《計算機行業：從ChatGPT看算力產業機遇-230213（13頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業：從ChatGPT看算力產業機遇-230213（13頁）.pdf（13頁珍藏版）》請在三個皮匠報告上搜索。

1、 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。1 證券研究報告 計算機計算機 從從 ChatGPT 看看算力算力產業機遇產業機遇 華泰研究華泰研究 計算機計算機 增持增持 (維持維持)研究員 謝春生謝春生 SAC No.S0570519080006 SFC No.BQZ938 +(86)21 2987 2036 聯系人 林海亮林海亮 SAC No.S0570122060076 +(86)21 2897 2228 行業行業走勢圖走勢圖 資料來源：Wind，華泰研究 2023 年 2 月 13 日中國內地 專題研究專題研究 大模型訓練熱潮下，算力基礎設施有望迎來產業機遇大模型訓練熱

2、潮下，算力基礎設施有望迎來產業機遇 ChatGPT 發布之后，引發了全球范圍的關注和討論，國內各大廠商相繼宣布 GPT 模型開發計劃。我們認為，以 GPT 模型為代表的 AI 大模型訓練，需要消耗大量算力資源，隨著國產大模型開發陸續進入預訓練階段，算力需求持續釋放或將帶動算力基礎設施產業迎來增長新周期。產業鏈相關公司包括：1、算力芯片廠商：景嘉微、寒武紀、海光信息、龍芯中科、中國長城等；2、服務器廠商：浪潮信息、中科曙光等；3、IDC 服務商：寶信軟件等。ChatGPT：大模型訓練帶來高算力需求：大模型訓練帶來高算力需求 訓練 ChatGPT 需要使用大量算力資源。據微軟官網，微軟 Azure

3、 為 OpenAI開發的超級計算機是一個單一系統，具有超過 28.5 萬個 CPU 核心、1 萬個GPU 和 400 GB/s 的 GPU 服務器網絡傳輸帶寬。據英偉達，使用單個 Tesla架構的 V100 GPU 對 1746 億參數的 GPT-3 模型進行一次訓練，需要用 288年時間。此外，算力資源的大量消耗，必然伴隨著算力成本的上升，據Lambda，使用訓練一次 1746 億參數的 GPT-3 模型所需花費的算力成本超過 460 萬美元。我們認為，未來擁有更豐富算力資源的模型開發者，或將能夠訓練出更優秀的 AI 模型，算力霸權時代或將開啟。需求場景：預訓練需求場景：預訓練+日常運營日常

4、運營+Finetune 具體來看，AI 大模型對于算力資源的需求主要體現在以下三類場景：1）模型預訓練：ChatGPT 采用預訓練語言模型，核心思想是在利用標注數據之前，先利用無標注的數據訓練模型。據我們測算，訓練一次 ChatGPT 模型（13 億參數）需要的算力約 27.5PFlop/s-day；2）日常運營：用戶交互帶來的數據處理需求同樣也是一筆不小的算力開支，我們測算得 ChatGPT 單月運營需要算力約 4874.4PFlop/s-day，對應成本約 616 萬美元；3）Finetune：ChatGPT 模型需要不斷進行 Finetune 模型調優，對模型進行大規?；蛐∫幠５牡柧?/p>

5、，產生相應算力需求。算力芯片算力芯片+服務器服務器+數據中心，核心環節有望率先受益數據中心，核心環節有望率先受益 我們認為，隨著國內廠商相繼布局 ChatGPT 類似模型，算力需求或將持續釋放，供給端核心環節或將率先受益：1）算力芯片：GPU 采用了數量眾多的計算單元和超長的流水線，架構更適合進行大吞吐量的 AI 并行計算；2）服務器：ChatGPT 模型訓練涉及大量向量及張量運算，AI 服務器具備運算效率優勢，大模型訓練有望帶動 AI 服務器采購需求放量；3）數據中心：IDC算力服務是承接 AI 計算需求的直接形式，隨著百度、京東等互聯網廠商相繼布局 ChatGPT 類似產品，核心城市 ID

6、C 算力缺口或將加大。關注關注 AI 景氣周期下，算力基礎設施產業機遇景氣周期下，算力基礎設施產業機遇 我們認為，國產廠商未來或將訓練出自己的 GPT 模型，帶動算力設施產業迎來景氣周期。相關公司包括：1、算力芯片廠商：景嘉微、寒武紀、海光信息、龍芯中科、中國長城等；2、服務器廠商：浪潮信息、中科曙光等；3、IDC 服務商：寶信軟件等。風險提示：宏觀經濟波動；下游需求不及預期。本研報中涉及到的公司、個股內容系對其客觀公開信息的整理，并不代表本研究團隊對該公司、該股票的推薦或覆蓋。(30)(21)(12)(3)6Feb-22Jun-22Oct-22Feb-23(%)計算機滬深300 免責聲明和披

