《電子行業深度報告：如何展望GPT~5帶來的算力增長？從參數量、時間表、影響力三重視角— —算力需求看點系列-250318（13頁）.pdf》由會員分享，可在線閱讀，更多相關《電子行業深度報告：如何展望GPT~5帶來的算力增長？從參數量、時間表、影響力三重視角— —算力需求看點系列-250318（13頁）.pdf（13頁珍藏版）》請在三個皮匠報告上搜索。

1、證券研究報告行業深度報告電子 東吳證券研究所東吳證券研究所 1/13 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 電子行業深度報告 如何展望如何展望 GPT-5 帶來的算力增長？從參數帶來的算力增長？從參數量、時間表、影響力三重視角量、時間表、影響力三重視角算力需求算力需求看點系列看點系列 2025 年年 03 月月 18 日日 證券分析師證券分析師 陳海進陳海進 執業證書：S0600525020001 研究助理研究助理 李雅文李雅文 執業證書：S0600125020002 行業走勢行業走勢 相關研究相關研究 GPGPU與ASIC之爭算力芯片看點系列 2025-03-12

2、 增持（維持）Table_Tag Table_Summary 投資要點投資要點 我們如何定義我們如何定義 GPT 下一代大模型？下一代大模型？我們判斷 OpenAI 對大模型的產品線與預期曾進行過調整。2024 年 7 月 OpenAI 首席技術官 Mira Murati稱，GPT-5 有望在 2025 年底或 2026 年初推出。但根據 2025 年 2 月 13日 Altman 在社交平臺上表明，GPT-5 幾個月后面世。我們判斷，GPT-5的發布時間或提前，或由于 DeepSeek 近期的重磅更新和亮眼表現對OpenAI 產品版圖構成了威脅，進而希望加快產品迭代步伐。自 OpenAI在

3、2015 年成立以來，通過多輪融資不斷擴展其技術產品布局。從時間周期來看，平均 1 年半左右 OpenAI 會獲得一次新的融資。從大的模型迭代節點來看，隨著 ChatGPT 把熱度推高，競爭對手持續推陳出新，市場對于 OpenAI 產品迭代速度的預期在加快。GPT-5 預訓練情況如何測算？預訓練情況如何測算？我們基于普遍應用的算力供給需求公式，討論公式中的核心參數變化趨勢，以此給出我們的判斷。已知 GPT-4 參數量為 1.8 萬億，在 2.5 萬張 A100 上訓練 90-100 天。已知 GPT-4.5 的計算量約為 GPT-4 模型的 10 倍，假設 Scaling Law 持續奏效，假

4、設其具有 3w-5w 張 H100 的訓練資源，其他條件與 GPT-4 基本保持一致，則可以推測，1）GPT-4.5 模型參數量約為 5.7 萬億，2）GPT-4.5 模型訓練用時大約需要 148-247 天。關于 GPT-5：假設達到比 GPT-4 強 100 倍的運算能力，其他假設相同的情況下，可測算得到 1）GPT-5 模型參數量約為 18 萬億，2）模型訓練用時大約需要 203-225 天。GPT-5 推出對推出對 AI 行業有何影響？行業有何影響？影響影響#1 雖然業內對于大模型發展的方向仍處于激烈討論中，但頭部大模型廠商的萬卡集群建設未曾停歇。聚焦國內市場，從 GPT-4 能力的大

5、模型發布時間表來看，普遍比 GPT-4 晚一年的時間。由此我們預計，GPT-5 若引發新一輪 AI 熱潮，更多大集群的建設會提上日程。影響影響#2 24/12 月，ChatGPT 周活躍用戶數已經超過 3 億，目標是在未來一年內達到 10 億用戶。據“推理需求=2參數量token”的計算公式，在其他條件不變的前提下，2025 年推理市場空間有望達到 2024 年的三倍；若 GPT-5 帶動參數量大幅提升（按 18萬億計算），假設 26 年 ChatGPT 總體推理消耗的 tokens 為 25 年的 2倍，按二八法則假設 26 年 tokens 消耗中僅有 20%為 GPT-5 的需求，則綜合

