通信行業AI系列之：人工智能之火點燃算力需求AI服務器迎投資機遇-230501（39頁）.pdf

《通信行業AI系列之：人工智能之火點燃算力需求AI服務器迎投資機遇-230501（39頁）.pdf》由會員分享，可在線閱讀，更多相關《通信行業AI系列之：人工智能之火點燃算力需求AI服務器迎投資機遇-230501（39頁）.pdf（39頁珍藏版）》請在三個皮匠報告上搜索。

1、1證券研究報告作者：行業評級：上次評級：行業報告|請務必閱讀正文之后的信息披露和免責申明通信通信強于大市強于大市維持2023年05月01日（評級）分析師 唐海清 SAC執業證書編號：S1110517030002分析師 王奕紅 SAC執業證書編號：S1110517090004AI系列之：人工智能之火點燃算力需求，系列之：人工智能之火點燃算力需求，AI服務器服務器迎投資機遇迎投資機遇行業深度研究摘要2資料來源：Wind，天風證券研究所代碼代碼名稱名稱2023-04-27評級評級2021A2022A/E2023E2024E2021A2022A/E2023E2024E000063.SZ中興通訊34.6

2、7買入1.441.712.152.4824.0820.2716.1313.98000938.SZ紫光股份27.81增持0.750.750.941.1637.0837.0829.5923.97300442.SZ潤澤科技58.00增持-0.011.261.922.61-5800.0046.0330.2122.22300738.SZ奧飛數據12.33增持0.380.500.701.0632.4524.6617.6111.63重點標的推薦重點標的推薦股票股票股票股票收盤價收盤價投資投資EPS(元元)P/EChatGPT帶來服務器大變革帶來服務器大變革ChatGPT帶來算力的需求快速增長，異構計算成為發

3、展趨勢，GPU服務器更適用于處理大算力需求場景，我們判斷應用將增加。我們認為ChatGPT的訓練和推理場景都將帶來服務器市場增量需求，預計未來AI服務器產業鏈市場規模將迎來快速增長期。國內廠商持續布局，國內廠商持續布局，ICT龍頭份額領先龍頭份額領先主要參與廠商包括浪潮信息、紫光股份、中興通訊等ICT領軍企業，國內廠商持續布局賽道，爭取市場份額。風險提示風險提示：ChatGPT發展低于預期的風險、ChatGPT政策監管的風險、下游應用推廣不及預期、行業競爭加劇，價格和盈利能力下降的風險注：2022年中興通訊、紫光股份的EPS和PE為實際值；潤澤科技和奧飛數據為預測值。紫光股份（計算機團隊聯合覆

4、蓋）、潤澤科技（機械團隊聯合覆蓋）、奧飛數據（計算機團隊聯合覆蓋）請務必閱讀正文之后的信息披露和免責申明TV8ZvVgViYmOmOtOaQdN9PtRoOnPnOkPoOmReRnNsObRnMqRwMmRmMwMmRqN目錄2服務器構成及市場情況服務器構成及市場情況1、頁43請務必閱讀正文之后的信息披露和免責申明AIGC帶來服務器變革帶來服務器變革2、頁7訓練訓練&推理帶來服務器增量需求推理帶來服務器增量需求3、頁12AI服務器市場迎來高速發展機遇服務器市場迎來高速發展機遇4、頁21AI服務器產業鏈解析服務器產業鏈解析5、頁26AI服務器競爭格局服務器競爭格局6、頁30相關標的相關標的7、

5、頁33服務器構成及市場情況服務器構成及市場情況14請務必閱讀正文之后的信息披露和免責申明服務器整體市場情況5資料來源：美科安防科技微信公眾號、天風證券研究所服務器構成：服務器構成：主要硬件包括處理器、內存、芯片組、I/O(RAID卡、網卡、HBA卡)、硬盤、機箱(電源、風扇)。以一臺普通的服務器生產成本為例，CPU及芯片組大致占比50%左右，內存大致占比 15%左右，外部存儲大致占比10%左右，其他硬件占比25%左右。服務器的邏輯架構和普通計算機類似。但是由于需要提供高性能計算，因此在處理能力、穩定性、可靠性、安全性、可擴展性、可管理性等方面要求較高。邏輯架構中，最重要的部分是CPU和內存。C

6、PU對數據進行邏輯運算，內存進行數據存儲管理。服務器的固件主要包括BIOS或UEFI、BMC、CMOS，OS包括32位和64位。請務必閱讀正文之后的信息披露和免責申明圖：服務器構成圖：服務器邏輯架構服務器整體市場情況6服務器市場規模持續增長服務器市場規模持續增長。根據 Counterpoint 的全球服務器銷售跟蹤報告，2022年，全球服務器出貨量將同比增長6%，達到 1380 萬臺。收入將同比增長 17%，達到1117 億美元。根據IDC、中商產業研究院，我國服務器市場規模由2019年的182億美元增長至2022年的273.4億美元，復合年均增長率達14.5%，預計2023年我國服務器市場規

7、模將增至308億美元。競爭格局：競爭格局：根據IDC發布的2022年第四季度中國服務器市場跟蹤報告Prelim，浪潮份額國內領先，新華三次之，超聚變排行第三，中興通訊進入前五。28.1%17.2%10.1%5.3%4.9%34.4%浪潮信息新華三超聚變中興通訊聯想其他資料來源：國際電子商情、中商產業研究院、同花順財經、天風證券研究所圖：2019-2023年中國服務器市場規模及預測圖：2018-2022F全球服務器銷售額圖：中國服務器市場份額AIGC帶來服務器變革帶來服務器變革27請務必閱讀正文之后的信息披露和免責申明AIGC火熱，產業生態形成8資料來源：測控技術微信公眾號、騰訊研究院AIGC發

