《計算機行業AI系列專題研究報告：AI算力研究框架-230613（80頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業AI系列專題研究報告：AI算力研究框架-230613（80頁）.pdf（80頁珍藏版）》請在三個皮匠報告上搜索。

1、AI算力研究框架AI系列專題研究報告劉熹(證券分析師)S證券研究報告2023年06月13日計算機請務必閱讀報告附注中的風險提示和免責聲明2核心提要核心提要 GPT4GPT4：AIAI技術和工程的偉大創新，開啟科 技“十年新 周期”技術和工程的偉大創新，開啟科 技“十年新 周期”GPT-4 是世界首個最接近AGI的先進AI系統，展現出強大的“涌現能力”。GPT的成功，得益于其參數規模擴大，RLHF、Transformer、Prompt、插件、系統工程等方面的偉大創新。我們預計，ChatGPT將對科技產業產生深遠的影響，類似于操作系統，ChatGPT將接入現有的全部軟硬件系統。GPT-4的誕生將加

2、速AGI時代的到來，開啟科技“十年新周期”。AIAI算力：科技企業大模型競賽的核心“裝備”，算力：科技企業大模型競賽的核心“裝備”，AIGCAIGC應用的關鍵基建應用的關鍵基建Transfomer架構大模型訓練對算力的消耗呈指數級增長。2023年1月，ChatGPT計劃再向微軟融資100億美金，該融資將是新一代大模型算力基建的主要資金來源。ChatGPT激發“鯰魚效應”，全球科技巨頭將AI戰略提升到空前高度，算力作為新一輪科技競賽的核心“裝備”，迎來需求的脈沖式增長。未來，ChatGPT應用的全面落地還將釋放更為廣闊的算力需求。計算是計算是AIAI算力的核心引擎，存儲、網絡、軟件是算力的核心引

3、擎，存儲、網絡、軟件是AIAI算力算力的主要發展方向的主要發展方向1 1）計算：）計算：GPU是ChatGPT訓練和推理的核心支柱，其更新速度遠超過“摩爾定律”，受益于AI和高性能市場需求增長，GPU行業景氣度顯著提升。AI服務器作為GPU的重要載體，預計其市場規模、滲透率將隨著GPU放量迎來同步高增。2 2）網絡：）網絡：已成為限制AI算力提升的主要瓶頸，英偉達推出InfiniBand架構下的NVLink、NVSwtich等方案，將GPU之間的通信能力上升到新高度。而800G、1.6T高端光模塊作為AI訓練的上游核心器件，將受益于大模型訓練需求的增長。3 3）存儲：）存儲：“內存墻”是制約算

4、力提升的重要因素。NAND、DRAM等核心存儲器在制程方面臨近極限，不斷探索“3D”等多維解決方案。HBM基于其高寬帶特性，成為了高性能GPU的核心組件，市場前景廣闊。請務必閱讀報告附注中的風險提示和免責聲明3 投資建議投資建議ChatGPTChatGPT對算力的影響遠不止當前可見的基建投入，未來對算力的影響遠不止當前可見的基建投入，未來TransformerTransformer大模型的迭代推動模型訓練相關需求的算力增長，大模型的迭代推動模型訓練相關需求的算力增長，以及以及AIGCAIGC大模型應用的算力需求，將是算力市場不斷超預期的源泉。相關公司：大模型應用的算力需求，將是算力市場不斷超預

5、期的源泉。相關公司：1 1、計算、計算1 1）服務器：）服務器：浪潮信息、中科曙光、紫光股份、工業富聯、緯創、廣達、英業達、戴爾、聯想集團、超威電腦、中國長城、神州數碼、拓維信息、四川長虹；2 2）GPUGPU：英偉達、AMD、Intel、海光信息、寒武紀、龍芯中科、景嘉微；2 2、網絡、網絡1 1）網絡設備：）網絡設備：紫光股份、中興通訊、星網銳捷、深信服、迪普科技、普天科技、映翰通；2 2）光模塊：）光模塊：中際旭創、新易盛、光迅科技、華工科技、聯特科技、劍橋科技、天孚通信；3 3、存儲、存儲1 1）存儲器：）存儲器：紫光國微、江波龍、北京君正、兆易創新、瀾起科技、東芯股份、聚辰股份、普冉

6、股份、朗科科技。風險提示：宏觀經濟影響下游需 求，大 模型 迭代不 及預期，大 模型應 用不及 預期，市場 競爭加 劇，中風險提示：宏觀經濟影響下游需 求，大 模型 迭代不 及預期，大 模型應 用不及 預期，市場 競爭加 劇，中美博弈加劇美博弈加劇，相關相關公司公司業績不及 預期等。業績不及 預期等。核心提要核心提要請務必閱讀報告附注中的風險提示和免責聲明4目錄目錄1.GPT4：AI技術和工程的偉大創新技術和工程的偉大創新，邁向邁向AGI時代時代2.AI算力：算力：GPT基座，率先受益于基座，率先受益于AI“十年新周期”“十年新周期”3.算力算力計算：計算：GPU為算力核心，服務器為重要載體為

7、算力核心，服務器為重要載體4.算力算力網絡：數據中心算力瓶頸，光模塊需求放量網絡：數據中心算力瓶頸，光模塊需求放量5.算力算力存儲：存儲：AI訓練“內存墻”，訓練“內存墻”，3D工藝持續突破工藝持續突破6.投資建議和風險提示投資建議和風險提示請務必閱讀報告附注中的風險提示和免責聲明51.GPT4：AI技術和工程的偉大創新，邁向技術和工程的偉大創新，邁向AGI時代時代請務必閱讀報告附注中的風險提示和免責聲明61.1 GPT4：全球領先的“智能涌現”：全球領先的“智能涌現”AI大模型大模型 GPTGPT-4 4 是世界是世界第一個最第一個最接近接近AGIAGI的先進的先進AIAI系統。系統。Gen

8、erative Pre-trained Transformer 4(GPT-4)是OpenAI創建的多模態大型語言模型，于 2023 年 3 月 14 日發布，并已通過ChatGPT Plus和商業API形式對外提供服務。ChatGPTChatGPT是OpenAI在2022年11月推出的基于 GPT-3.5的新型 AI聊天機器人，只需向ChatGPT提出需求，即可實現文章創作、代碼創作、回答問題等功能。ChatGPTChatGPT從推出到月用戶過億僅用了從推出到月用戶過億僅用了2 2個月時間，是世界上個月時間，是世界上增速最快消費級應用。增速最快消費級應用。GPT4：全球最為領先的AI應用之一

9、資料來源：OpenAI官網，businessday，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明7 2018年以來，GPT系列模型的參數規模、訓練數量規模曾指數級增長，算法和框架持續升級。預計GPT4的參數規模接近1萬億，數據量20萬億 Tokens。1.1 GPT4：全球領先的“智能涌現”：全球領先的“智能涌現”AI大模型大模型GPT-1BERT(開源)GPT-2(開源)GPT-3ChatGPT/GPT-3.5GPT4(多模態)發布時間201820182019 20202022年11月30日2023年3月14日模型技術結構特點與安全性措施-基于Transformer 架構-12層，

10、768維詞嵌入向量-無監督預訓練和 有監督微調-基于Transformer架構，12層-雙向編碼器(全文 本)-詞嵌入向量維度為 768或1024使用掩 碼語言模型(MLM)進行預訓練-下游任務微調-從GPT-1基礎上增加 到48層，使用1600維 向量進行詞嵌入-修改初始化的殘差層 權重，縮放為原來的 1/N(N為殘差層的數 量-交替密度和局部帶狀 稀疏注意模式-96層，參數數量增加 到約1750億(175B)-上下文窗口寬度增加 到2048個tokens-訓練數據更大-采用交替密度和局部 帶狀稀疏注意模式-基于GPT-3的架構，進行了針對性的優化 和調整-參數數量、層數和 詞表與GPT-3

11、相近，但具體參數可能有所 不同-RLHF訓練-預期參數數量遠大于1750億-視覺語言模型組件(VLM)-對抗性測試和紅隊測試-RLHF訓練-基于規則的獎勵模型(RBRM)模型參數117M340M1.5B1758B大概175B-6B-1.3B未知上下文窗口512 token512 token1024 token2048 token4096 token32,000 token訓練方法無監督預訓練和有監督微調掩碼語言模型預訓練無監督預訓練無監督預訓練1)有監督微調2)RLHIF訓練獎勵模 型3)PPO強化學習1)有監督微調2)RLHF訓練獎勵模型3)構造基于規則的獎 勵模型(RBRM)4)PPO強化

12、學習數據集BooksCorpusBooksCorpus與English WikipediaWebTextCommon Crawl,WebText2,Books1,Books2和Wikipedia類似GPT-3,但可能有更新更大規模和多樣化數據量規模5G40GB45TB45T+X20萬億Tokens資料來源：OpenAI官網，GPT-4核心技術分析報告陳巍，人工智能大模型技術高峰論壇，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明8 GPT4GPT4的顯著特征“涌現能力”，的顯著特征“涌現能力”，LLMLLM的的涌現涌現能力被正式定義為能力被正式定義為“在小型模型中不存在，但在大型模型中

13、出現的能力在小型模型中不存在，但在大型模型中出現的能力”。涌現能力出現時的一個顯著特點：當模型規模達到一定程度時，性能顯著提升。當模型規模達到一定程度時，性能顯著提升。這種涌現模式與物理學中的相變現象相變現象有著密切的聯系。原則上，涌現能力也可以根據一些復雜任務來定義。涌現是非線性深度網絡的基本特征，也是群體智能行為與復雜思維，感知與認知的基本特質。涌現特征特征 描述In-context learning（情景學習）上下文學習能力由GPT-3正式引入：假設語言模型已經提供了一個自然語言指令和/或幾個任務演示，它可以通過完成輸入文本的單詞序列為測試實例生成預期的輸出，而不需要額外的訓練或梯度更新

14、Instruction following（指令跟隨）通過對經自然語言描述(即指令)格式化的多任務數據集的混合進行微調，LLM在同樣以指令形式描述的未見任務上表現良好。有了這種能力，指令調優使LLM能夠通過理解任務指令來執行新任務，而無需使用明確示例，這可以在很大程度上提高泛化能力Step-by-step reasoning（邏輯推理）對于小型語言模型，通常很難解決涉及多個推理步驟的復雜任務，例如數學應用題。而在思維鏈推理策略下，LLMs可以利用包含中間推理步驟以獲得最終答案的提示機制來解決此類任務。據推測，這種能力可能是通過對代碼的訓練獲得。1.1 GPT4：全球領先的“智能涌現”：全球領先

15、的“智能涌現”AI大模型大模型資料來源：A Survey of Large Language Models Wayne Xin Zhao等，國海證券研究所GPT4：“智能涌現”特征描述請務必閱讀報告附注中的風險提示和免責聲明9GPTGPT-4 4 在以下六個方面實現飛躍式提升。在以下六個方面實現飛躍式提升。創造能力更強：創造能力更強：GPT-4 比以往任何時候都更具創造性和協作性。它可以生成、編輯并與用戶一起迭代創意和技術寫作任務，例如創作歌曲、編寫劇本或學習用戶的寫作風格。推理能力更強：推理能力更強：GPT-4在高級推理能力方面超過ChatGPT。更長的上下文：更長的上下文：GPT-4能夠處

16、理超過25,000個單詞的文本，允許使用諸如長表單內容創建、擴展對話、文檔搜索和分析等用例。圖片識別能力：圖片識別能力：GPT-4可以接受圖像作為輸入，并生成標題、分類和分析。專業知識更強：專業知識更強：大多數專業和學術考試中，GPT-4表現出了人類水平的表現。更安全、更一致：更安全、更一致：與GPT-3.5相比，GPT-4對禁用內容的請求做出響應的可能性要低82%，產生事實性響應的可能性要高40%。1.1 GPT4：全球領先的“智能涌現”：全球領先的“智能涌現”AI大模型大模型GPT4：專業考試、邏輯推理、多模態能力突出資料來源：OpenAI官網，國海證券研究所請務必閱讀報告附注中的風險提示

17、和免責聲明101.2 OpenAI：AGI的重要推手的重要推手OpenAIOpenAI，在美國成立的，在美國成立的人工智能人工智能研究公司，核心宗旨在于“實現安全的通用人工智能研究公司，核心宗旨在于“實現安全的通用人工智能(AGI)”(AGI)”，使其有益于人類。，使其有益于人類。OpenAI2015年12月11日OpenAI成立2016年4月27日發布OpenAI Gym Beta2016年12月5日發布Universe2017年7月20日發布Proximal Policy Optimization算法2018年4月9日發布OpenAI憲章2019年2月14日提升語言模型GPT-2模型201