7、露以及分析師聲明是報告的一部分，請務必一起閱讀。2 計算機計算機 ChatGPT 有望帶動算力需求有望帶動算力需求 需求端：大模型訓練帶來高算力需求需求端：大模型訓練帶來高算力需求 大算力消耗帶來訓練成本上升大算力消耗帶來訓練成本上升。訓練 ChatGPT 需要使用大量算力資源。據微軟官網，微軟Azure 為 OpenAI 開發的超級計算機是一個單一系統，具有超過 28.5 萬個 CPU 核心、1 萬個 GPU 和 400 GB/s 的 GPU 服務器網絡傳輸帶寬。據英偉達，使用單個 Tesla 架構的 V100 GPU 對 1746 億參數的 GPT-3 模型進行一次訓練，需要用 288 年

8、時間。此外，算力資源的大量消耗，必然伴隨著算力成本的上升，據 Lambda，使用訓練一次 1746 億參數的 GPT-3模型所需花費的算力成本超過 460 萬美元。雖然 GPT-3.5 在模型參數量上有了明顯下降，但考慮到 GPT-3、GPT-3.5 均為 OpenAI 獨家擁有，其他廠商復刻難度較高，巨量參數或仍將是模型開發過程的必經之路，我們預計未來大模型開發的算力成本仍將較高。模型算力需求增速超越芯片性能增速，算力霸權時代或將到來模型算力需求增速超越芯片性能增速，算力霸權時代或將到來。據 OpenAI 測算，自 2012年以來，全球頭部 AI 模型訓練算力需求 3-4 個月翻一番，每年頭

9、部訓練模型所需算力增長幅度高達 10 倍。而摩爾定律認為，芯片計算性能大約每 18-24 個月翻一番。因此，AI 訓練模型算力需求增長與芯片計算性能增長之間的不匹配，或將帶來對算力基礎設施供給需求的快速增長。我們認為，考慮到算力對于 AI 模型訓練效果的關鍵性作用，擁有更豐富算力資源的模型開發者，或將能夠訓練出更優秀的 AI 模型，算力霸權時代或將開啟。圖表圖表1：大模型時代算力需求快速增長大模型時代算力需求快速增長 資料來源：COMPUTE TRENDS ACROSS THREE ERAS OF MACHINE LEARNING，Jaime 等，2022、華泰研究 具體來看，具體來看，AI

10、大模型對于算力資源的需求主要體現在以下三類場景：大模型對于算力資源的需求主要體現在以下三類場景：1、模型預訓練帶來的算力需求、模型預訓練帶來的算力需求 模型預訓練過程是消耗算力的最主要場景模型預訓練過程是消耗算力的最主要場景。ChatGPT 采用預訓練語言模型，核心思想是在利用標注數據之前，先利用無標注的數據，即純文本數據訓練模型，從而使模型能夠學到一些潛在的跟標注無關的知識，最終在具體的任務上，預訓練模型就可以利用大量的無標注數據知識。在 Transformer 的模型架構下，語言預訓練過程可以根據上下文一次處理所有輸入，實現大規模并行計算。通過堆疊多個解碼模塊，模型的層數規模也會隨著提升，

11、可承載的參數量同步增長。與之相對應的，模型訓練所需要消耗的算力也就越大。3ZjYuZkYuXdYuMyQaQ8Q8OnPpPtRoNjMoOnPiNoPtPaQnNzQNZqNrRNZmRnR 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。3 計算機計算機 我們預計，我們預計，訓練一次訓練一次 ChatGPT 模型需要的算力約模型需要的算力約 27.5PFlop/s-day。據 OpenAI 團隊發表于 2020 年的論文Language Models are Few-Shot Learners，訓練一次 13 億參數的GPT-3 XL 模型需要的全部算力約為 27.5PFlop

12、/s-day，訓練一次 1746 億參數的 GPT-3 模型需要的算力約為 3640 PFlop/s-day?？紤]到 ChatGPT 訓練所用的模型是基于 13 億參數的 GPT-3.5 模型微調而來，參數量與 GPT-3 XL 模型接近，因此我們預計訓練所需算力約27.5PFlop/s-day，即以 1 萬億次每秒的速度進行計算，需要耗時 27.5 天。圖表圖表2：不同不同 NLP 模型訓練需要的算力（模型訓練需要的算力（PFlop/s-day）資料來源：Language Models are Few-Shot Learners，OpenAI，2020、華泰研究 圖表圖表3：不同不同 NLP

13、 模型模型參數量及訓練算力對比參數量及訓練算力對比 模型模型 總計算量（總計算量（PFlop/s-day）總計算量（總計算量（Flops）參數量（百萬個）參數量（百萬個）令牌數量（十億）令牌數量（十億）T5 模型模型 T5-Small 2.08E+00 1.80E+20 60 1000 T5-Base 7.64E+00 6.60E+20 220 1000 T5-Large 2.67E+01 2.31E+21 770 1000 T5-3B 1.04E+02 9.00E+21 3000 1000 T5-11B 3.82E+02 3.30E+22 11000 1000 BERT 模型模型 BERT-

