AIGC行業專題分析01AI服務器需求呈現加速狀態ChatGPT的競爭本質即大模型儲備競賽大模型是人工智能發展的必然趨勢:大模型即“大算力+強算法”結合的產物。大模型通常是在大規模無標注數據上進行訓練，學習出一種特征和規則。基于大模型進行應用開發時，將大模型進行微調，如在下游特定任務上的小規模有標注數據進行二次訓練，或者不進行微調，就可以完成多個應用場景的任務。大模型是輔助式人工智能向通用性人工智能轉變的堅實底座:大模型增強了人工智能的泛化性、通用性，生產水平得到質的飛躍，過去分散化模型研發下，單一AI應用場景需要多個模型支撐，每個模型需要算法開發、數據處理、模型訓練、參數調優等過程。大模型實現了標準化AI研發范式，即簡單方式規模化生產，具有“預訓練+精調”等功能，顯著降低AI開發門檻，即“低成本”和“高效率”。算力是打造大模型生態的必備基礎，服務器是算力的載體:算力是訓練大模型的底層動力源泉，一個優秀的算力底座在大模型(AI算法)的訓練和推理具備效率優勢；服務器是算力的底層載體，包含CPU、GPU、內存、硬盤、網卡等，在ChatGPT中具有舉足輕重的作用，算力是服務器通過對數據進行處理后實現結果輸出的一種能力。大模型出現帶動AI服務器呈現加速狀態我們認為大模型的出現有望帶動AI服務器需求:我們認為除了對低延遲低功耗算力的性能需求，在服務器的種類上也產生了多樣化、細分化的場景應用需求。各行業與人工智能技術的深度結合及應用場景的不斷成熟與落地，使人工智能芯片朝著多元化的方向發展，為了迎合芯片的多元化，服務器的類型也將越來越豐富，并適用越來越多的行業應用場景。根據IDC的數據，在2021年的統計，預計到2025年中國加速服務器市場規模將達到108.6億美元，且2023年仍處于中高速增長期，增長率約為20%。AI大模型對算力的需求分別來自訓練和推理兩個環節。1）訓練環節：通過標記過的數據來訓練出一個復雜的神經網絡模型，使其能夠適應特定的功能，模型具有一定的通用性，以便完成各種各樣的學習任務。該環節需要處理海量的數據，注重絕對的計算能力。2）推理環節：利用訓練好的模型，使用新數據推理出各種結論。借助神經網絡模型進行運算，利用輸入的新數據來一次性獲得正確結論的過程。該環節對算力要求比訓練環節略低，但注重綜合指標，單位能耗算力、時延、成本等都要考慮。服務器架構隨負載量擴張而不斷優化服務器價值凸顯:計算機的一種，它比普通計算機運行更快、負載更高、價格更貴，主要用于在網絡中為其它客戶機提供計算或者應用服務。服務器具有高速的CPU運算能力、長時間的可靠運行、強大的I/O外部數據吞吐能力以及更好的擴展性。服務器一般具備承擔響應服務請求、承擔服務、保障服務的能力。其內部的結構與普通的計算機相差不大，主要包括如：CPU、硬盤、內存，系統、系統總線等，但相較于PC端需考慮幾方面，例如可拓展性、易使用性、可用性和易管理性。服務器架構隨負載量擴張而不斷優化:服務器架構經歷了從傳統單一模式到集群模式，再到分布式架構的優化過程。傳統單一模式，服務器誕生初期將所有功能匯集在同一個系統，缺點為不便于維護、橫向拓展性不佳；因此集群模式誕生，這種集群模式將同一項目放在多個服務器上，有效緩解用戶訪問量大的壓力，但由于各個服務器間功能重復卻缺乏協同，系統維護成本仍然較高，且增加了用戶重復登陸問題，因此服務器架構進化到分布式模式。在分布式架構中，整個系統按照不同功能拆分為多個單一功能的子模塊，每個模塊被放到不同服務器中相互協作，共同組成服務器網絡，能夠有效解決功能耦合度高等問題且代碼復用性高。服務器的分類方式:按照CPU架構分類伴隨應用需求不斷擴張，不同架構服務器百花齊放：按照CPU指令集架構的差異，服務器可分為CISC、RISC、VLIM等架構。CISC(復雜指令集):龐大復雜的指令數目，常見CISC微指令集主要集中在：AMD、Intel、VIA等IA-32、X86架構的CPU產品；優點在于能夠有效縮短新指令的微代碼設計時間，允許設計師實現CISC體系機器的向上相容，指令豐富且功能強大，而缺點指令使用率不均衡、不利于采用先進結構提高性能等。