18、9年4月25日發布深度神經網絡MuseNet2019年7月22日微軟投資OpenAI并與其合作2019年11月5日發布GPT-2：1.5B 版本2020年4月30日發布神經網絡Jukebox2020年6月11日開放人工智能應用程序接口2021年1月5日研究連接文本和圖像神經網絡CLIP2021年1月5日研究從文本創建圖像神經網絡DALL E2021年3月4日研究人工神經網絡中的多模式神經元2022年4月6日發布新的人工智能系統DALL E 22022年11月30日研究ChatGPT并發布：優化對話的語言模型2019年3月創建OpenAI LP公司2020年9月授權微軟使用GPT-3模型2023

19、年3月發布GPT-42023年3月多名專家及高管簽署公開信，呼吁類似GPT-4的超強人工智能訓練計劃暫停6個月資料來源：維基百科，百度百科，國海證券研究所OpenAI歷史沿革歷史沿革請務必閱讀報告附注中的風險提示和免責聲明111.2 OpenAI：AGI的重要推手的重要推手1995年創辦Zip2公司，1999年被康柏公司收購，獲利2200萬美元1999年創辦X.com公司，2001年更名為PayPal，2002年被eBay收購2002年成立太空探索技術公司Space X，出任首席執行官兼首席技術官2016年成立 The Boring Company，用于解決地面擁堵問題的軌道交通2004年向特

20、斯拉投資630萬美元，任公司董事長、擁有所有事務最終決定權2016年創立Neuralink公司，目標是將人腦與電腦連接起來openAI創始人埃隆 馬斯克Elon Musk現任Y Combinator 總裁、人工智能實驗室OpenAI首席執行官，Loopt的聯合創始人，被媒體稱為“ChatGPT之父”LinkedIn聯合創始人，曾經擔任PayPal高級副總裁。是硅谷最有名的天使投資者之一，曾經投資過60多家創業公司，包括Facebook和Digg。1998年創辦PayPal并擔任CEO，2004年成為Facebook的首個外部投資者，同年成立軟件公司Palantir。OpenAI的聯合創始人兼董

21、事長兼總裁，曾擔任OpenAI以及支付巨頭Stripe的CTO（Stripe 4號員工）。OpenAI 聯合創始人，人工智能研究員，現任OpenAI研究員。OpenAI 聯合創始人，人工智能研究員，曾擔任OpenAI首席科學家。山姆 阿爾特曼Sam Altman彼得 蒂爾Peter Thiel約翰 舒爾曼John Schulman沃赫切赫 扎雷姆巴Wojciech Zaremba里德 霍夫曼Reid Hoffman格雷格 布羅克曼Greg Brockman2008年創立了SolarCity，公司致力于太陽能的技術革新資料來源：搜狐網，新智元，創業邦傳媒，第一財經，百度百科，國海證券研究所請務必

22、閱讀報告附注中的風險提示和免責聲明12右起三個人分別是：1 1）首席科學家伊爾亞）首席科學家伊爾亞蘇茨克維蘇茨克維(Ilya Sutskever)(Ilya Sutskever)2 2）總裁兼董事長格雷格）總裁兼董事長格雷格布羅克布羅克曼曼 (Greg Brockman)(Greg Brockman)3 3）CEOCEO薩姆薩姆奧特曼奧特曼(Sam(Sam Altman)Altman)三人皆是2015年OpenAI成立時的創始元老。GPTGPT-4 4 幕后的研發團隊幕后的研發團隊大致可分為七個部分：預訓練（預訓練（PretrainingPretraining）、長上下文（）、長上下文（Lon

23、g contextLong context）、視覺（）、視覺（VisionVision）、強）、強化學習化學習&對齊（對齊（RL&alignmentRL&alignment）、評估）、評估&分析（分析（Evaluation&analysisEvaluation&analysis）、部署（）、部署（DeploymentDeployment），以及其他。），以及其他。1.2 OpenAI：AGI的重要推手的重要推手主要團隊主要團隊任務預訓練計算機集群擴展 數據 分布式訓練基礎設施 硬件正確性 優化&架構 Training run babysitting長上下文長上下文研究 長上下文內核視覺架構研究

24、 計算機集群擴展 分布式訓練基礎設施 硬件正確性 數據 對齊數據Training run babysitting 部署&后訓練強化學習&對齊數據集貢獻 數據基礎設施 ChatML 格式 模型安全 Refusals 基礎 RLHF 和 InstructGPT 工作Flagship training runs 代碼功能評估&分析OpenAI Evals 庫加速預測模型等級評估基礎設施ChatGPT評估能力評估編碼評估真實世界用例評估污染調查指令遵循和 API 評估新功能評估部署核心貢獻者推理研究GPT-4 API和ChatML部署GPT4網絡體驗推理基礎設施可靠性工程信托與安全工程產品管理Open

25、AI團隊主要分工團隊主要分工資料來源：GPT-4 Technical Report，多搜百科，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明131.3 GPT-4六大顛覆式技術創新六大顛覆式技術創新1、大參數+大數據+算法創新2、Transformer：自注意力機制3、對齊調優：RLHF4、Prompt：情境學習、思維鏈5、工具引入：卡片、互聯網6、工程創新資料來源：國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明141.3 GPT4六大顛覆式技術創新（六大顛覆式技術創新（1）：大參數）：大參數+大數據大數據+算法創新算法創新 參數擴大是提高參數擴大是提高LLMLLM模型模型能力

26、能力的關鍵因素的關鍵因素。GPT-3首先將模型大小增加到175B參數的極大規模。語言模型前期前期的性能和模型規模大致呈線性關系，當模型規模大到一的性能和模型規模大致呈線性關系，當模型規模大到一定程度時，任務性能有了明顯的突變。定程度時，任務性能有了明顯的突變。大規模語言模型基座的可擴展性很強，實現反復自我迭代。因此，因此，LLMLLM也被看作是實現通用人工智能也被看作是實現通用人工智能AGIAGI的希望。的希望。參數對大模型性能起到明顯作用參數對大模型性能起到明顯作用參數對大模型性能起到明顯作用參數對大模型性能起到明顯作用資料來源：A Survey of Large Language Mode

27、ls Wayne Xin Zhao等，SpeechHome，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明151.3 GPT4六大顛覆式技術創新（六大顛覆式技術創新（1）：大參數：大參數+大數據大數據+算法創新算法創新模型能力不僅與模型大小有關，還與數據大小和總計算量有關。同時，預訓練數據的質量對取得良好的性能起著關鍵作用，因此在擴展預訓練語料庫時，數據收集和清洗策略是非常重要的考慮。預訓練語料庫的來源大致可以分為兩類:通用數據：如網頁、書籍和對話文本，由于其龐大、多樣化和可訪問性，被大多數LLM使用，可以增強LLM的語言建模和泛化能力。專業數據：如多語言數據、科學數據和代碼，使LLM

28、具有特定的任務解決能力。大模型主要利用各種公共文本數 據集做 預訓 練大模型主要利用各種公共文本數 據集做 預訓 練預訓練大語言模型典型的數據處 理過程預訓練大語言模型典型的數據處 理過程資料來源：A Survey of Large Language Models Wayne Xin Zhao等，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明161.3 GPT4六大顛覆式技術創新（六大顛覆式技術創新（1）：大參數：大參數+大數據大數據+算法創新算法創新名稱具體介紹Transformers開源的Python庫，用于使用Transformer架構構建模型，由Hugging Face開發和維

29、護。它具有簡單和友好的API，使其易于使用和定制各種預訓練模型，以及用于數據集處理和評估的工具。它是一個強大的庫，擁有一個龐大而活躍的用戶和開發人員社區，他們定期更新和改進模型和算法。DeepSpeed由微軟開發的基于PyTorch的深度學習優化庫，已用于訓練許多LLM，如GPT-Neo和BLOOM。它為分布式訓練提供了各種優化技術，如內存優化(零技術)、梯度檢查點和流水線并行。此外，它還提供了微調和評估這些模型的API。Megatron-LM基于PyTorch的深度學習庫，由NVIDIA開發，用于訓練大規模語言模型。它還為分布式訓練提供了豐富的優化技術，包括模型和數據并行、混合精度訓練、閃光

30、注意力和梯度檢查點。這些優化技術可以顯著提高訓練效率和速度，實現跨gpu和機器的高效分布式訓練。JAX谷歌Brain開發的用于高性能機器學習的Python庫，允許用戶在支持硬件加速(GPU或TPU)的數組上輕松執行計算。它支持各種設備上的計算，并提供了一些方便的功能，如即時編譯加速和自動批處理。Colossal-AI由EleutherAI開發的深度學習庫，用于訓練大規模語言模型。它建立在JAX之上，并支持訓練的優化策略，如混合精度訓練和并行。最近，一個名為ColossalChat的類似聊天gpt的模型已經公開發布了兩個版本(7B和13B)，它們是使用基于LLaMA的colossalai開發的。

31、BMTrainOpenBMB開發的一個高效的分布式訓練大規模參數模型的庫，它強調代碼簡單、低資源和高可用性。BMTrain已經將幾個常見的LLM(例如Flan-T5和GLM)合并到其ModelCenter中，開發人員可以直接使用這些模型。FastMoE專門用于MoE(即，專家混合)模型的訓練庫。它是在PyTorch之上開發的，在設計中優先考慮效率和用戶友好性。FastMoE簡化了將Transformer模型轉換為MoE模型的過程，并在訓練期間同時支持數據并行和模型并行。并行訓練。并行訓練。由于模型規模巨大，成功訓練一個強大的LLM是非常具有挑戰性的。LLMLLM的網絡參數學習通常需要聯合使用多

32、種并行策略，的網絡參數學習通常需要聯合使用多種并行策略，一些優化框架已經發布，以促進并行算法的實現和部署一些優化框架已經發布，以促進并行算法的實現和部署，如Transformer、DeepSpeed和Megatron-LM。此外，優化技巧對訓練穩定性和模型性能也很重要。最近，GPT-4提出開發特殊的基礎設施和優化方法，用小得多的模型的達到大型模型的性能。目前，常用的訓練LLM的庫包括TransformersTransformers，DeepSpeedDeepSpeed、MegatronMegatron-LMLM、JAXJAX、ColossalColossal-AIAI、BMTrainBMTra

33、in、FastMoeFastMoe等。此外，現有的深度學習框架(如PyTorchPyTorch、TensorFlowTensorFlow、MXNetMXNet、PaddlePaddlePaddlePaddle、MindSporeMindSpore和和OneFlowOneFlow)也提供了對并行算法的支持。目前開發大模型主要使用的算法 庫目前開發大模型主要使用的算法 庫資料來源：A Survey of Large Language Models Wayne Xin Zhao等，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明171.3 GPT4六大顛覆式技術創新（六大顛覆式技術創新（2）：

34、）：Transformer TransformerTransformer由由Google Google 在在20172017年的年的論文論文 Attention is All you needAttention is All you need 中提出中提出，GPTGPT與與BERTBERT均采用了均采用了TransformerTransformer模型。模型。Transformer基于顯著性的注意力機制為輸入序列中的任何位置提供上下文信息，使得Transformer具有全局表征能力強，全局表征能力強，高度并行性，位置關聯操作不受限，通用性強，可擴展性強高度并行性，位置關聯操作不受限，通用性強，

35、可擴展性強等優勢，從而使得GPT模型具有優異的表現。資料來源：中國人工智能學會，國海證券研究所Ngram統計語言模型容易訓練可解釋強缺乏長期依賴，泛化差，稀疏Word2vec神經語言模型RNNLM 神經語言模型Transformer 注意力語言模型 上下文語義 部分長期依賴 更長依賴難以 建模，單向依賴并行化捕捉長距離全局信息多項多維相關模型復雜，成本高 更好長依賴 稠密詞表示 更好泛化性 可解釋性差,無法解決長距離依賴GPT-1GPT-2GPT-3ChatGPTBertRoBERTaXLMALBERTGPT系列（預測未來）自回歸預訓練語言模型自自然語言生成任務：應用然語言生成任務：應用Zer

36、o/Few Shot Prompt/lnstrustBERT系列（完形填空）雙向預訓練語言模型N-1token1token3token4token2=),.,/(11iniiwwwP),.,(),.,(111ininiwwCwwCiFeature-based:作為特征提取器，單獨訓練下游任務201920182020202220202019201820221980201720122003自然語言自然語言理解理解:應用應用Fine-tuning請務必閱讀報告附注中的風險提示和免責聲明181.3 GPT4六大顛覆式技術創新（六大顛覆式技術創新（2）：）：Transformer SelfSelf-At