14、Base 1.89E+00 1.64E+20 109 250 BERT-Large 6.16E+00 5.33E+20 355 250 ROBERTa-Base 1.74E+00 1.50E+21 125 2000 ROBERTa-Large 4.93E+01 4.26E+21 355 2000 GPT 模型模型 GPT-3 Small 2.60E+00 2.25E+20 125 300 GPT-3 Medium 7.42E+00 6.41E+20 356 300 GPT-3 Large 1.58E+01 1.37E+21 760 300 GPT-3 XL 2.75E+01 2.38E+21

15、1320 300 GPT-3 2.7B 5.52E+01 4.77E+21 2650 300 GPT-3 6.7B 1.39E+02 1.20E+22 6660 300 GPT-3 13B 2.68E+02 2.31E+22 12850 300 GPT-3 175B 3.64E+03 3.14E+23 174600 300 資料來源：Language Models are Few-Shot Learners，OpenAI，2020、華泰研究 1101001,00010,000BERT-BaseBERT-LargeROBERTa-BaseROBERTa-LargeT5-SmallT5-BaseT

16、5-LargeT5-3BT5-11BGPT-3 SmallGPT-3 MediumGPT-3 LargeGPT-3 XLGPT-3 2.7BGPT-3 6.7BGPT-3 13BGPT-3 175BBERT模型T5模型GPT模型 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。4 計算機計算機 此外，預訓練過程還存在幾個可能的算力需求點：此外，預訓練過程還存在幾個可能的算力需求點：1）模型開發過程很難一次取得成功，整個開發階段可能需要進行多次預訓練過程；2）隨著國內外廠商相繼入局研發類似模型，參與者數量增加同樣帶來訓練算力需求；3）從基礎大模型向特定場景遷移的過程，如基于 Chat

17、GPT 構建醫療 AI 大模型，需要使用特定領域數據進行模型二次訓練。圖表圖表4：國內外廠商相繼布局類似國內外廠商相繼布局類似 ChatGPT 的模型的模型 應用名稱應用名稱 簡介簡介 推出時間推出時間 開發者開發者 備注備注 Jasper AI AI 內容寫作工具，內置超 50 個模板，可應用于廣告、電商、播客等不同場景。2021 Jasper AI OpenAI Playground 是一種基于 Web 的工具，可以輕松測試并熟悉 API 的工作原理；無需編寫任何代碼，只需提供簡單的英語文本輸入即可開始使用 GPT-3。2021 Open AI 繼 2019 年和 2021 年之后，202

18、3 年 2月再次獲得 Microsoft 數十億美元的投資。盤古 業界首個 2000 億超大參數中文預訓練模型，基于“鵬城云腦”和 MindSpore框架的自動混合并行模式。2021 華為 Sparrow 基于 Deepmind Chinchilla 語言模型的 AI 聊天機器人，其設計目的是與人類交談并回答問題，同時實時使用谷歌搜索或有關信息來支持它的答案。2022 DeepMind 2014 年谷歌以超 5 億美元的價格收購DeepMind。Chatsonic 是 AI 文本生成器 Writesonic 的一項新功能，與 ChatGPT 相比的優勢在于提供了訪問當前谷歌數據的選項。2022

19、 Writersonic Perplexity AI 是一種由大型語言模型和搜索引擎提供支持的聊天工具，在答案中以腳注數字的形式引用了來源。2022 Perplexity AI YouChat AI 聊天機器人，是第一個將聊天助手集成到其搜索結果中的搜索引擎。2022 Y 2021年獲得來自Salesforce CEO Marc Benioff 的投資。Bard 是一款由 LaMDA 提供支持的對話式 AI 聊天機器人，利用來自網絡的信息提供最新、高質量的回復，答案中包含搜索索引。2023 谷歌 Stability Diffusion 是一個文字轉圖片的生成模型，可以只用幾秒鐘時間就生成高分辨

20、率、高清晰度，具有真實性及藝術性的圖片結果。2022 Stability AI Claude AI 聊天機器人，基于前沿 NLP 和 AI 安全技術打造，目標是成為一個安全、接近人類價值觀且合乎道德規范的 AI 系統。目前仍處于實驗階段，尚未作為商業產品正式發布。2023 Anthropic 2021 年獲包括 Facebook 聯合創始人Dustin Moskovitz，谷歌前 CEO、現技術顧問Eric Schmidt在內1.24億美元投資。文心一言 是百度基于文心大模型技術推出的生成式對話產品，將于 2023 年 3 月完成內測，面向公眾開放。2023 百度 資料來源：各公司官網、華泰研

