如果有帮助，请帮忙点击：关注、分享、点赞
事件催化：
黄仁勋首提主权 AI，黄仁勋认为，每个国家都需要拥有自己的人工智能，因为它可以编纂整个国家的文化、社会智慧、常识、历史等各类数据。
2月19日，国务院国资委召开“AI赋能产业焕新”中央企业人工智能专题推进会。会议强调，中央企业要把发展人工智能放在全局工作中统筹谋划，深入推进产业焕新，加快布局和发展智能产业。此外，会议指出要加快建设一批智能算力中心，进一步深化开放合作，更好发挥跨央企协同创新平台作用。
根据华为官微消息，2月26日华为产品与解决方案发布会，即将首发华为通信大模型。海外算力如火如荼，科技大厂不断迭代产品，尤其在美国加大限制算力出口力度，国内算力产业链有望引来一波强劲需求。
AI大模型迭代加速，AI算力建设需求旺盛，在美国AI芯片禁令实施背景之下，国产AI芯片替代逻辑是今后几年的产业趋势，其中华为鲲鹏和昇腾是这其中的主力军。
华为鲲鹏和昇腾产品在国内市场情况
华为鲲鹏和昇腾：两者作为国产CPU的主要供应商，鲲鹏在信创服务器市场占有率将超过50%，而昇腾在AI服务器市场预计将大幅增长。
华为鲲鹏：
市场份额：预计到2024年，华为鲲鹏将占据新创服务器市场50%以上的份额。
销售额：预计2024年将达到300-350亿元人民币。
华为昇腾：
市场份额：昇腾算力产业链毫无疑问国内第一，国产替代背景下空间大。
销售额：2022年销售额约20亿元人民币，2023年预计达到130亿元人民币，2024年预计将增长至200-300亿元人民币。
华为昇腾产品性能：
华为的主打产品为920B，其性能基本对标NVIDIA的A100，甚至在某些指标上略有超过。
910B型号：910B型号备受关注，目前主流配置方案有两种：四颗鲲鹏920和八颗昇腾910B的服务器，或两颗英特尔第四代CPU搭配十六颗昇腾910B的服务器。910B在互联速度上可能只达到了A100的一半到三分之二，而在集群训练上，NVIDIA相对领先。
910C的改进：910C单卡算力有显著提升，并支持32位与64位训练。910C的改善重点在于多卡互联、网络能力、通信带宽和网卡速度上，可能通过先进封装技术，对多个芯片进行封装来提升性能。
软件生态对标TensorFlow：华为昇腾的软件生态对标TensorFlow，在国产厂商中最完善和领先。
综上所述，华为昇腾技术在产品性能上基本对标业界领先产品，且在软件生态建设上具有优势。同时，新推出的产品如910C在算力、互联等方面进行了显著提升。
昇腾一体机情况：
随着人工智能芯片需求的激增，移动计划采购6000台AI服务器来满足这一需求。AI服务器一体机，集成了强大的计算能力和大规模模型训练功能，对于那些对数据保密性有高要求的行业，比如政府、科研单位以及其他特定产业，显示出巨大的吸引力。这些行业更倾向于在本地进行模型训练，以确保数据的安全和隐私。
华为的昇腾算力平台，得益于几千人规模的研发团队和与TensorFlow等主流软件生态的对接，已经成为国产AI芯片厂商中的佼佼者。随着互联网巨头和其他企业对AI算力的需求的增加，华为昇腾系列产品，特别是H920B型号，受到了广泛的关注。预计市场竞争将变得更加激烈，但从一年的时间跨度来看，市场格局相对稳定。
政府、科研单位以及其他特定产业对本地训练的偏好，为华为及其他提供AI服务器一体机的厂商提供了广阔的市场空间。随着AI技术在各行各业应用的不断深入，对于高性能、安全可靠的AI计算解决方案的需求将持续增长。
国内算力芯片应用情况
大规模算力部署：中国电信计划在上海建设一个拥有超过15000卡的智算集群，总算力超过4500P，这表明了对于高性能计算资源的需求正在迅速增长，以支持人工智能和其他计算密集型应用的发展。其中，单池新建国产算力达万卡，是国内首个单池万卡液冷算力集群。
