算力的发展和机遇

一、产业端：算力形态迎改变，大模型带动智算需求激增

（一）算力时代，形态迎结构性转变

算力是衡量计算机系统处理数据能力的指标，根据不同计算形态可分为通用、智能和超级算力。算力通常用来描述一个系统执行算法、处理信息、进行计算的速度和效率。根 据《智能算力产业发展白皮书》，由于不同应用场景下所需的计算精度不同，算力通常可 以分为：通用算力、智能算力和超级算力，对应的计算模式分别为：基础计算、智能计算 和超级计算。当前，得益于人工智能领域的迅猛进展和政府政策的有力支持，智能算力 的体量及其在总体算力中所占的比重正日益增加，计算需求正逐渐由传统的通用计算模 式转向更为先进的智能计算模式。 （1）通用算力：由 CPU 芯片驱动的服务器所提供的计算能力，不特定于某项专业计算 或应用，而是可以广泛应用于日常的数据处理和分析。通用算力适用于基础通用计算任 务，如云计算、边缘计算等，为移动计算、物联网等提供支持。 （2）智能算力：利用 GPU、FPGA、ASIC 等专为人工智能设计的处理器加速计算平台所 提供的算力，它主要用于 AI 模型的训练和推理过程。智能计算中心能够根据不同业务领 域对算力的具体需求，提供定制化的计算资源。在 AI 模型训练和推理中，处理文本、语 音、图像或视频等任务时，需要单精度、半精度乃至整数精度的智能计算能力。 （3）超级算力：由超级计算机和其它高性能计算(HPC)集群提供的算力，它用于执行科 学前沿领域的复杂计算任务，如行星模拟、药物分子结构设计、基因序列分析、宇宙物 理学、气象学研究、航空航天等，这些领域需要执行大量高精尖的双精度计算。此外，不 同的超级计算机可能采用不同的处理器、加速器和软件框架，这使得其商业化服务的进 入门槛较高。

AI 算力芯片是指专门为 AI 应用设计的处理器芯片，具备并行计算能力以及针对特定神 经网络计算的架构。AI 算力芯片具备高效的计算能力和针对深度学习、机器学习等 AI 任 务的加速性能，通常具有并行计算能力和针对特定神经网络计算的架构，广泛应用于语 音识别、图像处理、自然语言处理等 AI 场景。AI 算力强调使用专门为人工智能算法优 化的硬件加速器，如 GPU、TPU 等。与通用计算任务相比，人工智能算法训练往往需要 处理大量样本数据，单个训练任务的计算量常常以亿级及以上计算规模计量。

当前，主流 AI 算力芯片主要包括以 GPU 为代表的通用芯片、以 ASIC 定制化为代表的 专用芯片以及以 FPGA 为代表的半定制化芯片，其中 GPU 市场最为成熟且应用最广。

GPU（Graphics Processing Unit）：又称图像处理器（显示核心、视觉处理器、显示 芯片），是一种专门用于处理图形和图像计算任务的处理器。GPU 拥有大量的小型处 理核心，可同时处理多个任务，能够高效地执行并行计算。特别地，GPU 无法单独 工作，必须由 CPU 进行控制调用才能工作。

ASIC（Application Specific Integrated Circuit）：是为专门目的而设计的定制化专用 集成电路，一旦制造完成将不能更改，所以初期成本高、开发周期长、使得进入门 槛高。ASIC 芯片的计算能力和计算效率都可以根据算法需要进行定制，所以 ASIC 与通用芯片相比，具有以下几个方面的优越性：体积小、功耗低、计算性能高、计算 效率高、芯片出货量越大成本越低。近年来涌现出的类似 TPU、NPU、VPU、BPU 等各种芯片，本质上都属于 ASIC。

FPGA（Field Programmable Gate Array）：又称可编程逻辑门阵列，实际上属于 ASIC 的一种特殊形式，是半定制电路芯片。其内部结构由大量的数字（或模拟）电路组 成，解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。相比 于 CPU 和 GPU 数据处理需先读取指令和完成指令译码，FPGA 不采用指令和软件， 是软硬件合一的器件。因而计算效率更高、功耗更低，且更接近 IO（指“输入输出”， 涉及到计算机与外部世界的交互）。

（二）产业信号积极，大模型带动智算需求激增

1、AI 大模型拉动智算需求大幅提升

我国 AI 大模型市场蓬勃发展。根据 IDC 数据，2023 年中国人工智能市场支出规模或为 147.5 亿美元，约占全球总规模 10%。长期看来，AI 技术的创新迭代驱动了应用场景的 进一步落地，以 AIGC、多模态、智能决策等为代表的热点为市场带来了更多想象力和可 能性。同时，“数字化”、“数智化”转型背景下，AI 大模型被政府、企业广泛关注并积极 推动，为我国 AI 市场规模的长期增长奠定了基础。IDC 预计，2026 年中国 AI 市场规模 为 264.4 亿美元，2021-2026 年 CAGR 将超 20%。从行业应用来看，在五年预测期内 AI 支出主要来自专业服务领域的行业用户、政府和金融行业，合计约占市场总量 50%以上。 增长速度来看，银行和地方政府增速最快，五年 CAGR 均超 23%。

