AI算力报告：算力大时代，AI算力产业链全景梳理

报告深入分析了生成式AI发展引发的算力需求增长，尤其是大模型训练和推理对强大算力的依赖。预计训练和推理端算力将以指数级增长，涉及产业链各环节如先进封装、AI芯片、服务器和基础设施的升级。

今天分享的是AI算力专题系列深度研究报告：《算力大时代，AI算力产业链全景梳理》。

（报告出品方：中信建投证券）

报告共计：98页

核心观点

生成式 AI取得突破，我们对生成式 A 带来的算力需求做了上下游梳理，并做了交叉验证，可以看到以chatGPT 为代表的大模型训练和推理端均需要强大的算力支撑，产业链共振明显，产业链放量顺序为:先进制程制造->以chiplet 为代表的2.5D/3D 封装、HBM->AI 芯片->板卡组装->交换机->光模块-液冷->AI 服务器->IDC 出租运维。综合来看，大模型仍处于混战阶段，应用处于渗透率早期，AI板块中算力需求增长的确定性较高，在未来两年时间内，算力板块都将处于高景气度阶段，重点推荐 AI算力产业链各环节相关公司。

摘要

生成式 AI取得突破，实现了从0到1的跨越，以ChatGPT为代表的人工智能大模型训练和推理需要强大的算力支撑。自2022 年底 OpenAl正式推出ChatGPT后，用户量大幅增长，围绕ChatGPT 相关的应用层出不穷，其通用性能力帮助人类在文字等工作上节省了大量时间。同时在Transformer 新架构下，多模态大模型也取得新的突破，文生图、文生视频等功能不断完善，并在广告、游戏等领域取得不错的进展。生成式A将是未来几年最重要的生产力工具，并深刻改变各个产业环节，围绕生成式A，无论是训练还是推理端，算力需求都将有望爆发式增长。

训练和推理端 AI算力需求或几何倍数增长。首先是训练侧参考 OpenAl论文，大模型训练侧算力需求=训练所需要的token数量*6*大模型参数量。可以看到从GPT3.5到GPT4，模型效果越来越好，模型也越来越大，训练所需要的token 数量和参数量均大幅增长，相应的训练算力需求也大幅增长。并且，与GPT4相关的公开论文也比较少，各家巨头向GPT4迈进的时候，需要更多方向上的探索，也将带来更多的训练侧算力需求。根