8、展趨勢報告（2023）、天風證券研究所2022年12月，Open AI的大型語言生成模型ChatGPT火熱，它能勝任刷高情商對話、生成代碼、構思劇本和小說等多個場景，將人機對話推向新的高度。全球各大科技企業都在積極擁抱AIGC，不斷推出相關技術、平臺和應用。生成算法、預訓練模式、多模態等AI技術累計融合，催生了AIGC的大爆發。目前，AIGC產業生態體系的雛形已現，呈現為上中下三層架構：第一層為上游基礎層第一層為上游基礎層，也就是由預訓練模型為基礎搭建的AIGC技術基礎設施層。第二層為中間層第二層為中間層，即垂直化、場景化、個性化的模型和應用工具。第三層為應用層第三層為應用層，即面向C端用戶的

9、文字、圖片、音視頻等內容生成服務。圖：AIGC產業生態圖：AIGC累計融合模型參數量持續提升9資料來源：數字金融網微信公眾號、Language Models are Few-Shot LearnersTom B.Brown等、天風證券研究所GPT模型對比BERT模型、T5模型的參數量有明顯提升。GPT-3是目前最大的知名語言模型之一，包含了1750億（175B）個參數。在GPT-3發布之前，最大的語言模型是微軟的Turing NLG模型，大小為170億（17B）個參數。GPT-3 的 paper 也很長，ELMO 有 15 頁，BERT 有 16 頁，GPT-2 有 24 頁，T5 有 53

10、頁，而 GPT-3 有 72 頁。訓練數據量不斷加大，對于算力資源需求提升?；仡橤PT的發展，GPT家族與BERT模型都是知名的NLP模型，都基于Transformer技術。GPT，是一種生成式的預訓練模型，由OpenAI團隊最早發布于2018年，GPT-1只有12個Transformer層，而到了GPT-3，則增加到96層。其中，GPT-1使用無監督預訓練與有監督微調相結合的方式，GPT-2與GPT-3則都是純無監督預訓練的方式，GPT-3相比GPT-2的進化主要是數據量、參數量的數量級提升。圖：不同模型訓練消耗算力圖：不同模型參數量及使用數據量對比異構計算成為趨勢10資料來源：青云Qing

11、Cloud微信公眾號、阿里云官網、天風證券研究所未來異構計算或成為主流未來異構計算或成為主流異構計算（Heterogeneous Computing）是指使用不同類型指令集和體系架構的計算單元組成系統的計算方式，目前主要包括GPU云服務器、FPGA云服務器和彈性加速計算實例EAIS等。讓最適合的專用硬件去服務最適合的業務場景。讓最適合的專用硬件去服務最適合的業務場景。在CPU+GPU的異構計算架構中，GPU與CPU通過PCle總線連接協同工作，CPU所在位置稱為主機端(host)，而GPU所在位置稱為設備端(device)?；贑PU+GPU的異構計算平臺可以優勢互補，CPU負責處理邏輯復雜的

12、串行程序，而GPU重點處理數據密集型的并行計算程序，從而發揮最大功效。越來越多的AI計算都采用異構計算來實現性能加速。阿里第一代計算型GPU實例，2017年對外發布GN4，搭載Nvidia M40加速器.，在萬兆網絡下面向人工智能深度學習場景，相比同時代的CPU服務器性能有近7倍的提升。圖：GPU+CPU異構計算圖：GPU面向深度學習場景性能比CPU提升近7倍為什么GPU適用于AI11資料來源：昱唯官網、天風證券研究所未來異構計算或成為主流未來異構計算或成為主流CPU 適用于一系列廣泛的工作負載，特別是那些對于延遲和單位內核性能要求較高的工作負載特別是那些對于延遲和單位內核性能要求較高的工作負

13、載。作為強大的執行引擎，CPU 將它數量相對較少的內核集中用于處理單個任務，并快速將其完成。這使它尤其適合用于處理從串行計算到數據串行計算到數據庫運行等類型的工作庫運行等類型的工作。GPU 最初是作為專門用于加速特定 3D 渲染任務的 ASIC 開發而成的。隨著時間的推移，這些功能固定的引擎變得更加可編程化、更加靈活。盡管圖形處理和當下視覺效果越來越真實的頂級游戲仍是 GPU 的主要功能，但同時，它也已經演化為用途更普遍的并行處理器，能夠處理越來越多的應用程序并行處理器，能夠處理越來越多的應用程序。維度維度GPUCPU核心數量數干個加速核心(雙卡 M40 高達 6144 個加速核心)幾十個核心

14、產品特點1.高效眾多的運算單元(ALU)支持并行處理2.多線程以到達超大并行吞吐量3.簡單的邏輯控制1.復雜的邏輯控制單元2.強大的算數運算單元(ALU)3.簡單的邏輯控制適用場景計算密集、易于并行的程序邏組控制、串行運算的程序圖：CPU與GPU的差別表：CPU與GPU的對比訓練訓練&推理帶來服務器增量需求推理帶來服務器增量需求312請務必閱讀正文之后的信息披露和免責申明訓練&推理13資料來源：硬十AI微信公眾號、天風證券研究所訓練和推理過程所處理的數據量不同。在AI實現的過程中，訓練（Training）和推理（Inference）是必不可少的，其中的區別在于：訓練過程：又稱學習過程，是指通過