37、tentionAttention自注意力機制：自注意力機制：當模型處理每個詞（輸入序列中的每個位置）時，Self-Attention 機制使得模型不僅能夠關注當前位置的詞，而且能夠關注句子中其他位置的詞，從而可以更好地編碼這個詞。即單詞自己記住我和哪些單詞在同一句話里面。Transformer基于自注意力機制，學會單詞和單詞之間學會單詞和單詞之間共同共同出現出現的的概率概率，在在語料語料輸入輸入后后，可以可以輸出單詞和單詞共同出現的輸出單詞和單詞共同出現的概率概率，同時，同時，TransformerTransformer能夠挖掘長距離上下文的詞之間的雙向關系。能夠挖掘長距離上下文的詞之間的雙向

38、關系。資料來源：papers with code，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明191.3 GPT4六大顛覆式技術創新（六大顛覆式技術創新（3）：RLHF RLHF是ChatGPT所采用的關鍵技術之一。Reinforcement Learning with Human Feedback（RLHF）是強化學習（RL）的一個擴展分支，RLHF 將人類的反饋信息納入到訓練過程，通過使用這些反饋信息構建一個獎勵模型神經網絡，以此提供獎勵信號來幫助 RL 智能體學習，從而更加自然地將人類的需求，偏好，觀念等信息以一種交互式的學習方式傳達給智能體，對齊（align）人類和人工智能之

39、間的優化目標，產生行為方式和人類價值觀一致的系統。Step 1.預訓練語言模型（LM）Step 2.訓練獎勵模型（RM）Step 3.用強化學習（RL）微調RLHF訓練步驟訓練步驟資料來源：Hugging Face，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明201.3 GPT4六大顛覆式技術創新（六大顛覆式技術創新（4）：）：Prompt“提示提示”是一種提供給預訓練語言模型的線索是一種提供給預訓練語言模型的線索，讓預訓練語言模型能更好的理解人類的問題讓預訓練語言模型能更好的理解人類的問題。通過在輸入中增加額外的文本（clue/prompt），以更好地利用預訓練模型中的知識。提 示

40、 學 習 的 基 本 流 程 主 要 包 括 以 下 四 個 步 驟：提 示 構 造提 示 構 造（PromptPrompt ConstructionConstruction），答 案 構 造答 案 構 造（AnswerAnswerConstructionConstruction），答案預測答案預測（AnswerAnswer PredictionPrediction），以及答案以及答案-標簽映射標簽映射（AnswerAnswer-LabelLabel MappingMapping）。提示學習的優勢：1 1）對預訓練模）對預訓練模LMLM的利用率高；的利用率高；2 2）小樣本場景訓練效果提升；）

41、小樣本場景訓練效果提升；3 3）finefine-tunetune成本大幅度下降成本大幅度下降等。Prompt的案例演示的案例演示P ro mt p t u n i n g 與與 p re-t r a i n a n d f i n e-t u n e 對 比對 比根據提示，根據提示，BERT BERT 能回答能回答/補全出補全出 “JDKJDK是由是由 Oracle Oracle 研發的”，研發的”，BART BART 能對長能對長文本進行總結，文本進行總結，ERNIE ERNIE 能說出鳥類的能力。能說出鳥類的能力。資料來源：網易新聞，百度智能云，國海證券研究所請務必閱讀報告附注中的風險提

42、示和免責聲明21 語境學習語境學習(in(in-context learning,ICL)context learning,ICL)作為一種特殊的提示形式與作為一種特殊的提示形式與GPTGPT-3 3一起被首次提出，并已成為一種典型的利用一起被首次提出，并已成為一種典型的利用LLLL的的方法。方法。首先，從任務描述開始，從任務數據集中選擇一些示例作為演示。然后，將它們按照特定的順序組合起來，形成具有特殊設計模板的自然語言提示。最后，測試實例被附加到演示中，作為LLM生成輸出的輸入?；谌蝿昭菔?，LLM可以在不顯式梯度更新的情況下識別并執行新任務。1.3 GPT4六大顛覆式技術創新（六大顛覆式技

43、術創新（4）：）：Prompt情境學習情境學習(ICL)與思維鏈與思維鏈(CoT)提示的比較研究提示的比較研究注釋：注釋：ICLICL用自然語言描述、幾個演示和一個測試查詢提示用自然語言描述、幾個演示和一個測試查詢提示LLMLLM，而，而CoTCoT提示則涉及提示中的一系列中間推理步驟。提示則涉及提示中的一系列中間推理步驟。資料來源：A Survey of Large Language Models Wayne Xin Zhao等，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明22由于由于LLMLLM是在大量純文本語料庫上訓練成文本生成器的，是在大量純文本語料庫上訓練成文本生成器的，因

44、此在非文本生成方面(例如，數值計算)表現不佳。此外，LLM的能力局限于預訓練數據，例如無法捕捉最新信息。為解決這些問題，為解決這些問題，ChatGPTChatGPT啟用了外部插件的機制啟用了外部插件的機制，幫助ChatGPT訪問最新信息，運行計算或使用第三方服務，類似于LLM的“眼睛和耳朵”，可以廣泛擴展LLM的能力范圍。20232023年年5 5月，月，ChatGPTChatGPT更新了包括網絡瀏覽功能和更新了包括網絡瀏覽功能和70 70 個測試個測試版插件版插件。此更新有望徹底改變ChatGPT 的使用方式，從娛樂和購物到求職和天氣預報。ChatGPTChatGPT建立一個社區，插件開發者

45、來構建建立一個社區，插件開發者來構建ChatGPTChatGPT插件，插件，然后在語言模型顯示的提示符中列出啟用的插件，以及指導模型如何使用每個插件的文檔。1.3 GPT4六大顛覆式技術創新（六大顛覆式技術創新（5）：插件）：插件C h a t G P T 可 以 啟 用 網 絡 瀏 覽 和 插 件 功 能可 以 啟 用 網 絡 瀏 覽 和 插 件 功 能C h a t G P T 插 件 部 分 展 示插 件 部 分 展 示資料來源：Open AI官網，knowtechie，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明23 OpenAIOpenAI 聯合創始人聯合創始人&CEO S

46、am Altman&CEO Sam Altman表示：表示：GPTGPT-4 4是人類迄今為止最復雜的軟件系統。是人類迄今為止最復雜的軟件系統。LLM的發展使得研發和工程的界限不再清晰。LLM的訓練需要在大規模數據處理和分布式并行訓練方面的廣泛實踐經驗。開發LLM，研究人員必須解決復雜的工程問題，與工程師一起工作或成為工程師。1.3 GPT4六大顛覆式技術創新（六大顛覆式技術創新（6）：系統工程）：系統工程集群建設難數據準備難應用落地難推理壓縮難模型訓練難 如何實現參數面無損網絡 如何超大集群穩定性設計？.如何構建高質量的大規模數據集？如何進行數據集質量評測？如何選擇模型稠密稀疏結構?.如何選

47、擇最高效的并行策略組合？如何實現多任務可視化調試調優？如何實現斷點續訓?.如何進行大模型的分布式推理？如何逬行大模型的推理加速？如何進行大模型的無損量化.如何搭建大規模推理集群調度系統？如何進行防攻擊設計？如何有效的進行故障恢復和隔離.開源數據能耗系統設計及優化平臺調度系統設計與優化計算系統設計與優化網絡設計與優化存儲設計與優化私有數據模型結構設計代碼調試模型訓練代碼調試模型微調訓練轉換量化蒸餾剪枝在線推理離線推理API開發集群建設和上線前期準備模型預訓練下游任務微調模型轉換/優化模型部署能力開放大模型專業開發者平臺系統工程師應用開發者資料來源：人工智能大模型技術高峰論壇，國海證券研究所請務必

48、閱讀報告附注中的風險提示和免責聲明242.AI算力：算力：GPT的基座，顯著受益于新一輪科技革命的基座，顯著受益于新一輪科技革命請務必閱讀報告附注中的風險提示和免責聲明252.1 GPT開啟開啟AI新紀元：對標新紀元：對標Windows的生態價值的生態價值ChatGPTChatGPT的發布類似于的發布類似于WindowsWindows的誕生。的誕生。ChatGTP作為大語言模型，將會起到信息系統入口的作用，同時，ChatGPT或將重塑目前的軟件生態。2022年，Windows在全球PC操作系統市占率約75%，應用數量3000萬以上，是世界上生態規模最龐大的商業操作系統。圍繞Windows所創造

49、的桌面軟件生態，誕生了現有的全球互聯網巨頭，亞馬遜、谷歌、META、阿里巴巴、騰訊、百度等。資料來源：人工智能大模型技術高峰論壇，國海證券研究所C h a t G P T 成 為 人 工 智 能 時 代 新 的 信 息 系 統 入 口成 為 人 工 智 能 時 代 新 的 信 息 系 統 入 口桌面和移動應用服務應用AI應用ChatQA翻譯作曲畫圖寫代碼.辦公瀏覽器圖片編輯播放器科學計算各種服務器文件系統內存管理進程管理人機交互網絡安全管控意圖識別情感分析問答文字生成圖片形成聲音生成圖生成文本表示圖像表示圖表示操作系統大語言模型請務必閱讀報告附注中的風險提示和免責聲明262.1 GPT開啟開啟

50、AI新紀元：對標新紀元：對標Iphone的“十年周期”的“十年周期”英偉達英偉達CEOCEO黃仁勛：黃仁勛：ChatGPTChatGPT是是AIAI的“的“IphoneIphone時刻”時刻”iPhone是蘋果公司（Apple Inc.）于2007年1月9日開始發售的搭載iOS操作系統的系列手機產品。同時，圍繞蘋果創造的智能手機生態，誕生了抖音、微信等應用公司，以及蘋果供應鏈環節的廣闊市場機遇。蘋 果 的 生 態蘋 果 的 生 態2 0 0 7-2 0 2 1 年 蘋 果年 蘋 果 i P h o n e 出 貨 量（百 萬 臺）出 貨 量（百 萬 臺）2 0 0 7-2 0 2 1 年 蘋

51、果年 蘋 果 i Ph o n e 市 占 率市 占 率資料來源：counter point research，the product head，國海證券研究所3.713.124.947.593.0135.8153.4192.6231.5215.2 215.8206.3195.6201.1237.90501001502002502007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 20213%9%14%15%18%18%15%15%16%14%14%14%13%15%17%0%2%4%6%8%10%12%14

52、%16%18%20%2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021請務必閱讀報告附注中的風險提示和免責聲明272.1 GPT開啟開啟AI新紀元：科技產業的“十年新周期”新紀元：科技產業的“十年新周期”時間1970s1980s1990s2000s2010s2020s類型大型機小型機個人電腦桌面互聯網移動互聯網AI代表公司IBMControl DataSperryBurroughsDECHPPrimeData GeneralMicrosoftCiscoIntelDellGoogleEbaySina

53、百度阿里巴巴騰訊AppleMetaQualcomm騰訊字節跳動NvidiaTeslaMicrosoftOpenAI.圖示全球科技產業“十年一周期”，新的科技革命誕生新的巨頭！全球科技產業“十年一周期”，新的科技革命誕生新的巨頭！資料來源：清華博學堂，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明282.2 算力是大模型的根基，算力是大模型的根基，GPT的率先受益賽道的率先受益賽道大模型預訓練上游上下文算力算法數據計算存儲網絡模型框架數據軟件視覺對齊部署評估下游辦公視頻創作搜索教育醫療金融模型插件應用網絡數據加工文娛通用模型行業模型2C2B大語言模型（大語言模型（LLMLLM）產業鏈）產

54、業鏈資料來源：國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明29 算力是對信息數據進行處理輸出目標結果的計算能力。隨著社會數字化轉型算力是對信息數據進行處理輸出目標結果的計算能力。隨著社會數字化轉型的持續深入，算力已成為支撐和推動數字經濟發展的核心力量，并對推動科的持續深入，算力已成為支撐和推動數字經濟發展的核心力量，并對推動科技進步、社會治理等發揮著重要的作用技進步、社會治理等發揮著重要的作用。根據中國算力發展指數白皮書測算，算力沒投入1元，將帶動3-4元的經濟產出。2021年全球計算設備算力總規模達到615EFlops，同比增長44%，其中智能算力規模為232EFlops，超級算力

