2023算力专题研究：算力租赁&算力国产化机会

今天分享的是算力系列深度研究报告：《2023算力专题研究：算力租赁&算力国产化机会》。

（报告出品方：华泰证券）

报告共计：18页

关注算力租赁&算力国产化机会

中美 AI 产业算力层存在差距，算力租赁&算力国产化或为解决办法

美国为本轮 AI 浪潮引领者。从 A 产业的层级看，自下而上包含算力，算法，应用多个层级，其中算力为 AI浪潮的底层支撑，算法为 AI浪潮的重要突破，应用为 AI浪潮的直接体现。从算力、算法、应用端看，美国在本轮 AI 浪潮中处于引领者位置，具备先发优势。

1)算力端: 美国头部厂商如英伟达基于 GPU 产品打造了 CUDA生态，将 GPU能力推向通用计算场景。英伟达打造了 H100 等重要产品,成为本次 A 浪潮的重要算力支撑。

2)算法端:算法层面重要突破同样由美国引领，GPT 底层架构 Transformer 由谷歌首先提出，此外OpenAl 团队将 GPT 模型参数量不断增大，模型进一步涌现出更强的能力。

3) 应用端: 关国头部厂商首先将GPT 为代表的 LLM 能力接入应用，微软、salesforce 等厂商率先实现了LLM+应用的商业化定价及应用。

中美 AI 产业在多个层级上均存在一定差距。横向对比中美 AI 产业，在多个层级上均存在一定的差距。

1) 算力端: 中美 AI 芯片产品存在算力性能及生态差距，此外在芯片的生产端，核心环节如芯片的设计、流片等均由海外主导；

2) 算法端: 海外在基础研究方面较为领先，如谷歌发布底层架构 Transformer 成为 GPT 模型的重要基础。此外海外算法具备先发优势，在迭代次数上也具备一定优势；

3) 应用端: 海外头部应用多已成为行业标准，拥有较为良好的用户基础，有助于 LLM+产品的快速落地，如办公领域的微软 Ofice 产品: 此外海外头部厂商往往基于核心产品打造了完整的产品矩阵及平台，使 AI能力的接入具备车富的场景。

算力是中美 AI 产业具备重要差距的环节。在算法、算力、应用端，中美均存在一定差距， 而其中我们认为当前算力层面的差距较为关键，主要原因：

1）差距大小；差距大小反映的 是当前静态状态下的差距。我们认为当前应用端中美均处于从产品化向商业化过渡的阶段， 算法端通用大模型中 GPT 处于领先地位，但国内同样拥有众多大模型逐步实现产品化，有 望持续迭代，而算力端国内的算力产品在落地方面与海外头部厂商相比仍较为落后；

2）追 赶难度；算力端的核心环节均受海外主