15、大數據訓練出一個復雜的神經網絡模型，通過大量數據的訓練確定網絡中權重和偏置的值，使其能夠適應特定的功能。推理過程：又稱判斷過程，是指利用訓練好的模型，使用新數據推理出各種結論。簡單理解，我們學習知識的過程類似于訓練，為了掌握大量的知識，必須讀大量的書、專心聽老師講解，課后還要做大量的習題鞏固自己對知識的理解，并通過考試來驗證學習的結果。分數不同就是學習效果的差別，如果考試沒通過則需要繼續重新學習，不斷提升對知識的掌握程度。而推理，則是應用所學的知識進行判斷，比如診斷病人時候應用所學習的醫學知識進行判斷，做“推理”從而判斷出病因。圖：訓練與推理差異訓練&推理14資料來源：硬十AI微信公眾號、天風

16、證券研究所訓練和推理過程所處理的數據量不同。訓練需要密集的計算，通過神經網絡算出結果后，如果發現錯誤或未達到預期，這時這個錯誤會通過網絡層反向傳播回來，該網絡需要嘗試做出新的推測，在每一次嘗試中，它都要調整大量的參數，還必須兼顧其它屬性。再次做出推測后再次校驗，通過一次又一次循環往返，直到其得到“最優”的權重配置，達成預期的正確答案。如今，神經網絡復雜度越來越高，一個網絡的參數可以達到百萬級以上，因此每一次調整都需要進行大量的計算。吳恩達（曾在谷歌和百度任職）舉例“訓練一個百度的漢語語音識別模型不僅需要4TB的訓練數據，而且在整個訓練周期中還需要20 exaflops（百億億次浮點運算）的算力

17、”，訓練是一個消耗巨量算力的怪獸。推理是利用訓練好的模型，使用新數據推理出各種結論，它是借助神經網絡模型進行運算，利用輸入的新數據“一次性”獲得正確結論的過程，他不需要和訓練一樣需要循環往復的調整參數，因此對算力的需求也會低很多。圖：訓練與推理圖示訓練&推理15資料來源：英偉達官網、天風證券研究所此外，訓練和推理過程中，芯片的部署位置、準確度/精度要求、存儲要求等都有所不同。訓練和推理所應用的GPU/服務器也有不同。推理常用：NVIDIA T4 GPU 為不同的云端工作負載提供加速，其中包括高性能計算、深度學習訓練和推理、機器學習、數據分析和圖形學。引入革命性的 Turing Tensor C

18、ore 技術，使用多精度計算應對不同的工作負載。從 FP32 到 FP16，再到 INT8 和 INT4 的精度，T4 的性能比 CPU 高出 40 倍，實現了性能的重大突破。訓練：A100和H100。對于具有龐大數據表的超大型模型，A100 80GB 可為每個節點提供高達 1.3TB 的統一顯存，而且吞吐量比A100 40GB 多高達 3 倍。在 BERT 等先進的對話式 AI 模型上，A100 可將推理吞吐量提升到高達 CPU 的 249 倍。圖：T4推理性能圖：A100大型模型AI訓練速度圖：A100服務器系統規格推算ChatGPT帶來的服務器需求增量16資料來源：英偉達官網、天翼智庫微

19、信公眾號、天風證券研究所由于OpenAI暫未公開ChatGPT（基于大語言模型GPT-3.5）相關技術細節。估算基于GPT-3。根據天翼智庫，訓練階段的算力估算。根據OpenAI在2020年發表的論文，訓練階段算力需求與模型參數數量、訓練數據集規模等有關，且為兩者乘積的6倍：訓練階段算力需求=6模型參數數量訓練集規模。GPT-3模型參數約1750億個，預訓練數據量為45 TB，折合成訓練集約為3000億tokens。即訓練階段算力需求=61.75101131011=3.151023 FLOPS=3.15108PFLOPS依據谷歌論文，OpenAI公司訓練GPT-3采用英偉達V100 GPU，有

20、效算力比率為21.3%。GPT-3的實際算力需求應為1.48109PFLOPS(17117 PFLOPS-day)。假設應用A100 640GB服務器進行訓練，該服務器AI算力性能為5 PFLOPS，最大功率為6.5 kw，則我們測算訓練階段需要服務器數量=訓練階段算力需求服務器AI算力性能=2.96108臺（同時工作1秒），即3423臺服務器工作1日。參數量參數量值值參數量1750億預訓練數據量45TB算力需求3.15108PFLOPS有效算力比率21.3%實際算力需求1.48109PFLOPSA100服務器算力性能5 PFLOPS工作1日所需服務器（臺）3423表：訓練側所需服務器測算圖：

21、A100服務器規格參數推算ChatGPT帶來的服務器需求增量17資料來源：英偉達官網、天翼智庫微信公眾號、天風證券研究所由于OpenAI暫未公開ChatGPT（基于大語言模型GPT-3.5）相關技術細節。估算基于GPT-3。根據天翼智庫，訓練階段的算力估算。H100性能更強，與上一代產品相比，H100 的綜合技術創新可以將大型語言模型的速度提高 30 倍。根據Nvidia測試結果，H100針對大型模型提供高達 9 倍的 AI 訓練速度，超大模型的 AI 推理性能提升高達 30 倍。在數據中心級部署 H100 GPU 可提供出色的性能，并使所有研究人員均能輕松使用新一代百億億次級(Exascal

22、e)高性能計算(HPC)和萬億參數的 AI。H100 還采用 DPX 指令，其性能比 NVIDIA A100 Tensor Core GPU 高 7 倍，在動態編程算法（例如，用于DNA 序列比對 Smith-Waterman）上比僅使用傳統雙路 CPU 的服務器快 40 倍。假設應用H100服務器進行訓練，該服務器AI算力性能為32 PFLOPS，最大功率為10.2 kw，則我們測算訓練階段需要服務器數量=訓練階段算力需求服務器AI算力性能=4.625107臺（同時工作1秒），即535臺服務器工作1日。值值參數量1750億預訓練數據量45TB算力需求3.15108PFLOPS有效算力比率21