55、規模為14EFlops。智算中心、邊緣數據中心將保持高速增長。先進計算技術產業體系框架計算力指數與GDP走勢顯著正相關2016-2021年全球算力規模及增速資料來源：中國信通院，IDC，國海證券研究所2.2 算力是大模型的根基，算力是大模型的根基，GPT的率先受益賽道的率先受益賽道0%5%10%15%20%25%30%35%40%45%50%0100200300400500600700201620172018201920202021全球算力規模（Eflops）同比增速（%）超算超算通用、智算通用、智算邊緣算力邊緣算力 科學實驗 氣象研究 航空航天 石油勘探 互聯網 通信 金融 政府 智能汽車

56、視頻監控 移動設備 傳感設備算力需求場景請務必閱讀報告附注中的風險提示和免責聲明30 微軟投資10億美金打造OpenAI超算平臺。2020年5月，微軟投資10億美金與OpenAI獨家合作打造了Azure AI超算平臺亮相，性能位居全球前五，擁有超過28.5萬個CPU核心、1萬個GPU、每GPU擁有400Gbps網絡帶寬的超級計算機，主要用于大規模分布式AI模型訓練。據OpenAI報告，訓練一次1746億參數的 GPT-3模型需要的算力約為3640 PFlop/s-day。即假如每秒計算一千萬億次，也需要計算3640天。C ChatGPThatGPT訓練需要消耗巨大算力訓練需要消耗巨大算力OOp

57、enAIpenAI融資歷程融資歷程2.2 算力是大模型的根基，算力是大模型的根基，GPT的率先受益賽道的率先受益賽道融資時間融資輪次融資金額投資方2023/1B輪100億美元微軟2022/1A輪2.5億美元微軟、Google Ventures等2021/1Pre-A輪未披露Sequoia CapitalAndreessen HorowitzTiger Global ManagernerntBedrock Capital2021-未披露微軟2019/7天使+輪10億美元微軟2019/4天使輪1000萬美元Matthew Brown2019/3種子輪未披露Khosla VenturesReid H

58、offman Foundation2016/8Pre-種子輪12萬美元Y Combinator資料來源：清華博學堂，人工智能大模型技術高峰論壇，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明31 TransformerTransformer相關模型對算力的需求提升數倍，遠超過算力產業的摩爾定律增速。相關模型對算力的需求提升數倍，遠超過算力產業的摩爾定律增速?；赥ransformer體系結構的大型語言模型(Large Language Models)涉及高達數萬億從文本中學習的參數。開發它們是一個昂貴、耗時的過程，需要深入研究技術專長、分布式數據中心規模的基礎設施和完整的堆棧加速計算方

59、法?！按竽Ｐ汀按竽Ｐ?大數據”成為預訓練模型的“新范式”。大數據”成為預訓練模型的“新范式”。近年新推出的大語言模型所使用的數據量和參數規模呈現“指數級”增長，參數和數據規模的增長帶來的是算力消耗增加。我們預計未來的大模型所消耗的算力將遠超過目前已有的大模型?！按竽Ｐ汀按竽Ｐ?大數據”成為大數據”成為AIAI預訓練模型的“新范式”預訓練模型的“新范式”Transformer模型消耗的算力遠超過摩爾定律2.2 算力是大模型的根基，算力是大模型的根基，GPT的率先受益賽道的率先受益賽道資料來源：A Survey of Large Language Models，新智元，國海證券研究所請務必閱讀報告

60、附注中的風險提示和免責聲明32 ChatGPTChatGPT產品運營需要更大的算力產品運營需要更大的算力：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0.01美元。根據科技云報道如果使用總投資30.2億元、算力500P的數據中心來支撐ChatGPT的運行，至少需要7-8個這樣的數據中心，基礎設施的投入都是以百億計的。ModelPromptCompletion8K context$0.03/1K tokens$0.06/1K tokens32K context$0.06/1K tok

61、ens$0.12/1K tokens2.2 算力是大模型的根基，算力是大模型的根基，GPT的率先受益賽道的率先受益賽道GPTGPT的應用場景的應用場景GPTGPT-4 4的的APIAPI價格價格資料來源：從大模型到人工智能機遇與挑戰專題論壇，PingCode，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明332.3 2023年，全球算力上市公司市值漲幅可觀年，全球算力上市公司市值漲幅可觀行業證券代碼證券簡稱漲幅排名光模塊603083.SH劍橋科技681.24%光模塊301205.SZ聯特科技496.05%服務器SMCI.O超微電腦375.14%光模塊300308.SZ 中際旭創366.

62、71%光模塊300502.SZ新易盛303.38%存儲300042.SZ朗科科技270.54%GPU688256.SH寒武紀251.32%光模塊300394.SZ天孚通信226.95%GPUNVDA.O英偉達219.55%服務器3231.TW緯創166.29%服務器601138.SH工業富聯150.59%服務器000977.SZ浪潮信息129.01%服務器603019.SH中科曙光116.81%服務器000938.SZ紫光股份106.24%GPU688047.SH龍芯中科97.65%GPUAMD.OAMD97.16%光模塊000988.SZ華工科技95.48%GPU300474.SZ景嘉微93

63、.95%光模塊002281.SZ光迅科技89.64%服務器2382.TW廣達67.53%服務器000066.SZ中國長城63.11%服務器2356.TW英業達61.35%服務器DELL.N戴爾43.05%服務器0992.HK聯想集團42.22%存儲000660.KS海力士38.15%存儲005930.KS三星33.71%GPU688041.SH海光信息33.27%存儲MU.O美光科技31.44%GPUINTC.OINTEL25.27%存儲300223.SZ北京君正19.43%存儲688008.SH瀾起科技11.22%存儲603986.SH兆易創新 9.76%20222022年年1010月月-至

64、今至今 英偉達和全球部分證券市場走勢圖英偉達和全球部分證券市場走勢圖資料來源：Wind，國海證券研究所，注釋：股價截至日期2023年6月12日20222022年年1010月月-至今至今 全球算力相關公司市值漲幅全球算力相關公司市值漲幅010,00020,00030,00040,00050,00060,00070,000-11%39%89%139%189%2022-10-032022-11-182023-01-102023-03-012023-04-192023-06-07成交金額(百萬元)(右)英偉達(NVIDIA)納斯達克指數ChatGPT突破1億月活，頻繁發生宕機比爾蓋茨、黃仁勛等大咖為C

65、hatGPT“站臺”。云計算公司搶購A100/H100，產品漲價，供貨周期拉長英偉達發布2024年第一季度財報，Q1業績和Q2指引均超預期請務必閱讀報告附注中的風險提示和免責聲明342022.102022.10-至今至今 GPUGPU公司股價走勢公司股價走勢2022.102022.10-至今至今 服務器公司股價走勢服務器公司股價走勢2022.102022.10-至今至今 存儲公司股價走勢存儲公司股價走勢2022.102022.10-2023.6 2023.6 光模塊公司股價走勢光模塊公司股價走勢2.3 2023年，全球算力上市公司市值漲幅可觀年，全球算力上市公司市值漲幅可觀資料來源：Wind，

66、國海證券研究所，注釋：股價截至日期2023年6月12日-20%30%80%130%180%230%280%330%2022-10-032022-11-182023-01-102023-03-012023-04-192023-06-07英偉達(NVIDIA)海光信息超威半導體(AMD)英特爾(INTEL)寒武紀-U-7%43%93%143%193%243%293%343%2022-10-102022-11-242023-01-112023-03-062023-04-212023-06-12浪潮信息中科曙光工業富聯緯創超微電腦-17%-7%3%13%23%33%43%53%63%2022-10-1

67、02022-11-242023-01-112023-03-062023-04-212023-06-12SAMSUNG ELECSK HYNIX美光科技(MICRON TECHNOLOGY)兆易創新東芯股份-5%95%195%295%395%495%595%2022-10-102022-11-242023-01-112023-03-062023-04-212023-06-12中際旭創劍橋科技聯特科技新易盛天孚通信英偉達是核心錨請務必閱讀報告附注中的風險提示和免責聲明353.計算：計算：GPU為算力核心，服務器為重要載體為算力核心，服務器為重要載體請務必閱讀報告附注中的風險提示和免責聲明36 服務

68、器通常是指那些具有較高計算能力，能夠提供給多個用戶使用的計算機。服務器通常是指那些具有較高計算能力，能夠提供給多個用戶使用的計算機。服務器與PC機的不同點很多，例如PC機在一個時刻通常只為一個用戶服務。服務器與主機不同，主機是通過終端給用戶使用的，服務器是通過網絡給客戶端用戶使用的，所以除了要擁有終端設備，還要利用網絡才能使用服務器電腦，但用戶連上線后就能使用服務器上的特定服務了。AIAI服務器是一種能夠提供人工智能（服務器是一種能夠提供人工智能（AIAI）計算的服務器。）計算的服務器。它既可以用來支持本地應用程序和網頁，也可以為云和本地服務器提供復雜的AI模型和服務。AI服務器有助于為各種實

69、時AI應用提供實時計算服務。AIAI服務器按應用場景可分為訓練和推服務器按應用場景可分為訓練和推理兩種，其中訓練對芯片算力要求更高，推理對算力的要求偏低。理兩種，其中訓練對芯片算力要求更高，推理對算力的要求偏低。3.1 服務器：服務器：AI算力的重要載體算力的重要載體服務器的主要分類服務器的主要分類NVIDIA A100服務器資料來源：智研咨詢，servethehome，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明371 1）全球服務器市場：）全球服務器市場：根據Counterpoint報告，2022年，全球服務器市場的收入將同比增長17%，達到1117億美元。主要企業：主要企業：戴

70、爾、惠普、聯想、浪潮和超微等服務器公司，以及富士康、廣達、緯創、英業達等ODM廠商。ODM Direct的增長速度比整體市場高3個百分點，ODM Direct將成為大規模數據中心部署的硬件選擇。2 2）全球）全球AIAI服務器市場：服務器市場：根據IDC數據，預計2022年市場規模約為183億美元，2023年市場規模211億美元。市場份額：市場份額：浪潮信息市場占有率達20.2%。其次，戴爾、HPE、聯想、華為占比分別為13.8%、9.8%、6.1%、4.8%。2021全球AI服務器市場份額2022年全球AI服務器主要客戶2021年全球各服務器公司收入（單位：百萬美元）3.1 服務器：服務器：

71、AI算力的重要載體算力的重要載體資料來源：Counterpoint，IDC，中商情報網，國海證券研究所微軟,19.00%谷歌,17.00%Meta,16.00%AWS,14.00%字節跳動,6.00%騰訊,2.30%阿里巴巴,1.50%百度,1.50%其他,22.70%請務必閱讀報告附注中的風險提示和免責聲明381 1）中國服務器市場：）中國服務器市場：2022年，中國服務器市場規模為273.4億美元。2022年，浪潮以28.1%的市場份額位列第一，收入達530.63億。2 2）中國加速服務器市場：）中國加速服務器市場：根據IDC數據，2022年，中國加速服務器市場規模達到67億美元，同比增長

72、24%。2022年，浪潮、新華三、寧暢位居前三，占據了60%以上的市場份額互聯網依然是最大的采購行業，占整體加速服務器市場接近一半的份額。3.1 服務器：服務器：AI算力的重要載體算力的重要載體2023-2027E中國加速服務器市場規模2022年中國AI服務器市場份額2019-2023年中國服務器市場規模2021-2022年中國服務器市場份額182216.49250.9273.430818.95%15.89%8.97%12.66%0%2%4%6%8%10%12%14%16%18%20%05010015020025030035020192020202120222023E市場規模（億美元）同比增長

73、（%）資料來源：中商產業研究院，IDC,華經產業研究院,國海證券研究所浪潮,47%新華三,11%寧暢,9%安擎,7%坤前,6%華為,6%寶德,5%思騰合力,2%其他,7%請務必閱讀報告附注中的風險提示和免責聲明39AIAI芯片是算力的核心。芯片是算力的核心。AI芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊（其他非計算任務仍由CPU負責）。伴隨數據海量增長，算法模型趨向復雜，處理對象異構，計算性能要求高，AI 芯片在人工智能的算法和應用上做針對性設計，可高效處理人工智能應用中日漸多樣繁雜的計算任務。GPUGPU是是目前最廣泛應用的目前最廣泛應用的AIAI芯片。