21、究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。5 計算機計算機 2、日常運營帶來的算力需求、日常運營帶來的算力需求 預計預計 ChatGPT 單月運營需要算力約單月運營需要算力約 4874.4PFlop/s-day，對應成本約，對應成本約 616 萬美元萬美元。在完成模型預訓練之后，ChatGPT 對于底層算力的需求并未結束，日常運營過程中，用戶交互帶來的數據處理需求同樣也是一筆不小的算力開支。據 SimilarWeb 數據，2023 年 1 月ChatGPT 官網總訪問量為 6.16 億次。據 Fortune 雜志，每次用戶與 ChatGPT 互動，產生的算力云服務成本約

22、0.01 美元?；诖?，我們測算得 2023 年 1 月 OpenAI 為 ChatGPT 支付的運營算力成本約 616 萬美元。據上文，我們已知訓練一次 1746 億參數的 GPT-3 模型需要 3640 PFlop/s-day 的算力及 460 萬美元的成本，假設單位算力成本固定，測算得ChatGPT 單月運營所需算力約 4874.4PFlop/s-day。圖表圖表5：ChatGPT 單月運營算力成本測算單月運營算力成本測算 資料來源：SimilarWeb、Fortune、華泰研究預測 3、Finetune 帶來的算力需求帶來的算力需求 模型調優帶來迭代算力需求模型調優帶來迭代算力需求。從

23、模型迭代的角度來看，ChatGPT 模型并不是靜態的，而是需要不斷進行 Finetune 模型調優，以確保模型處于最佳應用狀態。這一過程中，一方面是需要開發者對模型參數進行調整，確保輸出內容不是有害和失真的；另一方面，需要基于用戶反饋和 PPO 策略，對模型進行大規?；蛐∫幠５牡柧?。因此，模型調優同樣會為OpenAI 帶來算力成本，具體算力需求和成本金額取決于模型的迭代速度。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。6 計算機計算機 供給端：核心環節有望率先受益供給端：核心環節有望率先受益 算力芯片：算力芯片：AI 算力基石，需求有望大規模擴張算力基石，需求有望大規模擴張

24、 GPU 架構架構更適合進行大規模更適合進行大規模 AI 并行計算并行計算，需求有望大規模擴張需求有望大規模擴張。從 ChatGPT 模型計算方式來看，主要特征是采用了并行計算。對比上一代深度學習模型 RNN 來看，Transformer架構下，AI 模型可以為輸入序列中的任何字符提供上下文，因此可以一次處理所有輸入，而不是一次只處理一個詞，從而使得更大規模的參數計算成為可能。而從 GPU 的計算方式來看，由于 GPU 采用了數量眾多的計算單元和超長的流水線，因此其架構設計較 CPU 而言，更適合進行大吞吐量的 AI 并行計算?；诖?，我們認為，隨著大模型訓練需求逐步增長，下游廠商對于 GPU

25、 先進算力及芯片數量的需求均有望提升。圖表圖表6：GPU 內部結構更適合進行大規模并行計算內部結構更適合進行大規模并行計算 資料來源：CSDN、華泰研究 單一單一英偉達英偉達 V100 芯片進行一次芯片進行一次 ChatGPT 模型訓練，大約需要模型訓練，大約需要 220 天天。我們以 AI 訓練的常用的 GPU 產品NVIDIA V100 為例。V100 在設計之初，就定位于服務數據中心超大規模服務器。據英偉達官網，V100 擁有 640 個 Tensor 內核，對比基于單路英特爾金牌 6240的 CPU 服務器可以實現 24 倍的性能提升?？紤]到不同版本的 V100 芯片在深度學習場景下計

26、算性能存在差異，因此我們折中選擇 NVLink 版本 V100（深度學習算力 125 TFlops）來計算大模型訓練需求。據前文，我們已知訓練一次 ChatGPT 模型（13 億參數）需要的算力約 27.5PFlop/s-day，計算得若由單個 V100 GPU 進行計算，需 220 天；若將計算需求平均分攤至 1 萬片 GPU，一次訓練所用時長則縮短至約 32 分鐘。圖表圖表7：英偉達英偉達 V100 算力參數算力參數 雙精度（雙精度（TFlops）單精度（單精度（TFlops）深度學習（深度學習（TFlops）NVLink 版本版本 V100 7.8 15.7 125.0 PCIe 版本版

27、本 V100 7.0 14.0 112.0 PCIe 版本版本 V100S 8.2 16.4 130.0 資料來源：英偉達官網、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。7 計算機計算機 全球全球/中國中國 GPU 市場規模有望保持快速增長市場規模有望保持快速增長。據 VMR 數據，2021 年全球 GPU 行業市場規模為 334.7 億美元，預計 2030 年將達到 4773.7 億美元，預計 22-30 年 CAGR 將達 34.4%。2020 年中國 GPU 市場規模 47.39 億美元，預計 2027 年市場規模將達 345.57 億美元，預計 21-27