23、.3%實際算力需求1.48109PFLOPSH100服務器算力性能32 PFLOPS工作1日所需服務器（臺）535圖：H100服務器規格圖：H100多專家模型表現優異表：推理測所需服務器測算推算ChatGPT帶來的服務器需求增量18資料來源：天翼智庫微信公眾號、英偉達官網、天風證券研究所由于OpenAI暫未公開ChatGPT（基于大語言模型GPT-3.5）相關技術細節。估算基于GPT-3。訓練階段的算力估算-敏感性分析。根據天翼智庫，GPT-3模型參數約1750億個，預訓練數據量為45 TB，折合成訓練集約為3000億tokens。按照有效算力比率21.3%來計算，訓練階段實際算力需求為1.4

24、8109PFLOPS。對AI服務器訓練階段需求進行敏感性分析，兩個變化參數：同時并行訓練的大模型數量、單個模型要求訓練完成的時間。按照A100服務器5 PFLOPs，H100服務器32 PFLOPs來進行計算。若不同廠商需要訓練10個大模型，1天內完成，則需要A100服務器34233臺，需要H100服務器5349臺。此外，若后續GPT模型參數迭代向上提升（GPT-4參數量可能對比GPT-3倍數級增長），則我們測算所需AI服務器數量進一步增長。訓練敏感性分析訓練敏感性分析同時訓練的模型數量同時訓練的模型數量A100（臺）1234510100單個模型要求訓練天數134236847102701369

25、31711734233 34233231141228234234564570611411 114111748997814671956244548904890510342685102713691712342334233142454897349781223244524452301142283424565711141114119038761141521903803804訓練敏感性分析訓練敏感性分析同時訓練的模型數量同時訓練的模型數量H100（臺）1234510100單個模型要求訓練天數1535107016052140267453495348931783575357138911783178307761

26、53229306382764764110531071602142675355349143876115153191382382130183653718917817839061218243059594表：A100訓練側敏感性分析表：H100訓練側敏感性分析推算ChatGPT帶來的服務器需求增量19資料來源：Simlarweb、天翼智庫微信公眾號、天風證券研究所由于OpenAI暫未公開ChatGPT（基于大語言模型GPT-3.5）相關技術細節。估算基于GPT-3。根據天翼智庫，推理階段的算力估算。ChatGPT與用戶對話時需進行模型的推理，消耗智能算力。根據前述OpenAI論文，推理階段算力需求是模

27、型參數數量與訓練數據集規模乘積的2倍：推理階段算力需求=2模型參數數量訓練及規模。假設每輪對話產生500 tokens（約350個單詞）則每輪對話產生推理算力需求：21.751011500=0.175 PFLOPS。根據Similarweb的數據，OpenAI網站月度訪問量從今年1月6.67億次，持續快速上升，到3月單月訪問次數已達到16億次，換算成每日訪問量約為每日5300萬訪問量，假設每次訪問發生10輪對話，則我們測算每日對話產生推理算力需求=0.1755.3107 10=9.275107 PFLOPS，假設有效算力比率按30%取定，則我們測算每日對話實際算力需求為3.09108PFLOP

28、S。假設應用搭載16片V100 GPU的英偉達DGX2服務器進行訓練推理，該服務器算力性能為2 PFLOPS，最大功率為10kw，則我們測算需要服務器數量為=1.545108臺（同時工作1秒），即1789臺服務器工作1日。模型名稱模型名稱推出時間推出時間使用硬件使用硬件有效算力比有效算力比率率GPT-32020年5月英偉達 V10021.3%MT-NLG2021年10月英偉達 A10030.2%PaLM2022年4月谷歌TPU46.2%圖：OpenAI網站訪問量表：不同模型有效算力比率推算ChatGPT帶來的服務器需求增量20資料來源：天翼智庫微信公眾號、天風證券研究所由于OpenAI暫未公開

29、ChatGPT（基于大語言模型GPT-3.5）相關技術細節。估算基于GPT-3。推理階段的算力估算-敏感性分析。根據天翼智庫，ChatGPT與用戶對話時需進行模型的推理，消耗智能算力。根據前述OpenAI論文，推理階段算力需求是模型參數數量與訓練數據集規模乘積的2倍：推理階段算力需求=2模型參數數量訓練及規模。模型參數數量不變，每輪對話產生tokens數量的變化將影響推理階段所需算力需求，隨著未來智能語音、娛樂甚至B端等應用場景的增多，每輪對話產生tokens數可能發生變化，以此作敏感性分析。此外，用戶訪問量預計將隨著ChatGPT的持續火熱和普及，訪問數量持續增加。若后續ChatGPT普遍應

30、用于日常生活工作，則日訪問用戶數將顯著提升。仍然假設每次訪問發生10次對話不變。假設有效算力比率按30%取定，應用搭載16片V100 GPU的英偉達DGX2服務器進行訓練推理，該服務器算力性能為2 PFLOPS。我們測算得到敏感性分析如下表：推理敏感性分析推理敏感性分析每輪對話產生每輪對話產生tokens數數V100（臺）100200300500100020005000用戶訪問用戶訪問量量10006813520333867513503376200013527040567513502701675230002034056081013202540511012750003386751013168833

31、76675216879100006751350202533766752135033375850000337667521012716879337586751516878910000067521350320255337586751513503133757750000033758675151012731687893375776751541687886表：推理測敏感性分析AI服務器市場有望迎來高速發展機遇服務器市場有望迎來高速發展機遇421請務必閱讀正文之后的信息披露和免責申明AI服務器市場規模預計將高速增長22資料來源：ChinaIT、城市大腦研究院微信公眾號、IDC、天風證券研究所AI服務器作為算

