GPU行业研究报告：AI与自动驾驶打造GPU强力增长引擎.docVIP

GPU行业研究报告：AI与自动驾驶打造GPU强力增长引擎 一、 数字经济、AI、智能驾驶视角下看算力需求 1.1 演变趋势：从通用计算到智能计算，从分散独立到云网边协同 宏观角度下，数字经济建设及人工智能发展掀起了新一代算力革命，算力基建成为国家 数字化转型和经济发展的重要竞争策略。从 1964 年戈登·摩尔提出著名的摩尔定律后， CPU 性能的发展便遵循这一规律，但目前数字经济与人工智能的高速发展，基于 CPU 的摩尔定律已经失效，如何突破“算力墙”，满足新时代各种算力需求，成为各国主要 的竞争焦点。 微观角度下，算力形式逐渐由通用计算过渡为高性能计算，从分散独立的端计算向云网 边协同计算演变。当前，常见的高性能计算可以分为科学、工程计算与智能计算；算力 资源服务可以分为云计算、混合计算及算力网络。1）科学、工程计算。这类计算主要利用超级计算机实现并行计算，是一种算法优化和 硬件集群结合的计算模式。高性能计算由于具有较高的性能、效率及计算精度，可以广 泛的用于大规模复杂科学计算，比如工程模拟仿真、航空航天、地震预测等，同时也能 支持人工智能、智慧城市等新兴领域。2）智能计算。智能计算以智能芯片为计算算力底座，可以较好的满足 AI 领域模型训练 所需的智能运算需求，因此用于支持专一的人工智能应用场景。基于智能计算搭建的人 工智能计算中心，通过将各种交叉技术集成，广泛的应用于智能语音处理、机器视觉、 自然语言（文本）处理等不用的领域。3）云计算、混合计算、算力网络属于新型算力资源服务模式。云计算通过 World Wide Web（万维网）向用户提供包括服务器、存储、数据库等在内的各项计算服务，因为万维网以网页为核心，因此云计算主要面向消费互联网；而算力网络主要以算法及算力协 同为核心，通过协同联动云计算、边缘计算、端计算及通信网络，能够实现对复杂计算 任务的分解及高效调度。 1.2 战略地位：算力属于基础设施建设，是智能时代发展的物理承载 整体架构层面，算法、算力及数据是实现人工智能的三要素，其中算力是构筑智能时 代的物理基础。人工智能离不开算力、算法及数据，其发展需要在建立在庞大的数据 集、优秀的深度学习算法及强大的计算能力基础之上，而算力作为底层基础设施，是 开启智能时代的关键因素，其核心于智能芯片的技术进步。 实际发展层面，全球数据量正以指数级速度增长，“算力荒”问题日益凸显。据 IDC 数据 显示，2018 年至 2019 年全球大数据存储量分别为 33Z B、41 ZB，而 2020 年全球数据 量达到了 60 ZB，同比增长 46%；庞大的数据集必然依赖强大的数据处理能力，进而要 求宏观算力快速发展，NTCysd 预计 2021-2028 年全球算力规模将以超过 40%的速度增 长，2028 年将达到 7510 EFlops。 1.3 应用驱动：数字经济搭建整体框架，AI 大模型、智能驾驶持续拉升 市场方面，数字经济建设、AI 大模型、智能驾驶成为开启智能时代的确定性研究方向。其中，数字经济建设搭建数字化布局整体框架，并提供政策支持；AI 大模型及智能驾驶 率先落地，成为拉动算力需求的核心驱动力。 1）全球正加快数字经济建设，算力发展成为主要战略竞争点之一。目前，全球正处于 经济数字化转型阶段，据中国信通院发布的《全球数字经济白皮书》显示，数字经济已 经成为各国发展 GDP 的核心战略，具体数据来看，2020 年全球 47 个国家数字经济增 加值达到 32.6 万亿美元，占 GDP 比重为 43.7%，同比名义增长 3%。此外，数字经济 已经成为我国稳增长促转型的重要引擎，出台多项政策支持算力发展，截至 2022 年我 国数字经济规模已达 50.2 亿元，数字基础设施规模能级大幅提升，在用数据中心算例 总规模超 180 EFlops，位居世界第二。 2）AI 大模型的快速扩张是算力需求的关键驱动力。由于 AI 大模型通常需要在大规模 无标注的数据集上进行重复的训练，因此相比于传统的小模型在应用场景上更具有普 适性。但与此同时，数据集的快速增长以及模型不断迭代优化使得 AI 大模型尺寸快速 膨胀，GPU 算力也遵循着同样的增长规律。据?OpenAI?数据显示，GPT-3 175B 相比 于 GPT-3 Small，总计算力(Flops)及参数量增长了约 1400 倍；而据 Semianalysis 最新分析指出，GPT-4 模型尺寸进一步扩张，在其 120 层模型中总共包含了 1.8 万亿参 数，约 GPT-3 175B 参数量的 10 倍。 3）汽车智能化功能升级，智能驾驶将贡献算力需求的全新增量。汽车正逐渐步入智能 化时代，传感器数量的增加及交互能力的提升，将带来数据的几何式增长，这必然要求 车端拥有强大的数据分析