28、年 CAGR 為 32.8%。圖表圖表8：全球全球 GPU 市場規模市場規模 圖表圖表9：中國中國 GPU 市場規模市場規模 資料來源：Verified Market Research、華泰研究 資料來源：Verified Market Research、華泰研究 服務器：服務器：AI 服務器有望持續放量服務器有望持續放量 ChatGPT 主要進行矩陣向量計算，主要進行矩陣向量計算，AI 服務器處理效率更高服務器處理效率更高。從 ChatGPT 模型結構來看，基于 Transformer 架構，ChatGPT 模型采用注意力機制進行文本單詞權重賦值，并向前饋神經網絡輸出數值結果，這一過程需要進

29、行大量向量及張量運算。而 AI 服務器中往往集成多個 AI GPU，AI GPU 通常支持多重矩陣運算，例如卷積、池化和激活函數，以加速深度學習算法的運算。因此在人工智能場景下，AI 服務器往往較 GPU 服務器計算效率更高，具備一定應用優勢。圖表圖表10：GPU 服務器與服務器與 AI 服務器的服務器的區別區別 GPU 服務器服務器 AI 服務器服務器 主要用途主要用途 主要用于圖形處理，如游戲渲染、視頻編輯等 主要用于人工智能和機器學習任務 計算特征計算特征 配備大量的浮點運算單元和高度并行的架構 配備更多的矩陣運算單元，針對深度學習算法進行了優化 處理對象處理對象 能夠高效地處理大量的圖

30、形數據 能夠高效地處理大量的數學運算 應用場景應用場景 適用于大量圖形處理的應用程序 適用于需要高效機器學習的應用程序 資料來源：ChatGPT、華泰研究 單臺服務器進行一次單臺服務器進行一次 ChatGPT 模型訓練所需時間約為模型訓練所需時間約為 5.5 天天。我們以浪潮信息目前算力最強的服務器產品之一浪潮 NF5688M6 為例。NF5688M6 是浪潮為超大規模數據中心研發的 NVLink AI 服務器，支持2顆 Intel最新的 Ice Lake CPU和 8顆 NVIDIA最新的 NVSwitch全互聯 A800GPU，單機可提供 5PFlops 的 AI 計算性能。據前文，我們已

31、知訓練一次ChatGPT 模型（13 億參數）需要的算力約 27.5PFlop/s-day，計算得若由單臺 NF5688M6服務器進行計算，需 5.5 天。334.74773.701,0002,0003,0004,0005,0006,00020212030全球GPU市場規模（億美元）47.39345.5705010015020025030035040020202027中國GPU市場規模（億美元）免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。8 計算機計算機 大模型訓練需求有望帶動大模型訓練需求有望帶動 AI 服務器放量服務器放量。隨著大數據及云計算的增長帶來數據量的增加，對于 A

32、I 智能服務器的需求明顯提高。據 IDC 數據，2021 年全球 AI 服務器市場規模為 156億美元，預計到 2025 年全球 AI 服務器市場將達到 318 億美元，預計 22-25 年 CAGR 將達19.5%。2021 年中國 AI 服務器行業市場規模為 350.3 億元，同比增長 68.6%，預計 22-25年 CAGR 將達 19.0%。我們認為，隨著 ChatGPT 持續火熱，國內廠商陸續布局 ChatGPT類似產品，AI 服務器采購需求有望持續增長，市場規?；驅⑦M一步擴張。圖表圖表11：全球全球 AI 服務器市場規模服務器市場規模 圖表圖表12：中國中國 AI 服務器市場規模服

33、務器市場規模 資料來源：IDC、華泰研究 資料來源：IDC、華泰研究 數據中心：數據中心：核心核心城市集中城市集中算力缺口或將加劇算力缺口或將加劇 IDC 算力服務是承接算力服務是承接 AI 計算需求的計算需求的直接形式直接形式。ChatGPT 的模型計算主要基于微軟的 Azure云服務進行，本質上是借助微軟自有的 IDC 資源，在云端完成計算過程后，再將結果返回給 OpenAI?？梢?，IDC 是承接人工智能計算任務的重要算力基礎設施之一，但并不是所有企業都需要自行搭建算力設施。從國內數據中心的業務形態來看，按照機房產權歸屬及建設方式的角度，可分為自建機房、租賃機房、承接大客戶定制化需求以及輕

34、資產衍生模式四種。若若使用使用商湯智算中心全部算力商湯智算中心全部算力，可在，可在 11 分鐘完成一次分鐘完成一次 ChatGPT 模型訓練模型訓練。我們以亞洲最大的人工智能計算中心之一商湯智算中心為例。據商湯科技官網，商湯智算中心于 2022年 1 月啟動運營，峰值算力高達 3740 Petaflops。據前文，我們已知訓練一次 ChatGPT 模型（13 億參數）需要的算力約 27.5PFlop/s-day，考慮到計算用時較短，我們使用峰值算力進行測算，計算得僅需 11 分鐘即可完成計算。AI 訓練需求有望帶動訓練需求有望帶動 IDC 市場市場規模規?？焖倏焖僭鲩L增長。據中國信通院，202

