计算机行业全球AI算力需求继续向上-24041217页

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 计算机 全球AI算力需求继续向上 华泰研究 计算机 增持 (维持) 研究员 谢春生 SAC No. S0570519080006 SFC No. BQZ938 xiechunsheng@htsc.com +(86) 21 2987 2036 联系人 林海亮 SAC No. S0570122060076 linhailiang@htsc.com +(86) 21 2897 2228 行业走势图 资料来源：Wind，华泰研究 2024年4月12日│中国内地 专题研究 全球AI算力需求继续向上 随着大模型持续迭代，模型能力不断增强，其背后是“Scaling Law”下模型参数量和数据集不断增长的结果。我们认为，从大模型的演化路径来看，模型体量还将进一步扩张，从而带来算力需求持续增长。具体来看，大模型对算力的需求体现在预训练、推理、调优三个环节。根据我们的测算，以1000亿参数模型为例，三个环节的算力总需求约18万PFlop/s-day，对应需要2.8万张A100等效GPU算力。长远来看，成熟大模型的运营有望带来3169亿美元的服务器增量市场，较2023年全球211亿美元的AI服务器市场而言，仍有较大成长空间。基于此，我们认为大模型持续迭代有望带来大量算力基础设施需求，建议关注算力产业投资机遇。 模型体量越来越大，带动算力建设需求 大语言模型（LLM）是在大量数据集上预训练的模型，其在处理各种NLP任务方面显示出了较大潜力。Transformer架构的出现开启了大模型的演化之路，随着解码模块堆叠数量的不断增长，模型参数量持续增加，逐渐演化出GPT-1、GPT-2、GPT-3、PaLM、Gemini等不同版本模型，参数量也从十亿、百亿，向千亿、万亿增长。我们看到，每一代模型的演化都带来能力的增强，背后一个很重要的原因在于参数量和数据集的增长，带来模型感知能力、推理能力、记忆能力的不断提升。基于模型的缩放定律，我们认为未来模型迭代或仍将延续更大参数量的路径，演化出更加智能的多模态能力。 大模型的算力需求体现在：预训练、推理、调优 拆解来看，大模型的算力需求场景主要包括预训练、Finetune及日常运营。对于三部分的算力