AI 大模型具有训练和推理两个阶段。在训练阶段，模型参数和训练数据是大模型的训练 准备，AI 大模型的性能一般会随着模型参数和训练数据量的增加而增加，模型参数达到 一定数量会使 AI 大模型性能取得突破性进步，高质量、干净的数据集对 AI 大模型性能提升作用显著；预训练和微调是 AI 大模型的主要训练方式，充分且高难度的预训练能显 著提高 AI 大模型性能，Prompt、Fine-tune 是目前主要的微调工具。在推理阶段，AI 大 模型会使用前向传播算法、反向传播算法、梯度下降算法等算法生成输出结果，并在过 程中提高模型性能。AI 大模型的训练和推理阶段均具有大量算力需求，随着大模型参数 量的上升，市场算力需求快速提高。

AI 大模型参数激增，推动我国智能算力规模快速增长。当前 AI 技术正加快融入千行百 业，超大规模 AI 模型和海量数据对算力的需求也持续攀升。云游戏、元宇宙、VR/AR 等 新应用场景加速发展，大模型的训练和推理过程进一步带动算力需求爆发，同时也推动 算力需求由通用性 CPU 算力向高性能 GPU 算力发展。据 IDC，2022 年，我国智能算力 规模达 268 EFLOPS，预计 2026 年达 1271.4 EFLOPS，进入每秒十万亿亿次浮点计算 级别，2022-2026 年 CAGR 达 47.6%，远超通用算力增速。

我国智能算力市场份额显著增加，2025 年占比有望达 35%。据信通院数据，截至 2023 年 6 月，智能算力占据我国整体算力的 25.4%，智算规模同比增长 45%，智算增速比整 体算力的增速高 15 个百分点。随着人工智能技术的不断进步，特别是大型 AI 模型的快 速发展，智能算力的需求正在迅猛增长。预计在未来几年内，智能算力的市场份额将显 著增加，到 2025 年，其占比有望达到 35%。

2、AI 服务器，算力重要载体

AI 基础设施建设阶段，人工智能服务器为人工智能市场主力军。人工智能支出可分为硬 件、软件和服务三大部分。据 IDC 统计，现阶段中国市场倾向于首先投资硬件，预计中 国人工智能支出中硬件占比到 2026 年之前将一直保持 50%以上的份额；中国在 AI 硬件 支出份额方面，AI 服务器占最大份额，超过 80%。

人工智能服务器市场增速超过整体人工智能市场增长。据 IDC，2021 年全球/我国 AI 服 务器市场规模分别为 156.3/59.2 亿美元，在 ChatGPT 及相关应用加持下，AI 服务器市场 快速增长。2023 年，我国 AI 服务器市场规模为 91 亿美元，同比增长 82.5%；智能算力 规模或达到 414.1EFLOPS（每秒百亿亿次浮点运算），同比增长 59.3%。IDC 预计 2026 年 全球/我国 AI 服务器市场规模将达 347.1/123.4 亿美元，2021-2026 年 CAGR 为 17.3%/15.8%。

3、AI 芯片，算力供应核心

芯片是服务器的主要成本构成部分。从服务器成本拆分来看，芯片在基础型服务器中约 占总成本的 32%，在高性能或具有更强运算能力的服务器中，芯片相关成本占比可以高 达 50%到 83%。

芯片是算力供应的核心。AI 训练是在个人电脑或者服务器上，利用高性能处理器（如 GPU、 CPU、FPGA、NPU 等）完成模型训练过程。AI 芯片根据其在网络中的位置可以分为云 端 AI 芯片、边缘及终端 AI 芯片。其中，以 GPU 用量最大，据 IDC 数据，预计到 2025 年GPU 仍将占据AI芯片80%市场份额。随着算力中心的增加以及终端应用的逐步落地， 有望带动 AI 芯片需求持续上涨，据中商产业研究院数据，2023 年我国 AI 芯片市场规模 已达 1206 亿元，2024 年有望达到 1412 亿元，2019-2024 年 CAGR 达 64.84%。

2020-2024 年我国 GPU 年复合增速有望超 30%。作为通用型人工智能芯片，GPU 在并 行计算能力方面表现出色，特别适用于需要大量并行计算任务的场景。近年来，国内 GPU 市场正处于快速增长阶段。根据中商产业研究院数据，2023 年中国 GPU 市场规模为 807 亿元，同比增长 32.78%；预测 2024 年中国 GPU 市场规模将增至 1073 亿元，2020-2024 年 CAGR 达 32.8%。作为对照，根据智研咨询，全球人工智能 GPU 市场 2020-2024 年年 复合增速也达到了 30.73%。

按下游分，互联网占据超 5 成比重，安防/政府占据 3 成，