74、芯片。AI芯片主要包括圖形處理器（GPU）、現場可編程門陣列（FPGA）、專用集成電路（ASIC）、神經擬態芯片（NPU）等。GPU屬于通用型芯片，ASIC屬于專用型芯片，而FPGA則是介于兩者之間的半定制化芯片。2022年，我國GPU服務器占AI服務器的89%。AI芯片的分類不同AI芯片之間對比GPUGPUFPGAFPGAASICASIC特點通用型半定制化專用型芯片架構疊加大量計算單元和高速內存，邏輯控制單元簡單具備可重構數字門電路和存儲器,根據應用定制電路結構可根據特定領域應用和特定算法定制擅長領域3D圖像處理，密集型并行運算算法更新頻繁或者市場規模較小的專用領域市場需求量大的專用領域優點

75、計算能力強，通用性強，開發周期短，難度小，風險低功能可修改，高性能、功耗遠低于GPU，一次性成本低專業性強、性能高于FPGA、功耗低、量產成本低缺點價格貴、功耗高編程門檻高、量產成本高開發周期長、難度太、風險高、一次性成本高3.2 GPU：AI算力的核心算力的核心資料來源：前瞻產業研究院,華經情報網,國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明40年份 主要進展代表產品晶體管數量總線API渲染模型1980-1990圖形工作站系統SGI Iris Geometry engine1MIris GL1995-1998GPU,硬件光柵化3dfx VoodooNVIDIA TNT2ATI Ra

76、ge10MPCI,AGP 2XOpenGL 1.12,DirectX61999-2000硬件幾何處理NVIDA Geforce2 ATI Radeon 7000S3 Savage 3D25MAGP4XOpenGL 1.12,DirectX7 2001可編程頂點程序Geforce Radeon800060MOpenGL 1.13,DirectX81.02003可編程程序像素Geforce FX Radeon9000100MAGP8XOpenGL 1.13,DirectX9 2.02004-200564位顏色，視頻出來，增強可編程性Geforce 6/7 Radeon X 200MPCI-EOpe

77、nGL 2.10,DirectX 9.10c3.02006-至今可編程同意渲染器GPGPUGeforce 8/9 Radeon 2000/3000/4000700MPCIe2.0OpenGL 2.11,Directx10,CUDA,OpenCL 4.0 GPUGPU是是NVIDIANVIDIA公司公司在在19991999年年8 8月發表月發表NVIDIA GeForce 256NVIDIA GeForce 256繪圖處理芯片時首先提出的概念。繪圖處理芯片時首先提出的概念。在此之前，電腦中處理影像輸出的顯示芯片，通常很少被視為是一個獨立的運算單元。3.2 GPU：AI算力的核心算力的核心資料來源

78、：清華博學堂,國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明41 圖形處理器圖形處理器（GPUGPU），又稱顯示核心顯示核心（display core）、視覺處理器視覺處理器（video processor）、顯示芯片顯示芯片（display chip）或圖形芯片圖形芯片（graphics chip），是一種專門執行繪圖運算工作的微處理器。GPUGPU具有數百或數千個內核，經過優化，可并行運行大量計算。具有數百或數千個內核，經過優化，可并行運行大量計算。雖然GPU在游戲中以3D渲染而聞名，但它們對運行分析、深度學習和機器學習算法尤其有用。GPU允許某些計算比傳統CPU上運行相同的計算速

79、度快10倍至100倍。GPGPU，即是將GPU的圖形處理能力用于通用計算領域的處理器。GPUGPU主要產品形態及玩家主要產品形態及玩家GPUGPU和和CPUCPU架構對比架構對比3.2 GPU：AI算力的核心算力的核心資料來源：中國人工智能學會，embedded，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明42 根據LC數據，20192019年，年，NVIDIANVIDIA在全球在全球AIAI加速云市場份額高達加速云市場份額高達97%97%。此外，。此外，AMD GPUAMD GPU、賽靈思、賽靈思FPGAFPGA、InteIntel l FPGAFPGA的云的云計算份額分別為計算份

80、額分別為1.0%1.0%、1.0%1.0%、0.6%0.6%的份額。的份額。20212021年，中國加速卡出貨量超年，中國加速卡出貨量超8080萬片，萬片，NvidiaNvidia市占率市占率80%+80%+。2021年我國服務器AI加速卡市場份額英偉達數據中心GPU類別80%20%Nvidia其他2019年全球四大云平臺加速卡占比3.2 GPU：AI算力的核心算力的核心資料來源：快科技，IDC，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明43 CUDACUDA是英偉達是英偉達20072007年推出的一種并行計算平臺和應用程序編程接口年推出的一種并行計算平臺和應用程序編程接口(API

81、)(API)，允許軟件使用某些類型的GPU進行通用計算機處理。CUDA與 NVIDIA GPU 無縫協作，加速跨多個領域的應用程序開發和部署。目前，超過一百萬的開發人員正在使用目前，超過一百萬的開發人員正在使用 CUDACUDA-X X，它提供了提高生產力的能力，同時受益于持續的應用程序性能。，它提供了提高生產力的能力，同時受益于持續的應用程序性能。3.2 GPU：AI算力的核心算力的核心資料來源：英偉達官網，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明442023 2023 財年，英偉達全球收入財年，英偉達全球收入269.7269.7億美元，億美元，其中，圖形業務部門的收入約為 1

82、19 億美元，計算與網絡部門的收入為 151 億美元。2023Q12023Q1（Q1 FY24Q1 FY24）財季，英偉達數據中心業務營收）財季，英偉達數據中心業務營收42.842.8億美元，億美元，歷史新高，同比增長歷史新高，同比增長14%14%，環比增長，環比增長18%18%。2015-2023年英偉達全球收入（十億美元）2015-2023年英偉達按部門收入（百萬美元）2021Q2-2024Q1 英偉達各季度收入-按市場1,752 1,900 1,903 2,048 2,366 2,936 3,263 3,750 3,806 3,833 3,620 4,280 05001,0001,500

83、2,0002,5003,0003,5004,0004,500Q2 FY21Q3 FY21Q4 FY21Q1 FY22Q2 FY22Q3 FY22Q4 FY22Q1 FY23Q2 FY23Q3 FY23Q4 FY23Q1 FY24GamingData CenterProressianal VisualizationAutoOEM&Other3.2 GPU：AI算力的核心算力的核心資料來源：statista，英偉達財報，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明454.網絡：數據中心算力瓶頸，光模塊需求放量網絡：數據中心算力瓶頸，光模塊需求放量請務必閱讀報告附注中的風險提示和免責聲明4

84、6 數據通信設備（網絡設備、數據通信設備（網絡設備、ICTICT設備）設備）泛指實現IP網絡接入終端、局域網、廣域網間連接、數據交換及相關安全防護等功能的通信設備，主要大類包括交換機、路由器、交換機、路由器、WLANWLAN。其中主要的是交換機和路由器。其中主要的是交換機和路由器。網絡設備是互聯網基本的物理設施層，屬于信息化建設所需的基礎架構產品。網絡設備是互聯網基本的物理設施層，屬于信息化建設所需的基礎架構產品。4.1 網絡：算力的瓶頸之一，英偉達布局網絡：算力的瓶頸之一，英偉達布局InfiniBand網絡設備分類及介紹資料來源：華經產業研究院，國海證券研究所請務必閱讀報告附注中的風險提示和

85、免責聲明47 網絡設備制造服務行業，網絡設備制造服務行業，上游主要為芯片、PCB、電源、各類電子元器件等生產商，直接下游為各網絡設備品牌商，終下游包括運營商、政府、金融、教育、能源、電力、交通、中小企業、醫院等各個行業。網絡設備根據應用領域分為電信級、企業級和消費級。網絡設備根據應用領域分為電信級、企業級和消費級。電信級網絡設備主要應用于電信運營商市場，用于搭建核心骨干互聯網；企業級網絡設備主要應用于非運營商的各種企業級應用市場，包括政府、金融、電力、醫療、教育、制造業、中小企業等市場；消費級網絡設備主要針對家庭及個人消費市場。4.1 網絡：算力的瓶頸之一，英偉達布局網絡：算力的瓶頸之一，英偉

86、達布局InfiniBand網絡設備按照應用領域分類情況網絡設備上下游情況資料來源：觀研報告網，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明48 市場規模市場規模，1 1）全球：）全球：根據IDC報告，2021年網絡市場規模為542.4億美元，同比增長10.1%。其中交換機、路由器和WLAN增速分別為9.7%、6.5%和20.4%。2 2）中國：中國：2021年網絡市場規模為102.4億美元（約677.89億元人民幣），同比增長12.1%。數字經濟、數字經濟、5G5G、云計算、網絡設備升級、大型數據中心建設等驅動網絡設備行業需求持續提升。、云計算、網絡設備升級、大型數據中心建設等驅動網

87、絡設備行業需求持續提升。競爭格局，競爭格局，行業集中度較高，思科、華為、新華三等少數幾家企業占據著絕大部分的市場份額，呈現寡頭競爭的市場格局。人工智能和高性能計算人工智能和高性能計算(HPC)(HPC)日益增長的計算需求推動了多節點、多日益增長的計算需求推動了多節點、多GPUGPU系統的無縫、高速通信的需求，為了構建最強大系統的無縫、高速通信的需求，為了構建最強大的、能夠滿足業務速度的端到端計算平臺，需要一個快速、可擴展的互連網絡。的、能夠滿足業務速度的端到端計算平臺，需要一個快速、可擴展的互連網絡。2021年全球及中國交換機行業市場份額情況資料來源：智研咨詢，華經產業研究，國海證券研究所20

88、17-2024年中國網絡設備市場規模統計（億美元）4.1 網絡：算力的瓶頸之一，英偉達布局網絡：算力的瓶頸之一，英偉達布局InfiniBand請務必閱讀報告附注中的風險提示和免責聲明494.1 網絡：算力的瓶頸之一，英偉達布局網絡：算力的瓶頸之一，英偉達布局InfiniBand 通信成為算力的瓶頸。通信成為算力的瓶頸。AI加速器通常會簡化或刪除其他部分，以提高硬件的峰值計算能力，但是卻難以解決在內存和通信上的難題。無論是芯片內部、芯片間，還是AI加速器之間的通信，都已成為AI訓練的瓶頸。擴展帶寬的技術難題還尚未被攻擴展帶寬的技術難題還尚未被攻克?？?。過去20年間，運算設備的算力提高了90,00

89、0倍，雖然存儲器從DDR發展到GDDR6x，接口標準從PCIe1.0a升級到NVLink3.0，但是通訊帶寬的增長只有30倍。通信帶寬的提升速度遠低于計算提升的速度資料來源：量子位，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明50 英偉達英偉達NVLinkNVLink。NVLinkNVLink是是 NVIDIA NVIDIA 的高帶寬、高能效、的高帶寬、高能效、低延遲、無損的低延遲、無損的 GPU GPU 到到 GPU GPU 互連技術，互連技術，其中包含諸如鏈路級錯誤檢測和數據包回放機制等彈性特性，可保證數據的成功傳輸。對比上一代，第四代對比上一代，第四代NVLinkNVLink可

90、將全局歸約操作的帶寬提可將全局歸約操作的帶寬提升升 3 3 倍，通用帶寬提升倍，通用帶寬提升 50%50%，單個單個NVIDIA H100 NVIDIA H100 Tensor Core GPUTensor Core GPU最多支持最多支持1818個個NVLinkNVLink連接，連接，多多 GPU IO GPU IO 的總帶寬為的總帶寬為 900GB/s900GB/s，是，是 PCIe 5.0 PCIe 5.0 的的 7 7 倍。倍。NVLink 性能表現NVLink 規格NVLink 鏈接圖4.1 網絡：算力的瓶頸之一，英偉達布局網絡：算力的瓶頸之一，英偉達布局InfiniBand資料來源

91、：英偉達官網，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明51 英偉達英偉達NVSwitchNVSwitch。第三代 NVSwitch 技術包括位于節點內部和外部的交換機，用于連接服務器、集群和數據中心環境中的多個 GPU。節點內的每個節點內的每個 NVSwitchNVSwitch 具有具有 64 64 個第四代個第四代 NVLinkNVLink 鏈路端口，鏈路端口，可加速多 GPU 連接。交換機總吞吐量從上一代的 7.2Tb/s 提升到 13.6Tb/s。新的第三代NVSwitch 技術還通過組播和 NVIDIA SHARP 在網計算，為集合運算提供硬件加速。英偉達結合英偉達結合全

92、新全新 NVLINK NVLINK 和和 NVSwitchNVSwitch 技術，技術，構建大型構建大型NVLinkNVLink Switch Switch 系統網絡，實現前系統網絡，實現前所未有的通信帶寬水平。所未有的通信帶寬水平。NVLink Switch 系統最多可支持 256 個 GPU?；ミB節點能夠提供 57.6 TB 的多對多帶寬，可提供高達 1 exaFLOP 級別的 FP8 稀疏計算算力。NVSwitch規格參數基于 DGX A100 與 DGX H100 的 32 節點、256 GPU NVIDIA SuperPOD對比4.1 網絡：算力的瓶頸之一，英偉達布局網絡：算力的瓶頸