6、下來 26 年推理算力需求有望達到 25 年的 5.6 倍左右。產業鏈相關公司：產業鏈相關公司：工業富聯、滬電股份、勝宏科技、寒武紀、海光信息（與計算機聯合覆蓋）、龍芯中科、盛科通信（與通信聯合覆蓋）等。風險提示：風險提示：AI 應用進展不及預期風險，Scaling Law 放緩或失效風險，GPU 技術升級不及預期的風險，萬卡集群建設不及預期風險。-16%-10%-4%2%8%14%20%26%32%38%2024/3/182024/7/172024/11/152025/3/16電子滬深300 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 行業深度報告 東吳證券研究所東吳證

7、券研究所 2/13 內容目錄內容目錄 1.我們如何定義我們如何定義 OpenAI 下一代大模型？下一代大模型？.4 1.1.“獵戶座”（Orion）的進展預期如何變化？.4 1.2.GPT-5 發布時間如何判斷？從融資視角.5 2.GPT-5 預訓練情況如何測算？預訓練情況如何測算？.7 3.GPT-5 推出對推出對 AI 行業有何影響？行業有何影響？.9 3.1.影響#1 大模型“標桿”再上新臺階，引發 AI 行業新一輪競賽.9 3.2.影響#2 更智能的 AI 帶來更優質的體驗，AI 推理需求提升.10 4.風險提示風險提示.12 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲

8、明部分 行業深度報告 東吳證券研究所東吳證券研究所 3/13 圖表目錄圖表目錄 圖 1：“獵戶座”和“草莓”進展預期.4 圖 2：OpenAI 融資與產品 Roadmap 時間表.6 圖 3：文本大模型 AI 訓練側算力供給需求公式.7 圖 4：GPT-5 預訓練情況測算.7 圖 5：OpenAI 日本公司首席執行官長崎忠雄介紹 GPT-Next 模型.8 圖 6：主流科技公司公開宣布的萬卡集群情況.8 圖 7：北美四大云廠商各季度 CapEx 投入情況及增速（單位：億美元）.9 圖 8：Google 各季度 CapEx 投入情況.9 圖 9：AWS 各季度 CapEx 投入情況.9 圖 10

9、：Meta 各季度 CapEx 投入情況.9 圖 11：Microsoft 各季度 CapEx 投入情況.9 圖 12：海外主流 AI 大模型訓練側算力供給需求情況.10 圖 13：國內主流 AI 大模型訓練側算力供給需求情況.10 圖 14：Deepseek、Kimi 下載量（IOS+安卓，單位：次）.11 圖 15：國產 AI 大模型日度訪問量（單位：萬次）.11 圖 16：文本大模型 AI 推理算力需求測算.11 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 行業深度報告 東吳證券研究所東吳證券研究所 4/13 1.我們如何定義我們如何定義 OpenAI 下一代大模型

10、？下一代大模型？1.1.“獵戶座”（“獵戶座”（Orion）的進展預期如何變化？）的進展預期如何變化？關于“獵戶座”（關于“獵戶座”（Orion）：）：這一表述最早出現在 2024 年 8 月 The Information 的一篇報道中：“OpenAI 開發的最新大模型“獵戶座”或于 2025 年年初推出?！?024 年 9月，OpenAI 日本公司 CEO 介紹了 GPT-Next 模型，被認為是“獵戶座”，預期達到比GPT-4 強 100 倍的運算能力，將成為大模型在語言處理和多模態功能上實現飛躍的重要里程碑。圖圖1：“獵戶座”和“草莓”進展預期“獵戶座”和“草莓”進展預期 數據來源：機