RISC(精簡指令集):對指令數目和尋址方式都做了精簡。包含了簡單、基本的指令，透過這些簡單、基本的指令，就可以組合成復雜指令，常見RISC微指令集主要集中在：DECAlpha、ARC、ARM、AVR、MIPS、PA-RISC、PowerPC、RISC-V中，優點在于指令執行效率高，原因是90%指令由硬件直接完成，10%的指令是由軟件以組合的方式完成；缺點在于指令數較少，功能不及CISC強大。VLIM(超長指令集架構)：采用多個獨立的功能部件,指令調度是由編譯器靜態調度完成,因此指令可同時流出數目越大，超長指令的性能就明顯；優點在于結構簡單且價格低廉，缺點在于編譯器負擔較重，且需要更多內存，目前微處理器有Intel的IA-64和AMD的x86-64。AI服務器:加速計算服務器是服務器成長的核心驅動力服務器同樣可以按照CPU數量進行分類:可以分為單路服務器、雙路服務器、四路服務器和多路服務器。“路”指的是服務器物理CPU的數量，也就是服務器主板上CPU插槽的數量。單路指服務器支持1個CPU；雙路指服務器支持2個CPU；四路指服務器支持4個CPU；以此類推。一般CPU數量越多，即擁有更強的性能，同時能顯著降低性能的功耗比。AI服務器價值凸顯:隨著大數據、云計算、人工智能等技術的成熟與在各行各業的應用，AI服務器價值凸顯；1、硬件架構，相較于通用服務器，AI服務器是采用異構形式的服務器，在異構方式上可以根據應用的范圍采用不同的組合方式，如CPU+GPU、CPU+TPU、CPU+其他的加速卡等；2、加速卡數量:通用服務器一般是單路或多路CPU架構，而AI服務器需要承擔大量的AI運算，一般配置四塊及以上加速卡；3、獨特設計，AI服務器由于對加速卡的獨特需求，需要針對性的對于系統結構、散熱等做專門的設計，才能滿足AI服務器需求。02擁抱AI服務器的星辰大海服務器發展路徑:“伴科技類”升級產品我們認為服務器是“伴科技類”的硬件產品，隨著科技的服務形式和應用方式不斷進步，服務器同樣在不斷迭代升級或更新換代:世界上最早的服務器可以追溯到1981年IBM大型機上的BITNET電子郵件群組，是第一臺郵件列表服務器。此后，隨著萬維網的出現和搜索引擎等互聯網迭代升級，技術不斷迭代。近年，隨著互聯網+、云計算、AI+、邊緣計算的出現，服務器市場迎來了極大的發展:2009年左右，隨著虛擬化技術不斷成熟，云計算的服務模式被大眾廣泛接受，云數據中心對服務器的需求旺盛；2012年左右，我國進入“互聯網+”時代，云計算服務模式疊加電子商務的需求，拓展性、運算性能、數據存儲容量等需求凸顯，服務器需求不斷增加；2015年左右，全球進入”AI+時代”，以人工智能、深度學習、神經網絡的訓練和推理等賦能千行百業，AI服務器價值凸顯，其具備圖形渲染和海量數據的并行運算等優勢，市場需求旺盛；2017年左右，隨著邊緣計算、“物聯網+”的興起，疊加AI等需求，服務器市場依舊火熱。算力時代到來，服務器價值凸顯國家計算力指數與GDP/數字經濟的走勢呈現出了顯著的正相關:根據IDC數據，十五個重點國家的計算力指數平均每提高1點，國家的數字經濟和GDP將分別增長3.5‰和1.8‰，預計該趨勢在2021-2025年將繼續保持。此外，當一個國家的計算力指數達到40分以上時，國家的計算力指數每提升1點，其對于GDP增長的推動力將增加到1.5倍，而當計算力指數達到60分以上時，國家的計算力指數每提升1點，其對于GDP增長的推動力將提高到3.0倍，對經濟的拉動作用變得更加顯著。服務器產業鏈梳理，下游賦能千行百業服務器產業鏈梳理，關注產業鏈中上游:服務器行業產業鏈上游為CPU、GPU、內存、硬盤、RAID控制器、電源、軟件系統等原材料為主；中游為服務器行業；下游客戶群體有互聯網云服務商、電信運營商、第三方IDC服務商、政府部門、各類型企業等。我們認為在算力和數字時代的大背景下，AI服務器作為算力載體為數字經濟時代提供廣闊動力源泉，更加彰顯其重要性。