32、力基礎設備有望受益于算力需求持續增長AI服務器作為算力基礎設備，其需求有望受益于AI時代下對于算力不斷提升的需求而快速增長。根據TrendForce，截至2022年為止，預估搭載GPGPU（General Purpose GPU）的AI服務器年出貨量占整體服務器比重近1%，預估在ChatBot相關應用加持下，有望再度推動AI相關領域的發展，預估出貨量年成長可達8%；20222026年復合成長率將達10.8%。AI服務器是異構服務器，可以根據應用范圍采用不同的組合方式，如CPU+GPU、CPU+TPU、CPU+其他加速卡等。IDC預計，中國AI服務器2021年的市場規模為57億美元，同比增長61

33、.6%，到2025年市場規模將增長到109億美元，CAGR為17.5%。圖：中國算力發展情況31.775.0155.2268.0427.0640.7922.81271.40.0%20.0%40.0%60.0%80.0%100.0%120.0%140.0%160.0%0.0200.0400.0600.0800.01000.01200.01400.020192020202120222023E2024E2025E2026E百億億次浮點運算/秒（EFLOPS）同比增速AI服務器市場規模預計將高速增長23資料來源：天翼智庫微信公眾號、黑馬程序員、天風證券研究所用戶快速增長+模型持續迭代+應用場景的不斷擴

34、張或將使AI服務器需求超預期ChatGPT用戶數快速增加，上線僅5天，用戶數便突破百萬，上線兩月后，ChatGPT月活用戶數突破1億，根據Similarweb統計，OPENAI網站用戶訪問量快速增長，我們預計未來用戶數仍將快速提升，帶來交互對話的產生，提升推理所需算力基礎設施需求。2018年OpenAl正式發布GPT(生成式預訓練語言模型)，可以生成文章、代碼、機器翻譯等，GPT是ChatGPT的前身，最終形成的ChatGPT是優化版本的對話語言模型。預計GPT-4模型的參數量仍將進一步增長，根據天翼智庫，給GPT-3喂料的長度每次不能超過大約2000個字，現在GPT-4的“消化能力”提升了1

35、0倍以上。帶來AI應用生態的繁榮，未來有望涌現更多應用場景。圖：達到1億月活躍用戶耗時圖：GPT-4“消化能力”提升圖：ChatGPT引發新一輪AI應用生態繁榮AI服務器市場規模預計將高速增長24資料來源：天翼智庫微信公眾號、科普海南微信公眾號、天風證券研究所用戶快速增長+模型持續迭代+應用場景的不斷擴張或將使AI服務器需求超預期據網站統計，目前基于ChatGPT推出的應用表現出高度活躍和極度豐富特性，截止2023年3月6日已有620個案例。從生成的內容格式來看可以把目前所有案例分為五大類，即文本生成、代碼生成、圖像生成、音頻生成、和視頻生成。其中文本生成是目前最主要的應用方向，有397個案例

36、，占比達64.1%；隨后是代碼生成92個案例，占比14.7%；圖像生成73個案例，占比11.8%；音頻生成29個案例，占比4.7%；視頻生成16個案例，占比2.6%。下游應用場景有望持續拓展。目前ChatGPT的主要應用場景包括但不限于無代碼編程、小說生成、對話類搜索引擎、語音陪伴、語音工作助手、對話虛擬人、人工智能客服、機器翻譯、芯片設計等。隨著算法技術和算力技術的不斷進步，ChatGPT也有望進一步走向更先進功能更強的版本，在越來越多的領域進行應用，為人類生成更多更美好的對話和內容。圖：ChatGPT應用場景案例占比及典型案例圖：ChatGPT應用場景有望不斷豐富AI服務器市場規模預計將高

37、速增長25資料來源：天翼智庫微信公眾號、天風證券研究所用戶快速增長+模型持續迭代+應用場景的不斷擴張或將使AI服務器需求超預期中國電信研究院從應用技術發展成熟度、應用市場空間及應用提供方是否具有海量的業務數據基礎和能力等維度，采取背靠背專家評估法，邀請電信研究院戰略發展研究所19位專家評分，綜合評估認為，2-3年內類ChatGPT將可能在智能客服、傳媒、辦公及搜索領域中實現規模應用。根據紅杉資本及中國電信研究院，ChatGPT引發大模型成為AI新型基礎設施，使AI能力標準化、規?；?、流程化、低成本化，催生產業各方應用創新。目前一切還處于“高速創新”的前期，中長期發展很有可能重構娛樂、文學等模式

38、，并賦能教育、金融、工業、醫療等實體。短期應用在搜索+客服，中期利好內容創作+文娛生活場景，長期看好B端的產業機會。圖：不同領域ChatGPT可能應用機會判斷圖：長期看好B端產業機會AI服務器產業鏈解析服務器產業鏈解析526請務必閱讀正文之后的信息披露和免責申明AI服務器構成及形態27資料來源：浪潮官網、天風證券研究所AI服務器主要構成：以浪潮NF5688M6 服務器為例，其采用NVSwitch實現GPU跨節點P2P高速通信互聯。整機8 顆 NVIDIA Ampere架構 GPU，通過NVSwitch實現GPU跨節點P2P高速通信互聯。配置 2顆第三代Intel Xeon 可擴展處理器(Ice

39、 Lake)，支持8塊2.5英寸NVMe SSD or SATA/SAS SSD以及板載2塊 SATA M.2，可選配1張PCIe 4.0 x16 OCP 3.0網卡，速率支持10G/25G/100G；可支持10個PCIe 4.0 x16插槽，2個PCIe 4.0 x16插槽(PCIe 4.0 x8速率)，1個OCP3.0插槽；支持32條DDR4 RDIMM/LRDIMM內存，速率最高支持3200MT/s，物理結構還包括6塊3000W 80Plus鉑金電源、N+1冗余熱插拔風扇、機箱等。目前按照GPU數量的不同，有4顆GPU（浪潮NF5448A6）、8顆GPU（Nvidia A100 640G