93、之一，英偉達布局InfiniBand資料來源：英偉達官網，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明52InfiniBandInfiniBand是一個用于高性能計算的計算機網絡通信標準，特點是高帶寬高帶寬、低延遲低延遲，主要用于高性能計算（HPC）、高性能集群應用服務器和高性能存儲。20192019年年3 3月，英偉達以月，英偉達以6969億美金收購億美金收購Mellanox Mellanox，加大，加大InfiniBandInfiniBand投入。投入。2021年，發布NVIDIA Quantum-2，采用第七代 NVIDIA InfiniBand 架構，為AI 開發者和科學研究

94、人員提供超強網絡性能和豐富功能。InfiniBand(12X)萬兆以太網帶寬30G,60G,120G,168G,312G10G延遲小于等于1微秒接近10微秒應用領域超級計算企業存儲領域互聯網、域域網、數據中心骨干等優點極低的延遲和高吞吐量應用范圍廣、已成為業界普遍認可的標準互聯技術缺點再服務器硬件上需要昂貴的專有互聯設備延遲難以進一步降低InfiniBand與萬兆以太網的比較InfiniBand廣泛應用于全球超算中心資料來源：英偉達官網，開源Linux，半導體行業觀察，國海證券研究所NVIDIA Quantum-2 InfiniBand 交換機可提供海量吞吐、出色的網絡計算能力、智能加速引擎、

95、杰出的靈活性和健壯架構，在高性能計算(HPC)、AI 和超大規模云基礎設施中發揮出色性能，并為用戶降低成本和系統復雜性。NVIDIA Quantum-2 InfiniBand 交換機系列4.1 網絡：算力的瓶頸之一，英偉達布局網絡：算力的瓶頸之一，英偉達布局InfiniBand請務必閱讀報告附注中的風險提示和免責聲明53 光模塊是光纖通信系統的核心器件之一，光模塊是光纖通信系統的核心器件之一，其為多種模塊類別的統稱，包括：光接收模塊，光發送模塊，光收發一體模塊光收發一體模塊和光轉發模塊等。通常情況下，光模塊由光發射器件光發射器件（TOSATOSA，含激光器含激光器）、光接收器件光接收器件（RO

96、SAROSA，含光探測器含光探測器）、驅動電路驅動電路、放大器和光放大器和光（電電）接口接口等部分組成。光模塊主要用于實現電光模塊主要用于實現電-光和光光和光-電信號的轉換電信號的轉換。光模塊：光電轉換示意圖資料來源：深圳市電子商會，億渡數據，國海證券研究所4.2 光模塊：網絡核心器件，光模塊：網絡核心器件，AI訓練提振訓練提振800G需求需求請務必閱讀報告附注中的風險提示和免責聲明54 光模塊行業的上游主要包括光芯片、電芯片、光組件企業。光模塊行業的上游主要包括光芯片、電芯片、光組件企業。光組件行業的供應商較多，但高端光芯片和電芯片技術壁壘高，研發成本高昂，主要由境外企業壟斷。光模塊行業位于

97、產業鏈的中游，屬于封裝環節。光模塊行業下游包括互聯網及云計算企業、電信運營商、數據通信和光通信設備商等。光模塊：產業鏈資料來源：深圳市電子商會，國海證券研究所4.2 光模塊：網絡核心器件，光模塊：網絡核心器件，AI訓練提振訓練提振800G需求需求請務必閱讀報告附注中的風險提示和免責聲明55 作為信息化和互連通信系統中必需的核心器件，光通信模塊的發展對作為信息化和互連通信系統中必需的核心器件，光通信模塊的發展對 5G 5G 通信、電子、大數據、互聯網行業的影響至關重通信、電子、大數據、互聯網行業的影響至關重要。要。全球數據流量的增長，光通信模塊速率的提升，光通信技術的創新等推動光模塊產業規模持續

98、增長。全球光模塊市場Lightcounting 預測，全球光模塊的市場規模在未來全球光模塊的市場規模在未來 5 5 年將以年將以 CAGR11%CAGR11%保持增長，保持增長，2027 2027 年將突破年將突破 200 200 億美元。億美元。另外，高算力、低功耗是未來市場的重要發展方向，CPO、硅光技術或將成為高算力場景 下“降本增效”的解決方案。光模塊應用場景主要可以分為數據通信和網絡通信兩大領域。光模塊應用場景主要可以分為數據通信和網絡通信兩大領域。數據通信領域主要是指互聯網數據中心以及企業數據中心。網絡通信主要包括光纖接入網、城域網/骨干網以及5G接入、承載網為代表的移動網絡應用。

99、2017-2022全球光模塊市場規模統計預測（百萬美元）2020年我國光模塊應用市場結構全球光模塊細分市場規模及預測資料來源：華經產業研究院，中商產業研究院，中際旭創公告，國海證券研究所4.2 光模塊：網絡核心器件，光模塊：網絡核心器件，AI訓練提振訓練提振800G需求需求請務必閱讀報告附注中的風險提示和免責聲明56 2010年至年至2021年，全球前十家光模塊廠商中，中國企業增長至年，全球前十家光模塊廠商中，中國企業增長至5家。家。Omdia發布的全球前十大光模塊廠商名單及其2021年市場份額變動情況顯示，前十名分別為：高意集團、中際旭創、朗美通、光迅科技、博通、海信寬帶多媒體、高意集團、中

100、際旭創、朗美通、光迅科技、博通、海信寬帶多媒體、Acacia、昂納集團、住友電工、英特爾昂納集團、住友電工、英特爾。國內入圍的廠商有中際旭創、光迅科技、海信寬帶多媒體、昂納集團中際旭創、光迅科技、海信寬帶多媒體、昂納集團，前四大國內光模塊廠商占據全球的26%市場份額。海關數據顯示，海關數據顯示，2017-2021年中國光模塊行業貿易順差額逐年增長。年中國光模塊行業貿易順差額逐年增長。2017年我國光模塊行業貿易順差額為14.85億美元，其中進口額為10.80億美元，出口額為25.65億美元;2021年光模塊行業貿易順差額增長至33.23億美元，其中進口額為8.77億美元，出口額為42.10億美

101、元。項目2017年2018年 2019年2020年2021年進口額10.808.939.949.228.77出口額25.6528.9930.5136.9042.10進出口額36.4537.9240.4546.1250.87貿易順差14.8520.0620.5727.6733.23全球前十大光模塊廠商2017-2021年中國光模塊行業進出口狀況表（億美元）2021年全球光模塊市場份額資料來源：中商產業研究院，中際旭創公告，前瞻產業研究院，深圳市電子商會，國海證券研究所4.2 光模塊：網絡核心器件，光模塊：網絡核心器件，AI訓練提振訓練提振800G需求需求請務必閱讀報告附注中的風險提示和免責聲明5

102、7企業簡稱業務/產品類型光模塊業務概況2022 年 光 模塊銷量（萬塊）同比增速光迅科技光電子器件、模塊和子系統數據中心 800G 高速產品、固網接入 combo PON 系列產品、400G DCO 系列產品等均取得較好進展。21075.27-8.57%中際旭創高端光通信收發模塊、光器件800G 和相干系列產品等已實現批量出貨，1.6T 光模塊和 800G 硅光模塊已開發成功并進入送測階段，CPO（光電共封）技術和 3D 封裝技術也在持續研發進程中。946-9.13%新易盛光模塊已成功研發出涵蓋 5G 前傳、中傳、回傳的25G、50G、100G、200G 系列光模塊產品并實現批量交付。前已成功

103、推出800G 的系列高速光模塊產品，基于硅光解決方案的 800G、400G 光模塊產品及 400G ZR/ZR+相干光模塊產品、以及基于LPO 方案的 800G 光模塊產品。759-2.57%聯特科技光模塊研發生產的不同型號光模塊產品累計1000 余種，公司兼具產品研發和生產制造能力，擁有光芯片集成、光器件以及光模塊的設計、生產能力，是國內少數可以批量交付涵蓋 10G、25G、40G、50G、100G、200G、400G、800G 全系列光模塊的廠商。29818.73%博創科技PLC光分路器、光收發模塊等堅持走光電結合和器件模塊化、集成化、小型化的道路，專注于集成光電子器件的規?；瘧?，為電信

104、傳輸網和接入網以及數據通信提供關鍵的光電子器件。產品包括PLC 光分路器PON光收發模塊、AWG和VMUX、用于無線承載網的前傳、中回傳光收發模塊，25G-400G bps 速率的光收發模塊、AOC、DAC、ACC、CPO 等。532.6442.12%德科立光收發模塊、光放大器、光傳輸子系統在非相干光模塊領域，25G 單波速率下，100G（425G）80km 產品傳輸距離業界領先；50G單波速率下，200G（450G）40km 產品傳輸距離業界領先；100G 單波速率下，400G（4100G）10km/40km 產品傳輸距離業界領先。在相干光模塊領域，公司最新研發的 100G/200G 相干光

105、模塊產品在國內市場仍處于技術領先水平。公司是行業內少數能夠同時提供高速率相干與高速率非相干光模塊的公司。133.1911.23%劍橋科技高速光模塊進一步優化 800G 8FR1 產品和 800G 2FR4 的工藝和良率并在上海工廠逐步量產，推動新一代低功耗、低成本 400G DR4/DR4+產品的生產導入和量產，對 100G CWDM4、100G LR4、100G DR/FR、400G FR4 進行持續的降本改進，加快 800G 產品大規模量產的步伐。89.032.77%光模塊：光模塊行業上市公司基本信息對比4.2 光模塊：網絡核心器件，光模塊：網絡核心器件，AI訓練提振訓練提振800G需求需

106、求資料來源：各公司公告，前瞻產業研究院，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明58 AIGC 的高速發展將進一步促進數據流量的持續增長和包括光模塊在內的 ICT 行業的發展，加速光模塊向 800G 及以上產品迭代。LightCounting 數據顯示，2023 年開始，800G 有望拉動新一輪增長，預計在 2026 年突 破 30 億美元大關。預計英偉達 H100 GPU：800G光模塊為1:2-1:4。英偉達采用的InfiniBand無阻塞、胖樹架構。我們預計算力網絡中，服務器層GPU與800G光模塊比例為1:1；交換機層GPU與800G光模塊比例為1:2；此外，考慮核心層交

107、換機，以及管理網絡、存儲網絡等，以及安裝率相關因素，預計英偉達 H100 GPU：800G光模塊的比例約為1:2-1:4。數據中心光模塊需求演進（2021-2026年數據為預測值）DGX H100 數據網絡配置圖資料來源：LightCounting，servethehome，國海證券研究所4.2 光模塊：網絡核心器件，光模塊：網絡核心器件，AI訓練提振訓練提振800G需求需求請務必閱讀報告附注中的風險提示和免責聲明59 2023年5月，英偉達推出DGX GH200GH200，GH200GH200是是將將 256 256 個個NVIDIA Grace HopperNVIDIA Grace Hop

108、per超級芯片超級芯片完全連接,旨在處理用于大規模推薦系統、生成式人工智能生成式人工智能和圖形分析的太字節級模型。NVLink交換系統采用兩級、無阻塞、胖樹結構。如下圖：L1和L2層分為96和32臺交換機，承載Grace Hopper超級芯片的計算底板使用NVLink fabric第一層的定制線纜連接到NVLink交換機系統。LinkX電纜擴展了NVLink fabric的第二層連接。我們預計我們預計GH200GH200的推出將進一步促進的推出將進一步促進800G800G光模塊的需求增長。光模塊的需求增長。DGX GH200技術參數DGX GH200通過NVLink將256個GPU完全聯接4.