11、器之心，量子位，網易新聞，每日經濟新聞，券商中國，智東西，華爾街見聞，東吳證券研究所 關于關于 GPT-5：市場曾預測 GPT-5 可能在 2023 年底或 2024 年夏季發布。2024 年 7 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 行業深度報告 東吳證券研究所東吳證券研究所 5/13 月左右傳出 GPT-5 可能大幅推遲上線的消息，OpenAI 首席技術官 Mira Murati 稱，GPT-5 有望在 2025 年底或 2026 年初推出，并表示 GPT-5 的性能將迎來重大飛躍，在特定任務中達到博士級智能水平。據中國經濟網，GPT-5 內部代號為“Gobi”

12、和“Arrakis”，是一個具有 52 萬億參數的多模態模型。根據最新發布的根據最新發布的 GPT-4.5（Orion）相關數據來看，我們判斷）相關數據來看，我們判斷 OpenAI 對大模型的對大模型的產品線與預期曾進行過調整。產品線與預期曾進行過調整。2025 年 2 月 28 日，GPT-4.5（代號 Orion）發布，成為 GPT系列最后一代非“思維鏈”模型，其計算量為上一代的 10 倍。而 2024 年 9 月，OpenAI日本公司 CEO 介紹了 GPT-Next 模型，被認為是“獵戶座”，預期達到比 GPT-4 強 100倍的運算能力。對比下來，二者口徑有所調整。對比下來，二者口徑

13、有所調整。我們認為，此前 OpenAI 或以“Orion”作為 GPT-5 大版本迭代產品，而據彭博社援引知情者消息，截至 2024 年 11 月，獵戶座相比 GPT-4 的進步不及 GPT-4 超越 GPT-3.5 的表現（事實上，根據 25/3 月“Orion”發布后，實測反饋普遍也認為提升幅度不及預期）。同時，我們在 24Q3 陸續看到了關于“Strawberry”的消息傳來，以及后續 o 系列大模型的問世。OpenAI 使用“Strawberry”生成訓練下一代“Orion”大模型的數據，我們認為也是另辟蹊徑之舉。而而 GPT-5 的最新預期，我們認為也有所調整。的最新預期，我們認為也

14、有所調整。2024 年 7 月 OpenAI 首席技術官 Mira Murati 稱，GPT-5 有望在 2025 年底或 2026 年初推出。但根據 2025 年 2 月 13 日 Altman在社交平臺上表明，GPT-5 幾個月后面世。我們判斷，我們判斷，GPT-5 的發布時間或提前，或由的發布時間或提前，或由于于 DeepSeek 近期的重磅更新和亮眼表現對近期的重磅更新和亮眼表現對 OpenAI 產品版圖構成了威脅，進而希望加產品版圖構成了威脅，進而希望加快產品迭代步伐?？飚a品迭代步伐。1.2.GPT-5 發布時間如何判斷？發布時間如何判斷？從融資視角從融資視角 自自 OpenAI 在

15、在 2015 年成立以來，通過多輪融資不斷擴展其技術產品布局。年成立以來，通過多輪融資不斷擴展其技術產品布局。最初，OpenAI 通過創始人初期投資啟動其研究工作，專注于人工智能的基礎研究，于 2018 年6 月推出 GPT-1。隨后，OpenAI 與微軟達成合作，分別在 2019 年、2021 年獲得了總計30 億美元的投資。2022 年 11 月見證了 ChatGPT 的問世。2023 年 1 月，微軟再次投入大規模資金支持，金額高達 100 億美元。其后，GPT 系列不斷推陳出新，從 2023 年的GPT-4、GPT-4 Turbo，到 2024 年的 GPT-4o 和 GPT-4o m

16、ini，多樣化的產品先后發布，以滿足不同客戶的需求。2024 年 10 月 3 日，OpenAI 宣布獲得 66 億美元融資，這是該公司迄今最大的風投交易。OpenAI 的投后估值沖破 1570 億美元，短短 9 個月時間公司估值接近翻倍，創下硅谷歷史最高紀錄。從時間周期來看，平均 1 年半左右 OpenAI 會獲得一次新的融資。以當前最后一次融資時間 2024Q4 計算，下一次融資時間或為下一次融資時間或為 2026 年初。年初。從大的模型迭代節點來看，雖然大版本迭代時間約為 2-3 年，但隨著 ChatGPT 把熱度推高，競爭對手持續推陳出新，市場對于 OpenAI 產品迭代速度的預期在加