服務器賦能千行百業:根據IDC數據，服務器賦能千行百業，實則為數字經濟的底層基礎設施；其中，互聯網行業占比最多，為43.8%，廣泛應用于電子商務、電子郵件、電子游戲等領域；電信行業占比9.9%，應用場景為通訊網絡、云平臺建設；金融占比約為9.0%，廣泛應用于商業業務系統、銀行系統等場景；政府領域占比為10.6%，主要應用于數字政務、辦公系統等領域。數字經濟時代，服務器應用前景廣闊互聯網，積極擁抱新興技術，領先全球算力水平:根據IDC數據統計，2021年互聯網企業采購的IT基礎架構中，超過九成被應用于云計算部署方式。此外，互聯網與人工智能、大數據等新興技術的結合也催生了對海量計算能力的需求。目前，從互聯網數據中心的體量來看，中、美仍處在第一梯隊，中美兩國占全球整體服務器保有量六成以上。近年來互聯網行業在亞太區的增長頗為突出，這主要源于疫情之后在線需求的增加，以及亞太地區經濟的復蘇。此外，中國持續加大數據中心的部署，更多企業采取云服務方式。電信，利用算力投入優化內部管理、賦能業務創新:內部，隨著5G、云計算等技術的落地，電信運營商對內面臨著業務增長壓力；外部，智慧交通、智慧零售、車聯網、游戲娛樂、AR/VR應用等增值業務等算力需求逐步增加。海量創新業務增長對數據快速訪問價值凸顯，要求電信數據廠商承擔數據高并發、低延遲傳輸、保證業務永續的能力。03投資分析浪潮信息：中國服務器/AI服務器市占率穩居榜首浪潮信息是全球領先的新型IT基礎架構產品、方案及服務提供商:公司是全球領先的AI基礎設施供應商，擁有業內最全的人工智能計算全堆棧解決方案，涉及訓練、推理、邊緣等全棧AI場景，構建起領先的AI算法模型、AI框架優化、AI開發管理和應用優化等全棧AI能力，為智慧時代提供堅實的基礎設施支撐。中科曙光：我國高性能計算、智能計算領軍企業中科曙光作我國核心信息基礎設施領軍企業:在高端計算、存儲、安全、數據中心等領域擁有深厚的技術積淀和領先的市場份額，并充分發揮高端計算優勢，布局智能計算、云計算、大數據等領域的技術研發，打造計算產業生態，為科研探索創新、行業信息化建設、產業轉型升級、數字經濟發展提供了堅實可信的支撐。神州數碼:華為生態核心踐行者神州數碼領先的數字化轉型:神州數碼圍繞企業數字化轉型的關鍵要素，開創性的提出“數云融合”戰略和技術體系框架，著力在云原生、數字原生、數云融合關鍵技術和信創產業上架構產品和服務能力，為處在不同數字化轉型階段的快消零售、汽車、金融、醫療、政企、教育、運營商等行業客戶提供泛在的敏捷IT能力和融合的數據驅動能力。拓維信息:華為生態重要參與者拓維信息是領先的軟硬一體化解決方案提供商:公司1996年成立，業務涵蓋政企數字化、智能計算、鴻蒙生態，覆蓋全國31個省級行政區、海外10+國家，聚焦數字政府、運營商、考試、交通、制造、教育等重點領域和行業，服務超過1500家政企客戶，為其提供全棧國產數字化解決方案和一站式全生命周期的綜合服務。海光信息：支持全精度，GPU實現規模量產海光信息主要從事高端處理器、加速器等計算芯片產品和系統的研究、開發，主要產品包括海光CPU和海光DCU:2018年10月，公司啟動深算一號DCU產品設計，海光8100采用先進的FinFET工藝，典型應用場景下性能指標可以達到國際同類型高端產品的同期水平。2020年1月，公司啟動DCU深算二號的產品研發。寒武紀：少數全面掌握AI芯片技術的企業之一寒武紀是目前國際上少數幾家全面系統掌握了通用型智能芯片及其基礎系統軟件研發和產品化核心技術的企業之一:寒武紀主營業務是應用于各類云服務器、邊緣計算設備、終端設備中人工智能核心芯片的研發和銷售。公司的主要產品包括終端智能處理器IP、云端智能芯片及加速卡、邊緣智能芯片及加速卡以及與上述產品配套的基礎系統軟件平臺。龍芯中科：2K2000系列集成自主GPU龍芯中科主營業務為處理器及配套芯片的研制、銷售及服務：主要產品與服務包括處理器及配套芯片產品與基礎軟硬件解決方案業務。公司基于信息系統和工控系統兩條