109、2 光模塊：網絡核心器件，光模塊：網絡核心器件，AI訓練提振訓練提振800G需求需求資料來源：英偉達官網，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明605.存儲：人工智能“內存墻”，存儲：人工智能“內存墻”，3D工藝持續突破工藝持續突破請務必閱讀報告附注中的風險提示和免責聲明615.1 存儲：半導體產業核心支柱，存儲：半導體產業核心支柱，AI算力的“內存墻”算力的“內存墻”計算機存儲器是一種利用計算機存儲器是一種利用半導體半導體、磁性介質等技術制成的存儲、磁性介質等技術制成的存儲資料資料的電子設備。其的電子設備。其電子電路電子電路中的資料以中的資料以二進制二進制方式存儲，方式存儲，

110、不同存儲器產品中基本單元的名稱也不一樣。不同存儲器產品中基本單元的名稱也不一樣。存儲芯片可分為掉電易失和掉電非易失兩種，存儲芯片可分為掉電易失和掉電非易失兩種，其中易失存儲芯片主要包含靜態隨機存取存儲器（SRAM）和動態隨機存取存儲器（DRAM）；非易失性存儲器主要包括可編程只讀存儲器（PROM），閃存存儲器（Flash）和可擦除可編程只讀寄存器（EPROM/EEPROM）等。NAND FlashNAND Flash和和DRAMDRAM存儲器領域合計占半導體存儲器市場比例達到存儲器領域合計占半導體存儲器市場比例達到95%95%以上。以上。數據中心光模塊需求演進（2021-2026年數據為預測值

111、）DGX H100 數據網絡配置圖資料來源：鮮棗課堂，果殼硬科技，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明62 半導體存儲器也是整個半導體產業的核心支柱之一。半導體存儲器也是整個半導體產業的核心支柱之一。半導體行業分為集成電路、光電器件、分立器件、傳感器等子行業，根據功能的不同，集成電路又可以分為存儲器、邏輯電路、模擬電路、微處理器等細分領域。根據世界半導體貿易統計（WSTS）對世界半導體貿易規模的最新報告，20212021年全球半導體行業的整體規模達到年全球半導體行業的整體規模達到5529.615529.61億美元，同比增長億美元，同比增長25.6%25.6%。其中存儲器的市場

112、規模接近。其中存儲器的市場規模接近16001600億美元，是半導體中規模最億美元，是半導體中規模最大的子行業，占比超過大的子行業，占比超過1/41/4。1239158010961192153815550200400600800100012001400160018002017年2018年2019年2020年2021年2022年2017-2022年全球存儲器行業市場規模（單位：億美元）2021年全球半導體細分行業結構存儲器,29%邏輯電器,27%微處理器,14%模擬電路,13%光電器件,8%分立器件,6%傳感器,3%存儲器邏輯電器微處理器模擬電路光電器件分立器件傳感器存儲芯片產業鏈5.1 存儲：半

113、導體產業核心支柱，存儲：半導體產業核心支柱，AI算力的“內存墻”算力的“內存墻”資料來源：WSTS，中商產業研究院，前瞻產業研究院，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明63“內存墻”“內存墻”(memory wall)是制約是制約AIAI算力提升的重要因素。算力提升的重要因素。Transformer模型中的參數數量呈現出2年240倍的超指數增長，而單個GPU內存僅以每2年2倍的速度擴大。訓練AI模型的內存需求，通常是參數數量的幾倍。因為訓練需要存儲中間激活，通常會比參數（不含嵌入）數量增加3-4倍的內存。自谷歌團隊在2017年提出Transformer，模型所需的內存容量開始

114、大幅增長。2016-2021年Transformer參數數量和單GPU內存的變化趨勢訓練不同神經網絡模型所需要的內存量5.1 存儲：半導體產業核心支柱，存儲：半導體產業核心支柱，AI算力的“內存墻”算力的“內存墻”資料來源：量子位，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明64存算一體的原理、優勢存算一體的原理、優勢存算一體就是存算一體就是存儲器中疊加計算能力，以新的高效運算架構進行二維和三維矩陣計算。存算一體的優勢存算一體的優勢包括：具有更大算力（1000TOPS以上）具有更高能效（超過10-100TOPS/W），超越傳統ASIC算力芯片降本增效（可超過一個數量級）存算一體技術的

115、技術底層存算一體技術的技術底層特征包括：減少數據搬運（降低能耗至1/101/100）存儲單元具備計算能力（等效于在面積不變的情況下規?；黾佑嬎愫诵臄?，或者等效于提升工藝代）單個存算單元替代“計算邏輯+寄存器”更小更快更高并行度、更高能效、更大專用算力代表企業代表企業代表企業存算一體原理優勢資料來源：陳巍先進存算一體芯片設計，國海證券研究所5.1 存儲：半導體產業核心支柱，存儲：半導體產業核心支柱，AI算力的“內存墻”算力的“內存墻”請務必閱讀報告附注中的風險提示和免責聲明65 NVIDIA DGX GH200 NVIDIA DGX GH200 是第一臺通過是第一臺通過GPUGPU的的NVLi

116、nkNVLink 聯接實現聯接實現144TB 144TB 內存內存的超級計算機的超級計算機。NVIDIA DGX GH200 通過 NVLink 為 GPU 共享內存編程模型提供了近 500 倍的內存，形成了一個巨大的數據中心大小的 GPU。NVIDIA DGX GH200 是第一臺通過在 256 個NVIDIA Grace Hopper 超級芯片上提供 144TB 海量共享內存空間的 AI 超級計算機。NVIDIA DGX GH200NVIDIA DGX GH200中的每個中的每個NVIDIA Grace HopperNVIDIA Grace Hopper超級芯片具有超級芯片具有480 GB

117、 LPDDR5 CPU480 GB LPDDR5 CPU內存，每內存，每GBGB的功率是的功率是DDR5DDR5和和96 GB fast HBM396 GB fast HBM3的八分之一。的八分之一。NVIDIA Grace CPU和Hopper GPU通過NVLink互連，每個GPU都可以以900GBps的速度訪問其他GPU的內存和NVIDIA Grace CPU的擴展GPU內存。DGX每一代產品的 存儲能力DGX每一代產品的 存儲能力資料來源：英偉達官網，國海證券研究所5.1 存儲：半導體產業核心支柱，存儲：半導體產業核心支柱，AI算力的“內存墻”算力的“內存墻”請務必閱讀報告附注中的風險

118、提示和免責聲明66NAND Flash嵌入式：eMMC/UFSSSD寫入速度（MB/s）移動設備1200 90060030001002004001200eMMC5.1UFS2.1UFS3.0 UFS3.1eMMC特點：低功耗UFS特點：低功耗+高速消費級-PC數據中心級企業級1.2x2x3x NANDNAND基本原理：非易失性存儲，基本原理：非易失性存儲，通過外部施加電壓控制存儲單元中的電荷量，實現電荷在內存單元中的存儲。NAND優勢：非易失、讀寫速度快、抗震、低功耗、體積小、價格較低等；NAND挑戰：耐久性，高密度、高容量。NAND FlashNAND Flash出貨形態以出貨形態以 eMM

119、C/UFSeMMC/UFS（主要應用在移動設備、智能手機、平板電腦等（主要應用在移動設備、智能手機、平板電腦等)、SSD(SSD(主要應用在服務器和主要應用在服務器和PC)PC)產品為主。主要應用在產品為主。主要應用在數碼相機、MP3隨身聽記憶卡、體積小巧的U盤等。5.2 NAND：大容量存儲的最佳方案，：大容量存儲的最佳方案，3D NAND技術持續突破技術持續突破資料來源：觀研報告網，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明67 NAND FlashNAND Flash是大容量存儲器當前應用最廣和最有效的解決方案。是大容量存儲器當前應用最廣和最有效的解決方案。據Gartner統

120、計,NAND Flash2020年市場規模為534.1億美元。隨著人工智能、物聯網、大數據、5G等新興應用場景不斷落地，電子設備需要存儲的數據也越來越龐大，NAND Flash需求量巨大，市場前景廣闊。目前全球具備NAND Flash晶圓生產能力的主要有三星、鎧俠、西部數據、美光、三星、鎧俠、西部數據、美光、SKSK海力士、英特爾海力士、英特爾等企業，國產廠商長長江存儲處于起步狀態，正在市場份額與技術上奮起直追江存儲處于起步狀態，正在市場份額與技術上奮起直追。根據Omdia的數據統計，2020年六大NAND Flash晶圓廠占據了98%的市場份額。2017-2022年NAND Flash市場規

121、模（單位：億美元）全球DAND Flash行業需求應用統計2020年全球NAND Flash晶圓場市場份額537.4579.5426.6534.1652.7816.401002003004005006007008009002017年2018年2019年2020年2021年2022年固態硬盤,49%智能手機,32%存儲卡,4%U盤,3%平板,3%汽車電子,1%可穿戴設備,1%其他,7%固態硬盤智能手機存儲卡U盤平板汽車電子可穿戴設備其他三星,34%西部數據,19%鎧俠,14%美光,11%SK海力士,11%因特爾,9%長江存儲,1%其他,1%三星西部數據鎧俠美光SK海力士因特爾長江存儲其他5.2

122、NAND：大容量存儲的最佳方案，：大容量存儲的最佳方案，3D NAND技術持續突破技術持續突破資料來源：Gartner，Omdia，觀研報告網，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明68 NANDNAND最核心的是數據的穩定性。最核心的是數據的穩定性。根據廠家測試，在做到15、16nm 工藝之后，NAND 閃存的可靠性就會斷崖性下跌。不能一味地通過先進制程先進制程，縮小晶體管體積、提高密度的方式來提升的性能。全球存儲巨頭都在投入3D NAND。長江存儲發布獨家 3D 堆疊技術Xtacking。5.2 NAND：大容量存儲的最佳方案，：大容量存儲的最佳方案，3D NAND技術持續

123、突破技術持續突破全球主要NAND廠商的堆疊層數資料來源：電子工程專輯，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明69 DRAMDRAM（Dynamic Random Access MemoryDynamic Random Access Memory，動態隨機存取存儲器）是一種半導體存儲器，動態隨機存取存儲器）是一種半導體存儲器，主要的作用原理是利用電容內存儲電荷的多寡來代表一個二進制比特（bit）是1還是0。DRAM根據應用設備可分為計算機（DDR）、移動（LPDDR）、圖形存儲器DRAM（GDDR），DDRDDR和和LPDDRLPDDR合計占合計占DRAMDRAM應用比例約應用比

124、例約90%90%。DRAMDRAM優勢：優勢：體積容量高、成本低、高密度、結構簡單；DRAMDRAM挑戰：挑戰：訪問速度慢、耗電量大。DRAMDDRLPDDRGDDDRDDR1DDR2DDR3DDR4DDR5LPDDR1LPDDR2LPDDR3LPDDR4LPDDR5GDDR2GDDR3GDDR4GDDR5GDDR6速度越來越快利基DRAM主流DRAM市場規模小，成熟工藝，一般很少擴充產線市場規模大，較為先進工藝，類大宗品屬性更強應用場景注：當產品不再為主流市場規格時，該產品將主動轉利基盟市場，如大量容DRAM出貨量的增長，DDR4-4GB將會逐漸轉至利基DRAM服務器PC等手機 平板等GPU

125、等5.3 DRAM：存儲器最大細分市場，：存儲器最大細分市場，3D成為重要方向成為重要方向資料來源：觀研報告網，Trend Force，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明70 DRAMDRAM是存儲器市場規模最大的芯片，根據是存儲器市場規模最大的芯片，根據Trend ForceTrend Force數據統計，數據統計，20222022年年DRAMDRAM市場規模預計達到市場規模預計達到10551055億美元。億美元。市場格局：市場格局：目前DRAM晶圓的市場供應主要集中在三星、SK海力士和美光，三大廠商2021年市場占有率合計已達到94.1%，其中三星市場占有率43.6%，

126、SK海力士與美光分別占比27.7%與22.8%。國內DRAM晶元廠商主要為合肥長鑫，目前尚處于起步階段。下游行業：下游行業：根據Gartner統計及預測，DRAM下游需求市場格局較為穩定，移動端電子產品、服務器、個人電腦占為主，個人電腦占比近年來呈現緩慢下降的趨勢。72199962265984410550200400600800100012002017年2018年2019年2020年2021年2022年2017-2022年DRAM市場規模（單位：億美元）2021年全球DRAM行業競爭格局2021年全球DRAM行業需求結構圖三星,43.60%SK海力士,27.70%美光,22.80%其他,5.9

127、0%三星SK海力士美光其他移動端電子產品,39%服務器,28%個人電腦,18%其他,15%移動端電子產品服務器個人電腦其他5.3 DRAM：存儲器最大細分市場，：存儲器最大細分市場，3D成為重要方向成為重要方向資料來源：Trend Force，中商產業研究院，中國存儲器行業發展趨勢研究與投資前景調研報告，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明71 DRAMDRAM停滯在停滯在10nm10nm。DRAM 容量取決于 DRAM 的物理尺寸和其中的存儲單元數量。存儲單元密度受單元尺寸、用于構建芯片的層的厚度以及運行芯片所需的功率量的限制。由于多項技術挑戰，DRAM小型化的速度已經放緩