35、1 年國內 IDC 市場規模1500.2 億元，同比增長 28.5%。據信通院預計，隨著我國各地區、各行業數字化轉型深入推進、AI 訓練需求持續增長、智能終端實時計算需求增長，2022 年國內市場規模將達 1900.7億元，同增 26.7%。15631805010015020025030035020212025全球AI服務器市場規模（億美元）350.3701.8010020030040050060070080020212025中國AI服務器市場規模（億元）免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。9 計算機計算機 圖表圖表13：中國中國 IDC 市場規模市場規模 資料來源：中

36、國信通院、華泰研究 互聯網廠商布局互聯網廠商布局 ChatGPT 類似產品，類似產品，或將加大核心城市或將加大核心城市 IDC 算力算力供給供給缺口缺口。據艾瑞咨詢，2021 年國內 IDC 行業下游客戶占比中，互聯網廠商居首位，占比為 60%；其次為金融業，占比為 20%；政府機關占比 10%，位列第三。而目前國內布局 ChatGPT 類似模型的企業同樣以互聯網廠商為主，如百度宣布旗下大模型產品“文心一言”將于 2022 年 3 月內測、京東于 2023 年 2 月 10 日宣布推出產業版 ChatGPT：ChatJD。另一方面，國內互聯網廠商大多聚集在北京、上海、深圳、杭州等國內核心城市，

37、在可靠性、安全性及網絡延遲等性能要求下，或將加大對本地 IDC 算力需求，國內核心城市 IDC 算力供給缺口或將加大。圖表圖表14：2021 年中國年中國 IDC 市場下游客戶結構市場下游客戶結構 資料來源：艾瑞咨詢、華泰研究 16.4%32.6%29.1%32.9%28.5%26.7%0%5%10%15%20%25%30%35%02004006008001,0001,2001,4001,6001,8002,0002016201720182019202020212022E市場規模（億元）同比增速（%，右軸）互聯網廠商60%金融業20%政府機關10%制造業3%其他7%免責聲明和披露以及分析師聲明

38、是報告的一部分，請務必一起閱讀。10 計算機計算機 產業鏈相關公司梳理產業鏈相關公司梳理 1）算力芯片廠商：景嘉微、寒武紀、海光信息、龍芯中科、中國長城等；2）服務器廠商：浪潮信息、中科曙光等；3）IDC 服務商：寶信軟件等。圖表圖表15：提及公司表提及公司表 代碼代碼 公司簡稱公司簡稱 代碼代碼 公司簡稱公司簡稱 000066 CH 中國長城 688256 CH 寒武紀 000977 CH 浪潮信息 BIDU US 百度 0020 HK 商湯-W GOOGL US 谷歌 300474 CH 景嘉微 JD US 京東 600845 CH 寶信軟件 NVDA US 英偉達 603019 CH 中

39、科曙光 未上市 OpenAI 688041 CH 海光信息 未上市 華為 688047 CH 龍芯中科 資料來源：Bloomberg，華泰研究 風險提示風險提示 宏觀經濟波動。宏觀經濟波動。若宏觀經濟波動，產業變革及新技術的落地節奏或將受到影響，宏觀經濟波動還可能對 IT 投資產生負面影響，從而導致整體行業增長不及預期。下游需求不及預期。下游需求不及預期。若下游數字化需求不及預期，相關的數字化投入增長或慢于預期，致使行業增長不及預期。本研報中涉及到的公司、個股內容系對其客觀公開信息的整理，并不代表本研究團隊對該本研報中涉及到的公司、個股內容系對其客觀公開信息的整理，并不代表本研究團隊對該公司、

40、該股票的推薦或覆蓋。公司、該股票的推薦或覆蓋。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。11 計算機計算機 免責免責聲明聲明 分析師聲明分析師聲明 本人，謝春生，茲證明本報告所表達的觀點準確地反映了分析師對標的證券或發行人的個人意見；彼以往、現在或未來并無就其研究報告所提供的具體建議或所表迖的意見直接或間接收取任何報酬。一般聲明及披露一般聲明及披露 本報告由華泰證券股份有限公司（已具備中國證監會批準的證券投資咨詢業務資格，以下簡稱“本公司”）制作。本報告所載資料是僅供接收人的嚴格保密資料。本報告僅供本公司及其客戶和其關聯機構使用。本公司不因接收人收到本報告而視其為客戶。本報告

41、基于本公司認為可靠的、已公開的信息編制，但本公司及其關聯機構(以下統稱為“華泰”)對該等信息的準確性及完整性不作任何保證。本報告所載的意見、評估及預測僅反映報告發布當日的觀點和判斷。在不同時期，華泰可能會發出與本報告所載意見、評估及預測不一致的研究報告。同時，本報告所指的證券或投資標的的價格、價值及投資收入可能會波動。以往表現并不能指引未來，未來回報并不能得到保證，并存在損失本金的可能。華泰不保證本報告所含信息保持在最新狀態。華泰對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本公司不是 FINRA 的注冊會員，其研究分析師亦沒有注冊為 FINRA 的研究分