17、快。自 GPT-4 發布以來，約 1 年半的時間后GPT-o1 preview 問世。由此，我們推斷下一次大的版本更新不會超過一年半的時間，或我們推斷下一次大的版本更新不會超過一年半的時間，或 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 行業深度報告 東吳證券研究所東吳證券研究所 6/13 對應對應 2025 年底。年底。圖圖2：OpenAI 融資與產品融資與產品 Roadmap 時間表時間表 數據來源：鈦媒體，華爾街見聞，第一財經，財聯社，EC Innovations，機器之心，壹沓科技，每日經濟新聞，BFT 白芙堂 B 站官方，東吳證券研究所 為什么為什么 GPT-4

18、.5（Orion）發布時間為）發布時間為 25Q1？OpenAI 為解決開發“獵戶座”時遇到的挑戰高質量訓練數據的供應減少，而積極探索合成數據生成。GPT-o1 擁有進化的推理能力，在“回答”前能夠進行縝密思考，生成內部思維鏈，因此其重要的應用之一是為“獵戶座”生成高質量的訓練數據，o1 生成的高質量訓練數據可以幫助“獵戶座”減少生成的錯誤數量（也稱為“幻覺”）。我們已知 GPT-o1 預覽版已于 9 月推出，并可以為“獵戶座”提供訓練數據。假設 9 月相關訓練數據已經到位，已知 GPT-4 曾采用2.5 萬張 A100 訓練 100 天得到，假設由于訓練難度等原因“獵戶座”訓練時間長于 GP

19、T-4，則“獵戶座”最早發布時間為“獵戶座”最早發布時間為 25Q1。GPT-5 的發布時間為何一再推遲？的發布時間為何一再推遲？我們認為可以從融資時間軸窺探一二，在時間相對充裕（從“獵戶座 Orion”訓練完成到下一輪融資節點還有大半年時間）的情況下，我們認為 OpenAI 會安排比“Orion”更為“重量級”的產品（如內部代號為“Gobi”和“Arrakis”的具有 52 萬億參數的多模態模型）命名為 GPT-5，而將 GPT-4.5（Orion）作為過渡性質的產品。請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 行業深度報告 東吳證券研究所東吳證券研究所 7/13 2.

20、GPT-5 預訓練情況如何測算？預訓練情況如何測算？我們基于普遍應用的算力供給需求公式，討論公式中的核心參數變化趨勢，以此給出我們的判斷。圖圖3：文本大模型文本大模型 AI 訓練側算力供給需求公式訓練側算力供給需求公式 數據來源：NVIDIA&Stanford University&Microsoft ResearchEfficient Large-Scale Language Model Training on GPU Clusters Using Megatron-LM，新智元，CIBA 新經濟，東吳證券研究所 已知 GPT-4 參數量為 1.8 萬億，在 2.5 萬張 A100 上訓練

21、90-100 天。市場此前普遍預測“GPT-5”（也即實際命名為 GPT-4.5 的大模型，預期變化的推演詳見本文 1.1）可能需要 3w-5w 張 H100 訓練，由此測算 AI 卡資源約為 GPT-4 的 1.2-2 倍。在 FP16 精度下，H100 算力為 989TFLOPS，A100 為 312TFLOPS，H100 算力約為 A100 的 3.2 倍。已知 GPT-4.5 的計算量約為 GPT-4 模型的 10 倍，假設 Scaling Law 持續奏效，假設 GPT-4、GPT-4.5 與預測中的 GPT-5 均在 FP16 精度下完成訓練，且算力利用率、訓練迭代次數大致相同，按

