口衔接各个配置Leaf 节点。 Leaf(叶)替换层:网络配置接入节点，提供各种网络设备接入配置。

网络架构：基于叶脊的更新——灵活散布式网络架构

谷歌数据中心第五代架构Jupiter Network Fabrics。Jupiter可以视为一个三层Clos。Leaf替换机作为ToR(top-of-rack架顶式替换机)，向北衔接到名为Middle Block的Spine替换机，再向北还有一层Super Spine名为Spine Block。 Apollo结构。Super spine方案的替换机数量可以不时增长，新增替换机须要和原有的Pod所有互联。为处置互联疑问，谷歌在Spine层和Pod层之间参与Apollo Fabric。此结构解除了Spine Block和Super Block的直连，但又能够灵活地调整衔接相关，高效成功了全互联，灵活地调整网络流量的散布。

数据中心替换机：干流100/200/400/800G替换机

数据中心替换机依据接口速率不同，可分为100/200/400/800G替换机；不同速率替换机的单板才干(每个插槽的端口数量或许带宽)越来越强，一切端口更新一次性其传输容量将间接翻倍。 我国关键厂商打破技术瓶颈，成功极速开展。新华三旗下S10500、S12500等系列替换机，多驳回CLOS架构，提供Seerblade高性能AI计算模块，目前已构成了完整的数据中心产品体系。华为主推CloudEngine系列数据中心替换机，系列基于华为新一代的VRP8操作系统，2023Q1该系列以34.6%的份额排中国数据中心替换机市场第一，其中16800-X为环球首款800GE数据中心外围替换机。

CPO替换机：硅光技术的最终外形（封装角度）

CPO替换机，运行CPO（Co-Packaged Optics）光电共封装技术，将网络替换芯片和光模块独特装配在同一个插槽上，构成芯片和模组的共封装，可以缩短替换芯片和光引擎之间的距离，以协助电信号在芯片和引擎之间更快地传输。 CPO具有高密度、低老本、小体积、低功耗的特点，成为AI高算力状况降低低能耗从而降低老本的可选方法。海外市场，高速率板块对CPO需求更为迫切，国际上量节拍紧随其后。

算力测算与算力租赁

架构比拟：传统数据中心-三层架构基础因素配比

机柜数：主机数：替换机数=1:20:2（机柜数：250台；主机数量5000台，替换机数量500台左右）。依据1、传统数据中心，每台机柜的占低空积3-5㎡，此处取均值4启动计算。 依据2、超大型数据中心面积大于2000㎡，大型数据中心为800-2000㎡，此处取1000㎡启动计算。依据3、依照42U高的规范机柜来寄存2U/550W的主机，可寄存20台左右主机，此处取20启动计算。

机柜数：主机数：替换机数=1:20:0.4（机柜数：250台；主机数量5000台，替换机数量100台左右）。依据1：叶脊架构将传统三层架构变为两层，扁平化处置优化网络效率。 依据2：配比数据计算仍以1000㎡数据中心，250台单机柜，5000台主机。 依据3：以设计网络时的收敛比不超越3:1的规范来计算，即上传口与下行口的配比数量不超越3:1。

算力测算逻辑：2022年训练用算力为95Eflops

市场规模：依据测算，2022年中国AI芯片市场中，英伟达GPU模约为150亿； 总量：依照10万/片，合计A100芯片15万片A100芯片； 算力：依照单台DGX A100算力为5P FLOPS计算，折合1.9万个英伟达A100 AI主机；可提供95Eflops算力。

依据1：2022年我国AI芯片市场300亿元；从我国AI芯片市场规模细分来看，其中2022年中国云端畛域芯片市场规模为152.96亿元，占总市场规模的49.2%；终端畛域芯片市场规模为156.54亿元，占总市场规模的50.6%。

依据2：假定2022年GPU占比为50%。AI芯片2023年出货量将增长46％。其中英伟达GPU为AI主机市场搭载干流，市占率约60～70％，其次为云端厂商自主研发的AISC芯片，市占率逾20％。

算力紧缺背景下，算力租赁景派头优化

依照《中国算力白皮书(2022年)》的定义，算力关键分为四局部:通用算力、默认算力、超算算力、边缘算力。 通用算力以CPU芯片输入的计算才干为主；默认算力以GPU、FPGA、Al芯片等输入的人工默认计算才干为主；超算算力以超级计算机输入的计算才干为主；边缘算力关键是以就近为用户提供实时计算才干为主，是前三种的组合，边缘算力只是处置网络提前的疑问，不算一种新的算力。 各地都在减速树立数据中心，打造关键基础设备算力网络，全国的算力规模会坚持高速增长。

算力商业时机演进的路途选用

算力下一站：政府算力平台树立

政府驱动减速算力落地。近期北上广深政府出台一系列促成算力落地的政策，如北京提出了到2025年基本建成具有环球影响力的人工默认翻新策源地；上海提出了2025年数据中心超越18000PFLOPS；深圳与科技部独特规划国度超算深圳中心二期名目。咱们以为中央国企背景公司有望成为中央智算中心的树立方和经营方，如云赛智联，母公司为仪电个人，是上海国资系统的数据中心经营商和云服务经营商，中标上海超算中心名目；广电运通，背靠广州国资委，搭建省算力中心，承建广州人工默认公共算力中心以及多个政府部门重点算力工程名目。

从招标文件看算力对数据中心增量时机：液冷

液冷是指借助高比热容的液体作为热量传输介质满足主机等IT设备散热需求的一种冷却方式，以云计算为代表的传统数据中心，关键以CPU芯片为主，平均功耗为50-100W；AI芯片普遍功耗高，英伟达A100芯片，功耗达300-400W。 目前国际传统数据中心以风冷为主，云计算数据中心、智算中心以冷板式液冷为主，超算中心关键以浸没式液冷为主。冷却力是空气的1,000-3,000倍，相比传统风冷系统约节电30%-50%；2022－2027年，中国液冷主机市场年复合增长率将到达56.6％，2027年市场规模将到达95亿美元。

从招标文件看算力对数据中心增量时机：智算可视化

AI运行的更新和优化，须要海量的网络数据,网络可视化是网络数据的源头,网络可视化关键配置是对网络数据启动监测、治理。以网络流量的采集与深度检测为基本手腕,成功网络治理、消息安保与商业默认的一类运行系统。 恒为科技与中贝通讯技术团队已围绕高速光模块在智算可视化上的运行展开深度协作，恒为科技的网络可视化产品关键部署在经营商宽带主干网、移动网、IDC进口、以及企业和行业外部网络等不同场景，在其关键网络节点经过多种物理链路信号采集技术，启动全流量数据采集。

报告节选：

（本文仅供参考，不代表咱们的任何投资倡导。如需经常使用相关消息，请参阅报告原文。）