国产化趋势：中国移动的采购项目中，强调了对国产算力的支持，这反映了国家在算力基础设施方面推动自主可控的战略方向。国产算力的提升和应用对于减少对外部技术的依赖、保障国家信息安全具有重要意义。
全国一体化算力网建设
目标是到2025年底，国家枢纽节点新增算力占全国60%以上，算力资源使用率超过全球平均水平。还有规划实现更快的算力传输速度，超过80%的绿电比例，关键技术突破，以及安全可靠的全国一体化上网。工信部发布人工智能产业标准化建设指南，期待相关细则落地。
大模型训练的三个关键量
大模型训练中的计算量、参数量和数据量三个关键量。从目前可训练的数据量和参数量来看，还有很大的提升空间。计算量是大模型性能提升最大的约束因素。关于训练多个模型所需的算力，由于参数量和数据量目前没有公开，无法准确计算。视频训练一般需要更多的算力，有些专家估算需要5万张H100才能训练一个月，而一些老师则认为需要几十万张甚至上百万张H100。
OpenAI半导体基础设施投资计划
OpenAI计划筹资筹备一个高达5到7万亿美元的半导体基础设施投资计划，以满足未来人工通用人工智能所需的AI算力需求。全球半导体总产值预计将从2023年的5300亿美元增长到2033年的1万亿美元，OpenAI的算力缺口巨大。
国务院国资委部署的2024年的投资工作对通信行业有何影响？
国务院国资委部署的2024年的投资工作明确提出要适度超前推进5G的基础建设，包括数据中心、算力中心等基础建设设施的投资。
近期产业进展如何？
产业进展较快，特别是华为等公司的新产品推出有预期，海外算力表现也不错。
鲲鹏和昇腾的生态增长情况如何？
鲲鹏和昇腾的生态有望继续保持高增长，相关服务器和配套厂商的投资机遇明确。
AI主权有何启示？
随着我国人工智能技术的迅猛发展，构建自主可控的AI主权变得尤为重要，这不仅关系到国家信息安全和科技创新能力，也体现了对算力基础设施建设的迫切需求。这种需求可能引发国家级的算力资源配置，以支撑人工智能技术的持续进步和广泛应用。
国产AI算力的发展前景如何？
国产AI算力有很大的机会去分享国内非常庞大的AI计算的市场需求，看好国产AI算力的持续崛起。
算力投资机会的关键点在哪里？
算力投资机会的关键点在于算力的交换机和服务器，主要市场份额会向国产的GPU倾斜。
美国商务部的芯片出口管制政策对中国AI芯片市场的影响是什么？
美国商务部的芯片出口管制政策对中国AI芯片市场的影响是很大的，英伟达已经不能再对中国出口高端芯片，这对中国的AI芯片市场格局产生了重大的影响，国产替代会加速。
训练多个模型需要多少的算力？
训练多个模型需要的算力很难精准得知，目前OpenAI没有对外公布所有模型的参数量和训练时使用的数据量。但视频的训练数据量通常大于文本训练数据量。
华为的910B产品和A100的性能对比如何？
华为的910B在算力上与A100基本对标，但在整体性能上可能略低于A100。
华为的910C和910B相比有哪些改进？
华为的910C相比910B单卡算力有提升，支持32和64位训练，同时提高了多卡互联和网络能力。
算力需求的增长趋势如何？升腾的预期销售规模是多少？
算力需求呈指数性增长，短期内看不到明确的天花板趋势，而国产当自强的趋势也推动了需求侧的增长。市场预期升腾的销售规模在200到300亿之间，但随着算力需求的不断提升，规模可能会更好。
为什么大模型在本地训练有优势？
大模型在本地训练具有保密性和性价比的优势。
核心标的：
云赛智联、中科曙光、恒为科技、海光信息、寒武纪、景嘉微、思特奇、浪潮信息、拓维信息、四川长虹、工业富联、神州数码
----------------------
过往行业逻辑整理：
如果文章对您有所助益，点击下方“在看”支持一下！
扫一扫
507
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