22、 GPT-4 訓練用時為均值 95 天計算，由上述公式推測，由上述公式推測，1）GPT-4.5 模型模型參數量約為參數量約為 5.7 萬億，萬億，2）GPT-4.5 模型訓練用時大約需要模型訓練用時大約需要 148-247 天。天。圖圖4：GPT-5 預訓練情況測算預訓練情況測算 數據來源：海外獨角獸，機器之心，英偉達，愛集微，新智元，東吳證券研究所 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 行業深度報告 東吳證券研究所東吳證券研究所 8/13 關于關于 GPT-5：1）參數量預期：）參數量預期：當前市場預期 GPT-Next 有望達到比 GPT-4 強 100 倍的運

23、算能力，若假設 Scaling Law 持續奏效，則 100 倍可拆解為參數量 10 倍倍、預訓練數據規模 10 倍。假設 GPT-Next 代表 GPT-5 可能會達到的能力，則可以此作為 GPT-5 的體量預期。圖圖5：OpenAI 日本公司首席執行官長崎忠雄介紹日本公司首席執行官長崎忠雄介紹 GPT-Next 模型模型 數據來源：快科技，東吳證券研究所 2）訓練時長預期：）訓練時長預期：在對計算量有了基本的預期假設后，我們通過假設 AI 集群卡數進一步判斷 GPT-5 可能需要的訓練時長。2023-24H1，各廠商陸續建成的 5 萬卡以下集群，其中比較有代表性的是 Meta 于 24/0

24、3 月宣布的兩個 24k GPU 集群（共 49152 個H100），此前提到 24 年底的目標有大幅增長，預計建成 35 萬卡 H100 集群。24H2 以來市場最為關注的是 xAI 建設的 10 萬卡 H100 集群，2025 年目標或將擴展至 100 萬卡。在當前時點，我們假設同樣作為頭部廠商的 OpenAI 也已具有約 35 萬卡 H100 集群的計算資源，倒推可測算得到 GPT-5 模型訓練用時大約需要 203-225 天。圖圖6：主流科技公司公開宣布的萬卡集群情況主流科技公司公開宣布的萬卡集群情況 數據來源：消費日報網，機械之心，通信產業網，半導體行業觀察，格隆匯 APP，東吳證券

25、研究所 注：本圖為非完全統計 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 行業深度報告 東吳證券研究所東吳證券研究所 9/13 3.GPT-5 推出對推出對 AI 行業有何影響？行業有何影響？3.1.影響影響#1 大模型“標桿”再上新臺階，引發大模型“標桿”再上新臺階，引發 AI 行業新一輪競賽行業新一輪競賽 關于互聯網大廠關于互聯網大廠 CapEx 投入的擔憂始終存在。投入的擔憂始終存在。23Q2 以來，四大云廠商在 CapEx 增速上畫出完美的上行弧線，但 24Q2-Q3 開始出現增速持平或放緩的情況。英偉達表示，云服務廠商（CSP）占了數據中心業務的近一半營收，消費

26、互聯網公司和企業大約占了另一半。因此，英偉達 GPU 卡的出貨量與云服務廠商對于 AI 大模型的態度緊密相關。而而 24Q4 四大云廠商合計增速進一步提升，釋放出積極信號。四大云廠商合計增速進一步提升，釋放出積極信號。圖圖7：北美四大云廠商各季度北美四大云廠商各季度 CapEx 投入情況及增速（單位：億美元）投入情況及增速（單位：億美元）數據來源：各公司公告，Bloomberg，東吳證券研究所 圖圖8：Google 各季度各季度 CapEx 投入情況投入情況 圖圖9：AWS 各季度各季度 CapEx 投入情況投入情況 數據來源：公司公告，Bloomberg，東吳證券研究所 數據來源：公司公告，

27、Bloomberg，東吳證券研究所 圖圖10：Meta 各季度各季度 CapEx 投入情況投入情況 圖圖11：Microsoft 各季度各季度 CapEx 投入情況投入情況 數據來源：公司公告，Bloomberg，東吳證券研究所 數據來源：公司公告，Bloomberg，東吳證券研究所-20%-10%0%10%20%30%40%50%60%70%80%010020030040050060070080021Q1 21Q2 21Q3 21Q4 22Q1 22Q2 22Q3 22Q4 23Q1 23Q2 23Q3 23Q4 24Q1 24Q2 24Q3 24Q4MircosoftMetaAWSGoog