40、B）以及16顆GPU（NVIDIA DGX-2）的AI服務器。4顆GPU8顆GPU圖：NF5688M6產品特性圖：4顆GPU與8顆GPU服務器AI服務器產業鏈28資料來源：各公司官網、天風證券研究所AI服務器核心組件包括GPU（圖形處理器）、DRAM（動態隨機存取存儲器）、SSD（固態硬盤）和RAID卡、CPU（中央處理器）、網卡、PCB、高速互聯芯片（板內）和散熱模組等。CPU主要供貨廠商為Intel、GPU目前領先廠商為國際巨頭英偉達，以及國內廠商如寒武紀、海光信息等。內存主要為三星、美光、海力士等廠商，國內包括兆易創新等。SSD廠商包括三星、美光、海力士等，以及國內江波龍等廠商。PCB廠

41、商海外主要包括金像電子，國內包括滬電股份、鵬鼎控股等。主板廠商包括工業富聯，服務器品牌廠商包括浪潮信息、紫光股份、中科曙光、中興通訊等。CPUIntel、AMD內存Samsung、海力士、美光、兆易創新等SSDSamsung、海力士、美光、江波龍等PCB滬電股份、金像電子、深南電路、生益科技等電源艾默生、中國長城、新雷能等散熱工業富聯等光模塊中際旭創、Finisar、新易盛、天孚通信等GPUNvidia、寒武紀等主板/集成商工業富聯、英業達等服務器廠商浪潮信息紫光股份中興通訊中科曙光超聚變互聯網廠商百度、阿里、騰訊等運營商中國移動、中國電信、中國聯通政企客戶政府、金融/醫療等行業客戶圖：AI服

42、務器產業鏈液冷：數據中心液冷應用將增加29資料來源：英偉達官網、CDCC微信公眾號、天風證券研究所A100服務器系統功耗明顯提升。以NVIDIA的DGX A100 640GB為例，其配置了8片A100 GPU，系統功耗達到最大6.5千瓦，未來隨著A100服務器的應用增多，我們認為或將顯著提升數據中心機柜的功耗。制冷散熱主要方式：目前發展的散熱冷卻技術主要有風冷和液冷兩大類，其中風冷包括自然風冷和強制風冷，適用的機柜功率密度較低；液冷分為單相液冷和相變液冷。散熱冷卻系統所采用的冷卻介質、冷卻方式不同，移熱速率差距大。傳統風冷最高可冷卻30 kW/r的機柜，對于30 kW/r以上功率密度的機柜無法

43、做到產熱與移熱速率匹配，會使機柜溫度不斷升高導致算力下降甚至損害設備?？梢钥吹?，采用A100后服務器功率大幅提升，參考上文若采用英偉達DGX A100 640GB服務器，單機柜的功率或將超過30kW，此時更適宜應用液冷的冷卻方案。液冷分為間接液冷、直接單相液冷和直接兩相液冷，主要根據液體與IT設備接觸狀態來區分。我們預計液冷將在行業內開始推廣，同時服務器廠商浪潮信息也開始推動進行液冷布局，All in液冷帶動行業發展趨勢。配置配置具體內容具體內容GPU8*NVIDIAA100 80GB Tensor Core GPU性能性能5 petaFLOPS AI10 petaOPS INT8系統功耗系統

44、功耗最大6.5千瓦CPU雙路AMD Rome 7742、共128個核心、2.25GHz（基準頻率）、3.4GHz（最大加速頻率）系統尺寸系統尺寸高度：264.0毫米寬度：最大482.3毫米長度：最大897.1毫米表表：NVIDIA DGX A100 640GB系統規格系統規格圖：不同制冷方式所對應適用機柜功率及傳熱系數AI服務器競爭格局服務器競爭格局630請務必閱讀正文之后的信息披露和免責申明AI服務器競爭格局31資料來源：ChinaIT、天風證券研究所IDC發布了2022年第四季度中國服務器市場跟蹤報告Prelim。從報告可以看到，前兩名浪潮與新華三的變化較小，第三名為超聚變，從3.2%份額

45、一躍而至10.1%，增幅遠超其他服務器廠商。Top8服務器廠商中，浪潮、戴爾、聯想均出現顯著下滑，超聚變和中興則取得明顯增長。其中，浪潮份額從30.8%下降至28.1%；新華三份額從17.5%下降至17.2%；中興通訊（000063）從3.1%提升至5.3%，位居國內第5。聯想降幅最為明顯，從7.5%下降至4.9%。據TrendForce集邦咨詢統計，2022年AI服務器采購占比以北美四大云端業者Google、AWS、Meta、Microsoft合計占66.2%為最，而中國近年來隨著國產化力道加劇，AI建設浪潮隨之增溫，以ByteDance的采購力道最為顯著，年采購占比達6.2%，其次緊接在后

46、的則是Tencent、Alibaba與Baidu，分別約為2.3%、1.5%與1.5%。國內AI服務器競爭廠商包括：浪潮信息、新華三、超聚變、中興通訊等。圖：2022年AI服務器采購量占比AI服務器競爭格局32資料來源：浪潮信息官網、Wind、同花順財經、IDC、天風證券研究所服務器主要廠商包括：工業富聯、浪潮信息、超聚變、紫光股份（新華三）、中興通訊、中科曙光。AI服務器目前領先廠商為工業富聯和浪潮信息，浪潮信息在阿里、騰訊、百度AI服務器占比高達90%。紫光股份在 GPU 服務器市場處于領先地位，有各種類型的 GPU 服務器滿足各種 AI 場景應用。特別針對 GPT 場景而優化的 GPU