128、。自 2016 年以來，由于電容由于電容器尺寸和低于器尺寸和低于 10 10 納米水平的其他電納米水平的其他電氣限制，氣限制，DRAM DRAM 尺寸停滯在尺寸停滯在 10 10 納納米。米?，F有的現有的DRAMDRAM技術將可能在技術將可能在20262026年逼年逼近終點。近終點?，F有6F2結構DRAM單元設計下，10nm的D/R可能是2027年或2028年成為DRAM的最后一代。廠商的DRAM路線圖：D1z-D1z DRAM在2020-2022年上市5.3 DRAM：存儲器最大細分市場，：存儲器最大細分市場，3D成為重要方向成為重要方向資料來源：2022 AND BEYOND FOR ME

129、MORY TECHNOLOGYJeongdong Choe，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明72 3D DRAM 3D DRAM 視為存儲器半導體市場的游戲規則改變者，它或將在未來視為存儲器半導體市場的游戲規則改變者，它或將在未來 3 3 到到 4 4 年內克服超精細工藝的局限性年內克服超精細工藝的局限性，發展，發展3D 3D DRAM DRAM 架構對聊天架構對聊天 GPT GPT 和人工智能和人工智能 (AI)(AI)的發展是必要的。的發展是必要的。Neo Semiconductor Neo Semiconductor 推出3D X-DRAM，通過垂直堆疊存儲單元以增

130、加存儲容量，而不會增加存儲芯片的物理占用空間。根據公司估計，這項技術可以通過這項技術可以通過 230 230 層實現層實現 128 Gb 128 Gb 的密度的密度是當今是當今 DRAM DRAM 密度的八倍。密度的八倍。三星電子三星電子、SKSK海力士海力士和美光和美光將將 3D DRAM 3D DRAM 視為未來將改變內存市場游戲規則的關鍵技術，正在根據各種路線圖加速研究。視為未來將改變內存市場游戲規則的關鍵技術，正在根據各種路線圖加速研究。Neo Semiconductor 預測的 DRAM 技術的未來3D X-DRAM概念圖5.3 DRAM：存儲器最大細分市場，：存儲器最大細分市場，3

131、D成為重要方向成為重要方向資料來源：Neo半導體，allaboutcircuits，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明73HBMHBM（HighHighBandwidthBandwidth MemoryMemory）高帶寬存儲器，是一種面向）高帶寬存儲器，是一種面向需要極高吞吐量的數據密集型應用程序的需要極高吞吐量的數據密集型應用程序的DRAMDRAM。HBMHBM特點：特點：更高帶寬、更多I/O數量、更低功耗、更小尺寸。HBMHBM挑戰：挑戰：靈活性不足、容量小、訪問延遲高。超高的帶寬讓超高的帶寬讓HBMHBM成為了高性能成為了高性能GPUGPU的核心組件。的核心組件。根

132、據 TrendForce報告，目前市場上主要的HBM制造商為SK 海力士、三星、美光，市占率分別為50%、40%、10%。HBM性能演進目前推出的搭載HBM和GDDR的GPU產品HBM更適用于AI、高性能計算等場景5.3 DRAM：存儲器最大細分市場，：存儲器最大細分市場，3D成為重要方向成為重要方向資料來源：SK海力士，奎芯科技，芯世相，TrendForce，國海證券研究所請務必閱讀報告附注中的風險提示和免責聲明746.投資建議和風險提示投資建議和風險提示請務必閱讀報告附注中的風險提示和免責聲明75 投資建議投資建議ChatGPTChatGPT對算力的影響遠不止當前可見的基建投入，未來對算力

133、的影響遠不止當前可見的基建投入，未來TransformerTransformer大模型的迭代推動模型訓練相關需大模型的迭代推動模型訓練相關需求的算力增長，以及求的算力增長，以及AIGCAIGC大模型應用的算力需求，將是算力市場不斷超預期的源泉。相關公司：大模型應用的算力需求，將是算力市場不斷超預期的源泉。相關公司：1 1、計算、計算1 1）服務器：）服務器：浪潮信息、中科曙光、紫光股份、工業富聯、緯創、廣達、英業達、戴爾、聯想集團、超威電腦、中國長城、神州數碼、拓維信息、四川長虹；2 2）GPUGPU：英偉達、AMD、Intel、海光信息、寒武紀、龍芯中科、景嘉微；2 2、網絡、網絡1 1）網

134、絡設備：）網絡設備：紫光股份、中興通訊、星網銳捷、深信服、迪普科技、普天科技、映翰通；2 2）光模塊：）光模塊：中際旭創、新易盛、光迅科技、華工科技、聯特科技、劍橋科技、天孚通信；3 3、存儲、存儲1 1）存儲器：）存儲器：紫光國微、江波龍、北京君正、兆易創新、瀾起科技、東芯股份、聚辰股份、普冉股份、朗科科技。6.1 投資建議投資建議請務必閱讀報告附注中的風險提示和免責聲明766.1 相關公司相關公司業務業務股票名稱股票名稱歸母凈利潤歸母凈利潤（億元）億元）PEPE歸母凈利潤歸母凈利潤CAGRCAGR2022A2022A2023E2023E2024E2024E2025E2025E2023E20

135、23E2024E2024E2025E2025E20222022-2025E2025E601138.SH工業富聯200.73237.26266.70299.9917.8715.9014.1414.33%000977.SZ浪潮信息20.8026.4832.9138.4025.1420.2317.3422.67%603019.SH中科曙光15.4420.1626.1032.8537.1928.7122.8228.61%000938.SZ紫光股份21.5826.9933.1339.9934.6628.2423.3922.83%000066.SZ中國長城1.205.507.7210.3481.6558.

136、2143.47104.83%688041.SH海光信息8.0413.0218.9425.03139.9596.1972.7846.05%688256.SH寒武紀-U-12.57-8.13-5.59-3.38-112.84-164.25-271.04-35.42%688047.SH龍芯中科0.522.073.944.50270.40142.10124.29105.65%300474.SZ景嘉微2.894.095.757.59103.2873.4455.6537.96%300223.SZ北京君正7.898.9912.0614.8347.2535.2428.6623.40%603986.SH兆易創新

137、 20.5313.3619.2525.5051.3635.6626.917.51%688008.SH瀾起科技12.9912.0719.8924.7154.8033.2426.7623.89%300308.SZ中際旭創12.2415.0519.8624.9164.8149.1339.1626.72%300502.SZ新易盛9.049.0612.5916.5847.6334.3026.0522.41%002281.SZ光迅科技6.086.878.029.2332.7728.0824.3814.91%300394.SZ天孚通信4.035.066.538.5367.3252.1439.8928.41%

138、000988.SZ華工科技9.0612.1415.5819.3829.8323.2318.6828.83%301205.SZ聯特科技1.131.291.982.94128.5983.6656.3037.36%資料來源：Wind，國海證券研究所，注：盈利預測為Wind一致預期，估值日期2023年6月12日請務必閱讀報告附注中的風險提示和免責聲明776.2 風險提示風險提示1 1、宏觀 經濟 影響下游 需求：、宏觀 經濟 影響下游 需求：宏觀經濟環境下行將影響政府、行業客戶對數字基礎設施的采購需求。2 2、大模 型迭 代不及預 期：、大模 型迭 代不及預 期：未來大模型迭代速度不及預期將導致大模型

139、訓練對算力的需求增長放緩。3 3、大模型應用不及預期：、大模型應用不及預期：受監管等方面原因，如果大模型不能廣泛向商業市場應用，其推理端算力需求的釋放或放緩。4 4、市場競爭加?。?、市場競爭加?。盒屡d企業投入的GPU、網絡、存儲、等算力產業，將加劇市場競爭，影響企業的盈利能力。5 5、中美博弈加?。?、中美博弈加?。簢H形勢持續不明朗，美國不斷通過“實體清單”等方式對中國企業實施打壓，若中美緊張形勢進一步升級，將可能導致中國半導體供應鏈供應受到影響。6 6、相關公司、相關公司業績不及預期：業績不及預期：市場環境變化、公司治理情況變化、其他非主營業務經營不及預期等原因或將導致相關公司的整體業績不及

140、預期。請務必閱讀報告附注中的風險提示和免責聲明78研究小組介紹研究小組介紹劉熹,本報告中的分析師均具有中國證券業協會授予的證券投資咨詢執業資格并注冊為證券分析師，以勤勉的職業態度，獨立，客觀的出具本報告。本報告清晰準確的反映了分析師本人的研究觀點。分析師本人不曾因，不因，也將不會因本報告中的具體推薦意見或觀點而直接或間接收取到任何形式的補償。分析分析師承師承諾諾行業投資評級行業投資評級國海證券投資評級標準國海證券投資評級標準推薦：行業基本面向好，行業指數領先滬深300指數；中性：行業基本面穩定，行業指數跟隨滬深300指數；回避：行業基本面向淡，行業指數落后滬深300指數。股票投資評級股票投資評

141、級買入：相對滬深300 指數漲幅20%以上；增持：相對滬深300 指數漲幅介于10%20%之間；中性：相對滬深300 指數漲幅介于-10%10%之間；賣出：相對滬深300 指數跌幅10%以上。計算機小組介紹計算機小組介紹劉熹，計算機行業首席分析師，上海交通大學碩士，多年計算機行業研究經驗，2021年新浪財經金麒麟新銳分析師（計算機行業）第三名主要成員。主要研究AI、數據要素、信創、網絡安全、工業軟件、智能網聯、云計算、地理信息化等賽道。請務必閱讀報告附注中的風險提示和免責聲明79免責聲明和風險提示免責聲明和風險提示本報告的風險等級定級為R3，僅供符合國海證券股份有限公司（簡稱“本公司”）投資者

142、適當性管理要求的的客戶（簡稱“客戶”）使用。本公司不會因接收人收到本報告而視其為客戶?？蛻艏?或投資者應當認識到有關本報告的短信提示、電話推薦等只是研究觀點的簡要溝通，需以本公司的完整報告為準，本公司接受客戶的后續問詢。本公司具有中國證監會許可的證券投資咨詢業務資格。本報告中的信息均來源于公開資料及合法獲得的相關內部外部報告資料，本公司對這些信息的準確性及完整性不作任何保證，不保證其中的信息已做最新變更，也不保證相關的建議不會發生任何變更。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，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。在不同時期，本公司可發出與本報告

143、所載資料、意見及推測不一致的報告。報告中的內容和意見僅供參考，在任何情況下，本報告中所表達的意見并不構成對所述證券買賣的出價和征價。本公司及其本公司員工對使用本報告及其內容所引發的任何直接或間接損失概不負責。本公司或關聯機構可能會持有報告中所提到的公司所發行的證券頭寸并進行交易，還可能為這些公司提供或爭取提供投資銀行、財務顧問或者金融產品等服務。本公司在知曉范圍內依法合規地履行披露義務。免責聲明免責聲明市場有風險，投資需謹慎。投資者不應將本報告為作出投資決策的唯一參考因素，亦不應認為本報告可以取代自己的判斷。在決定投資前，如有需要，投資者務必向本公司或其他專業人士咨詢并謹慎決策。在任何情況下，

144、本報告中的信息或所表述的意見均不構成對任何人的投資建議。投資者務必注意，其據此做出的任何投資決策與本公司、本公司員工或者關聯機構無關。若本公司以外的其他機構（以下簡稱“該機構”）發送本報告，則由該機構獨自為此發送行為負責。通過此途徑獲得本報告的投資者應自行聯系該機構以要求獲悉更詳細信息。本報告不構成本公司向該機構之客戶提供的投資建議。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。本公司、本公司員工或者關聯機構亦不為該機構之客戶因使用本報告或報告所載內容引起的任何損失承擔任何責任。風險提示風險提示本報告版權歸國海證券所有。未經本公司的明確書面特別授權或協議約定，除法律規

145、定的情況外，任何人不得對本報告的任何內容進行發布、復制、編輯、改編、轉載、播放、展示或以其他任何方式非法使用本報告的部分或者全部內容，否則均構成對本公司版權的侵害，本公司有權依法追究其法律責任。鄭重聲明鄭重聲明心懷家國，洞悉四海國海研究深圳國海研究深圳深圳市福田區竹子林四路光大銀行大廈28F郵編：518041電話：0755-83706353國海研究上海國海研究上海上海市黃浦區綠地外灘中心C1棟國海證券大廈郵編：200023電話：021-61981300國海研究北京國海研究北京北京市海淀區西直門外大街168號騰達大廈25F郵編：100044電話：010-88576597國海證券國海證券研究所研究所計算機計算機研究團隊研究團隊