42、析師/不具有 FINRA 分析師的注冊資格。華泰力求報告內容客觀、公正，但本報告所載的觀點、結論和建議僅供參考，不構成購買或出售所述證券的要約或招攬。該等觀點、建議并未考慮到個別投資者的具體投資目的、財務狀況以及特定需求，在任何時候均不構成對客戶私人投資建議。投資者應當充分考慮自身特定狀況，并完整理解和使用本報告內容，不應視本報告為做出投資決策的唯一因素。對依據或者使用本報告所造成的一切后果，華泰及作者均不承擔任何法律責任。任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。除非另行說明，本報告中所引用的關于業績的數據代表過往表現，過往的業績表現不應作為日后回報的預示。華泰

43、不承諾也不保證任何預示的回報會得以實現，分析中所做的預測可能是基于相應的假設，任何假設的變化可能會顯著影響所預測的回報。華泰及作者在自身所知情的范圍內，與本報告所指的證券或投資標的不存在法律禁止的利害關系。在法律許可的情況下，華泰可能會持有報告中提到的公司所發行的證券頭寸并進行交易，為該公司提供投資銀行、財務顧問或者金融產品等相關服務或向該公司招攬業務。華泰的銷售人員、交易人員或其他專業人士可能會依據不同假設和標準、采用不同的分析方法而口頭或書面發表與本報告意見及建議不一致的市場評論和/或交易觀點。華泰沒有將此意見及建議向報告所有接收者進行更新的義務。華泰的資產管理部門、自營部門以及其他投資業

44、務部門可能獨立做出與本報告中的意見或建議不一致的投資決策。投資者應當考慮到華泰及/或其相關人員可能存在影響本報告觀點客觀性的潛在利益沖突。投資者請勿將本報告視為投資或其他決定的唯一信賴依據。有關該方面的具體披露請參照本報告尾部。本報告并非意圖發送、發布給在當地法律或監管規則下不允許向其發送、發布的機構或人員，也并非意圖發送、發布給因可得到、使用本報告的行為而使華泰違反或受制于當地法律或監管規則的機構或人員。本報告版權僅為本公司所有。未經本公司書面許可，任何機構或個人不得以翻版、復制、發表、引用或再次分發他人(無論整份或部分)等任何形式侵犯本公司版權。如征得本公司同意進行引用、刊發的，需在允許的

45、范圍內使用，并需在使用前獲取獨立的法律意見，以確定該引用、刊發符合當地適用法規的要求，同時注明出處為“華泰證券研究所”，且不得對本報告進行任何有悖原意的引用、刪節和修改。本公司保留追究相關責任的權利。所有本報告中使用的商標、服務標記及標記均為本公司的商標、服務標記及標記。中國香港中國香港 本報告由華泰證券股份有限公司制作,在香港由華泰金融控股（香港）有限公司向符合證券及期貨條例及其附屬法律規定的機構投資者和專業投資者的客戶進行分發。華泰金融控股（香港）有限公司受香港證券及期貨事務監察委員會監管，是華泰國際金融控股有限公司的全資子公司，后者為華泰證券股份有限公司的全資子公司。在香港獲得本報告的人

46、員若有任何有關本報告的問題,請與華泰金融控股（香港）有限公司聯系。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。12 計算機計算機 香港香港-重要監管披露重要監管披露 華泰金融控股（香港）有限公司的雇員或其關聯人士沒有擔任本報告中提及的公司或發行人的高級人員。有關重要的披露信息，請參華泰金融控股（香港）有限公司的網頁 https:/.hk/stock_disclosure 其他信息請參見下方“美國“美國-重要監管披露”重要監管披露”。美國美國 在美國本報告由華泰證券（美國）有限公司向符合美國監管規定的機構投資者進行發表與分發。華泰證券（美國）有限公司是美國注冊經紀商和美國金融業監

47、管局（FINRA）的注冊會員。對于其在美國分發的研究報告，華泰證券（美國）有限公司根據1934 年證券交易法（修訂版）第 15a-6 條規定以及美國證券交易委員會人員解釋，對本研究報告內容負責。華泰證券（美國）有限公司聯營公司的分析師不具有美國金融監管（FINRA）分析師的注冊資格，可能不屬于華泰證券（美國）有限公司的關聯人員，因此可能不受 FINRA 關于分析師與標的公司溝通、公開露面和所持交易證券的限制。華泰證券（美國）有限公司是華泰國際金融控股有限公司的全資子公司，后者為華泰證券股份有限公司的全資子公司。任何直接從華泰證券（美國）有限公司收到此報告并希望就本報告所述任何證券進行交易的人士