47、服務器已經完成開發，并取得 31 個世界領先的測試指標，該新一代系列 GPU 服務器將在今年二季度全面上市。中興通訊近年服務器發展較快，年初推出AI服務器G5服務器，此外在布局新一代AI加速芯片、模型輕量化技術，大幅降低大模型推理成本。營業收入（億元）營業收入（億元）歸母凈利潤（億元）歸母凈利潤（億元）23年年PE（截至（截至2023.4.18一致預期）一致預期）22Q4中國服務中國服務器市場份額器市場份額2020A2021A2022A2020A2021A2022A浪潮信息630.38670.48695.2514.6620.0320.8022.5228.1%紫光股份597.05676.3874

48、0.5818.9521.4821.5834.2517.2%中興通訊1014.511145.221229.5442.6068.1380.8016.825.3%超聚變10.1%中科曙光101.60112.00130.088.2211.5815.4434.96圖：浪潮信息人工智能服務器市場份額圖：浪潮信息在阿里、騰訊、百度AI服務器占比高達90%表：各服務器廠商對比相關標的相關標的733請務必閱讀正文之后的信息披露和免責申明中興通訊34資料來源：中興通訊官網、中興通訊公告、天風證券研究所中興通訊作為全球主要的ICT廠商之一，產品廣泛覆蓋運營商網絡、政企設備和應用、消費者終端和應用等眾多信息通信網絡環

49、節，覆蓋底層網絡基礎設施（5G基站和SPN、傳輸網各類設備、千兆寬帶設備等），算力基礎（服務器、存儲等），垂直行業和消費側的網絡和終端（企業級網絡設備、工業網關、手機、家庭終端等），應用產品（數據庫、云視頻、云平臺等）。隨著數字經濟的持續深入發展，未來中興通訊有望深度參與數字經濟建設，在底層網絡、算力和流量以及上層眾多垂直行業和消費者終端和應用領域長期成長。服務器及存儲產品已規模進入金融、互聯網、能源等行業的頭部企業。在AI方面，1)公司的新一代智算中心基礎設施產品，全面支持大模型訓練和推理，包括高性能AI服務器、高性能交換機、DPU等；2)下一代數字星云解決方案，利用生成式AI技術，在代碼生

50、成、辦公智能化、運營智能化等領域展開研究，全面提升企業效率；3)新一代AI加速芯片、模型輕量化技術，大幅降低大模型推理成本。數字經濟相關環節數字經濟相關環節細分產業鏈細分產業鏈中興通訊提供的產品和服務中興通訊提供的產品和服務底層網絡底層網絡5G基站、SPN傳輸設備等千兆寬帶10GPON終端和局端設備流量相關流量相關傳輸網傳輸網設備、交換機、路由器等應用相關應用相關云計算服務器、儲存、交換機、路由器、模塊化數據中心產品、數據庫、云平臺、云電腦、云視頻等企業/園區網絡企業級交換機、路由器、網關等物聯網、工業互聯網工業網關、系統解決方案消費者終端智能手機、智能手表等人工智能uSmartInsight

51、人工智能平臺虛擬現實和增強現實XRExplore平臺家庭媒體中心IP機頂盒、AI智能交互產品類型產品類型具體產品具體產品應用領域應用領域IT服務器、存儲等公有云、私有云以及政企機房等場景使用的服務器、存儲等設備數據通信數據通信交換機、路由器、網絡安全、網絡管理等政府、企業等客戶的接入網、機房、網絡管理、網絡安全等使用的設備以及成套解決方案WLAN企業AP、企業AC等企業、商業、工業等場景下的無線接入網絡及控制系統能源能源通信電源、儲能電源、微模塊等機房、數據中心等電源模塊和系統接入和傳輸接入和傳輸PON、接入終端、OTN、PTN、MSTP等針對政企等客戶的專網、內網等需求提供的接入及傳輸網絡產

52、品云視訊云視訊云視訊平臺，個人終端，大屏一體機、融合調度等企業、政府、公安等視頻終端、平臺及系統數據庫數據庫GoldenDB分布式數據庫主要針對金融行業的分布式數據庫表：數字經濟中中興通訊提供的產品和服務表：中興通訊政企業務主要產品梳理紫光股份35資料來源：各公司官網、紫光股份2020年度報告、紫光股份2021年度報告、IDC、天風證券研究所公司深耕ICT領域，業務覆蓋數字化基礎設施產品。2016年收購新華三集團，進一步提升公司技術實力與業務范圍，打造“云網邊端芯”產業鏈。公司在 GPU 服務器市場處于領先地位，有各種類型的 GPU 服務器滿足各種AI 場景應用。特別針對 GPT 場景而優化的

53、 GPU 服務器已經完成開發，并取得 31 個世界領先的測試指標，該新一代系列 GPU 服務器將在今年二季度全面上市。全球服務器市場來看：新華三/HPE有望趕超戴爾，聯想增長勢頭較猛。21Q1份額情況來看，CR5為52.3%，戴爾全球領先占據17%市場份額。市場份額變動情況來看，戴爾出現頹勢，市場份額出現較大下滑，而新華三/HPE穩中有進，未來有望趕超戴爾。市場市場21年年排名排名2018201920202021中國以太網交換機市中國以太網交換機市場場第二33.2%35.5%35.0%35.2%中國企業網路由器市中國企業網路由器市場場第二27.2%27.9%30.8%31.3%中國企業級中國企

54、業級WLAN第一31.1%30.9%31.3%28.4%中國中國X86服務器市場服務器市場第二11.7%16.1%15.4%17.4%中國存儲市場中國存儲市場第二10.7%11.8%11.4%12.6%中國安全硬件市場中國安全硬件市場第二9.9%9.3%9.4%9.0%中國超融合市場中國超融合市場第一18.2%21%20.7%20.5%中國中國SDN（軟件軟件）市市場場第一-中國云管理平臺市場中國云管理平臺市場第一-17.00%15.90%7.20%6.90%5.30%26.30%21.40%戴爾HPE/H3C浪潮聯想IBMODM Direct其他圖：2021Q1服務器市場份額情況表：紫光股份

55、各市場排名及份額情況圖：紫光股份業務結構潤澤科技36資料來源：潤澤科技公司公告、潤澤科技公司官網，佛山市政府官網，DTDTDA等，天風證券研究所公司積極規劃新建數據中心，持續擴大自建自持規模。截至2021年10月31日，公司已累計投產機柜38,690個，累計上電機柜28,660個；公司積極布局自建數據中心，截止2021年10月在建/規劃建設數據中心項目9個，建成后將大幅增加公司業務能力。且新建機房主要分布在長三角、大灣區樞紐以及成渝樞紐新片區。潤澤科技數據中心項目布局均位于大數據中心國家樞紐節點，符合國家數據中心建設布局，依托廊坊的開發經驗在全國復制推廣，區域優勢與規模效應顯著。自建電站、自建

56、綜合管廊，提供穩定強勁電力引擎。電力供應作為公司數據中心建設的三個必要條件之一，潤澤科技已在全國布局項目電力供應保障。廊坊地區除了政府配套的多路市政供電，2021年公司已投產一座用戶自用110KV變電站，2022年開始投建一座220KV變電站。14,03612,22520,48515,55632,53223,02738,69028,66005,00010,00015,00020,00025,00030,00035,00040,00045,000累計投產機柜（個)累計上電機柜（個）2018/12/312019/12/312020/12/312021/10/31圖：潤澤科技機柜數量圖：潤澤科技機房

57、圖示圖：潤澤科技機柜布局規劃風險提示37請務必閱讀正文之后的信息披露和免責申明1、ChatGPT發展低于預期的風險：GPT持續迭代，存在技術發展不及預期的可能性，導致整體行業發展進度放緩。2、ChatGPT政策監管的風險：存在政府政策管控ChatGPT發展，規范化發展對整體推進節奏的影響。3、下游應用推廣不及預期：ChatGPT在下游應用場景的拓展正在探索中，存在下游應用推廣不及預期，導致推理需求不及預期，減少服務器需求的風險4、行業競爭加劇，價格和盈利能力下降的風險：存在進入行業的廠商增加，價格競爭使得盈利能力下降的風險。38請務必閱讀正文之后的信息披露和免責申明股票投資評級自報告日后的6個

58、月內，相對同期滬深300指數的漲跌幅行業投資評級自報告日后的6個月內，相對同期滬深300指數的漲跌幅買入預期股價相對收益20%以上增持預期股價相對收益10%-20%持有預期股價相對收益-10%-10%賣出預期股價相對收益-10%以下強于大市預期行業指數漲幅5%以上中性預期行業指數漲幅-5%-5%弱于大市預期行業指數漲幅-5%以下投資評級聲明投資評級聲明類別類別說明說明評級評級體系體系分析師聲明分析師聲明本報告署名分析師在此聲明：我們具有中國證券業協會授予的證券投資咨詢執業資格或相當的專業勝任能力，本報告所表述的所有觀點均準確地反映了我們對標的證券和發行人的個人看法。我們所得報酬的任何部分不曾與

59、，不與，也將不會與本報告中的具體投資建議或觀點有直接或間接聯系。一般聲明一般聲明除非另有規定，本報告中的所有材料版權均屬天風證券股份有限公司（已獲中國證監會許可的證券投資咨詢業務資格）及其附屬機構（以下統稱“天風證券”）。未經天風證券事先書面授權，不得以任何方式修改、發送或者復制本報告及其所包含的材料、內容。所有本報告中使用的商標、服務標識及標記均為天風證券的商標、服務標識及標記。本報告是機密的，僅供我們的客戶使用，天風證券不因收件人收到本報告而視其為天風證券的客戶。本報告中的信息均來源于我們認為可靠的已公開資料，但天風證券對這些信息的準確性及完整性不作任何保證。本報告中的信息、意見等均僅供客

60、戶參考，不構成所述證券買賣的出價或征價邀請或要約。該等信息、意見并未考慮到獲取本報告人員的具體投資目的、財務狀況以及特定需求，在任何時候均不構成對任何人的個人推薦?？蛻魬攲Ρ緢蟾嬷械男畔⒑鸵庖娺M行獨立評估，并應同時考量各自的投資目的、財務狀況和特定需求，必要時就法律、商業、財務、稅收等方面咨詢專家的意見。對依據或者使用本報告所造成的一切后果，天風證券及/或其關聯人員均不承擔任何法律責任。本報告所載的意見、評估及預測僅為本報告出具日的觀點和判斷。該等意見、評估及預測無需通知即可隨時更改。過往的表現亦不應作為日后表現的預示和擔保。在不同時期，天風證券可能會發出與本報告所載意見、評估及預測不一致的

61、研究報告。天風證券的銷售人員、交易人員以及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。天風證券沒有將此意見及建議向報告所有接收者進行更新的義務。天風證券的資產管理部門、自營部門以及其他投資業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。特別聲明特別聲明在法律許可的情況下，天風證券可能會持有本報告中提及公司所發行的證券并進行交易，也可能為這些公司提供或爭取提供投資銀行、財務顧問和金融產品等各種金融服務。因此，投資者應當考慮到天風證券及/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一參考依據。THANKS39