48、，應通過華泰證券（美國）有限公司進行交易。美國美國-重要監管披露重要監管披露 分析師謝春生本人及相關人士并不擔任本報告所提及的標的證券或發行人的高級人員、董事或顧問。分析師及相關人士與本報告所提及的標的證券或發行人并無任何相關財務利益。本披露中所提及的“相關人士”包括 FINRA 定義下分析師的家庭成員。分析師根據華泰證券的整體收入和盈利能力獲得薪酬，包括源自公司投資銀行業務的收入。華泰證券股份有限公司、其子公司和/或其聯營公司,及/或不時會以自身或代理形式向客戶出售及購買華泰證券研究所覆蓋公司的證券/衍生工具，包括股票及債券（包括衍生品）華泰證券研究所覆蓋公司的證券/衍生工具，包括股票及債券

49、（包括衍生品）。華泰證券股份有限公司、其子公司和/或其聯營公司,及/或其高級管理層、董事和雇員可能會持有本報告中所提到的任何證券（或任何相關投資）頭寸，并可能不時進行增持或減持該證券（或投資）。因此，投資者應該意識到可能存在利益沖突。本報告所載的觀點、結論和建議僅供參考，不構成購買或出售所述證券的要約或招攬，亦不試圖促進購買或銷售該等證券。如任何投資者為美國公民、取得美國永久居留權的外國人、根據美國法律所設立的實體（包括外國實體在美國的分支機構）、任何位于美國的個人，該等投資者應當充分考慮自身特定狀況，不以任何形式直接或間接地投資本報告涉及的投資者所在國相關適用的法律法規所限制的企業的公開交易

50、的證券、其衍生證券及用于為該等證券提供投資機會的證券的任何交易。該等投資者對依據或者使用本報告內容所造成的一切后果，華泰證券股份有限公司、華泰金融控股（香港）有限公司、華泰證券（美國）有限公司及作者均不承擔任何法律責任。評級說明評級說明 投資評級基于分析師對報告發布日后 6 至 12 個月內行業或公司回報潛力（含此期間的股息回報）相對基準表現的預期（A 股市場基準為滬深 300 指數，香港市場基準為恒生指數，美國市場基準為標普 500 指數），具體如下：行業評級行業評級 增持：增持：預計行業股票指數超越基準 中性：中性：預計行業股票指數基本與基準持平 減持：減持：預計行業股票指數明顯弱于基準

51、公司評級公司評級 買入：買入：預計股價超越基準 15%以上 增持：增持：預計股價超越基準 5%15%持有：持有：預計股價相對基準波動在-15%5%之間 賣出：賣出：預計股價弱于基準 15%以上 暫停評級：暫停評級：已暫停評級、目標價及預測，以遵守適用法規及/或公司政策 無評級：無評級：股票不在常規研究覆蓋范圍內。投資者不應期待華泰提供該等證券及/或公司相關的持續或補充信息 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。13 計算機計算機 法律實體法律實體披露披露 中國中國：華泰證券股份有限公司具有中國證監會核準的“證券投資咨詢”業務資格，經營許可證編號為：913200007040

52、41011J 香港香港：華泰金融控股（香港）有限公司具有香港證監會核準的“就證券提供意見”業務資格，經營許可證編號為：AOK809 美國美國：華泰證券（美國）有限公司為美國金融業監管局（FINRA）成員，具有在美國開展經紀交易商業務的資格，經營業務許可編號為：CRD#:298809/SEC#:8-70231 華泰證券股份有限公司華泰證券股份有限公司 南京南京 北京北京 南京市建鄴區江東中路228號華泰證券廣場1號樓/郵政編碼：210019 北京市西城區太平橋大街豐盛胡同28號太平洋保險大廈A座18層/郵政編碼：100032 電話：86 25 83389999/傳真：86 25 83387521

53、 電話：86 10 63211166/傳真：86 10 63211275 電子郵件：ht- 電子郵件：ht- 深圳深圳 上海上海 深圳市福田區益田路5999號基金大廈10樓/郵政編碼：518017 上海市浦東新區東方路18號保利廣場E棟23樓/郵政編碼：200120 電話：86 755 82493932/傳真：86 755 82492062 電話：86 21 28972098/傳真：86 21 28972068 電子郵件：ht- 電子郵件：ht- 華泰金融控股（香港）有限公司華泰金融控股（香港）有限公司 香港中環皇后大道中 99 號中環中心 58 樓 5808-12 室 電話：+852-3658-6000/傳真：+852-2169-0770 電子郵件： http:/.hk 華泰證券華泰證券（美國美國）有限公司有限公司 美國紐約公園大道 280 號 21 樓東（紐約 10017）電話：+212-763-8160/傳真：+917-725-9702 電子郵件:Huataihtsc- http:/www.htsc- 版權所有2023年華泰證券股份有限公司