28、leYoY-60%-40%-20%0%20%40%60%80%100%02040608010012014016021Q1 21Q3 22Q1 22Q3 23Q1 23Q3 24Q1 24Q3Google CapEx（億美元）YoY-40%-20%0%20%40%60%80%100%05010015020025030021Q1 21Q3 22Q1 22Q3 23Q1 23Q3 24Q1 24Q3AWS CapEx（億美元）YoY-40%-20%0%20%40%60%80%100%120%140%02040608010012014016021Q1 21Q3 22Q1 22Q3 23Q1 23Q3

29、24Q1 24Q3Meta CapEx（億美元）YoY0%10%20%30%40%50%60%70%02040608010012014016018021Q1 21Q3 22Q1 22Q3 23Q1 23Q3 24Q1 24Q3Mircosoft CapEx（億美元）YoY 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 行業深度報告 東吳證券研究所東吳證券研究所 10/13 我們預計北美四大云廠商均具備 10 萬卡集群能力，但 AI 初創公司、乃至國內云廠商或許對 GPT-5 仍持觀望態度。而 OpenAI 的“標桿”作用正在于此。聚焦國內市場，從 GPT-4 能力的大模型發

30、布時間表來看，普遍比 GPT-4 晚一年的時間。由此我們預計，GPT-5 若引發新一輪若引發新一輪 AI 熱潮，更多大集群的建設會提上日程。熱潮，更多大集群的建設會提上日程。圖圖12：海外主流海外主流 AI 大模型訓練側算力供給需求情況大模型訓練側算力供給需求情況 數據來源：OpenAI 論文，Google 論文，Microsoft 論文，Meta 論文，Github Llama 開源 Model Card，新京報，大數據文摘，新智元，英偉達，谷歌研究院，騰訊科技，機器之心，中關村在線，AIGC 開放社區，Llama 中文社區，河北省科學技術廳，東吳證券研究所 注 1：由于各公司對于大模型的訓

31、練數據披露口徑不一，以上為本文非完全統計 注 2：GPT4 算力利用率在 32-36%區間，本文取中值粗略計算 注 3：英偉達 V100 理論峰值為官網所示“深度學習|NVLink 版本”性能 圖圖13：國內主流國內主流 AI 大模型訓練側算力供給需求情況大模型訓練側算力供給需求情況 數據來源：騰訊混元論文&公眾號，通義千問官網&論文&公眾號&GitHub 網頁，DeepSeek 論文&公眾號，智譜論文&公眾號&Github 網頁，百川大模型論文&公眾號&Github 網頁，騰訊云，AI 新榜，市界，華爾街見聞，東吳證券研究所 注 1：由于各公司對于大模型的訓練數據披露口徑不一，以上為本文非完

32、全統計 注 2：Hunyuan、Hunyuan-Pro、Baichuan3 參數量披露口徑較為模糊，分別為超千億參數/萬億參數/超千億參數，在本圖中不涉及左側第二列單位 3.2.影響影響#2 更智能的更智能的 AI 帶來更優質的體驗，帶來更優質的體驗，AI 推理需求提升推理需求提升 DeepSeek App 全球上線后用戶量飆升，全球上線后用戶量飆升，AI 競爭加劇，或帶動推理算力需求進一步競爭加劇，或帶動推理算力需求進一步增長。增長。從 2025 年 1 月 11 日至 2025 年 1 月 31 日，DeepSeek 全平臺（Web+App）日活躍用戶從 124 萬漲到峰值的 4541 萬

33、，25 年 1 月 Web 月活量達 7068 萬。據稱 DeepSeek-V3 在預訓練階段每處理 1T token 僅需 180K H800 GPU 小時，即在配備 2048 個 H800 GPU 的集群上僅需 3.7 天。因此，整個預訓練階段在不到兩個月內完成，總計使用了2664K GPU 小時。請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 行業深度報告 東吳證券研究所東吳證券研究所 11/13 圖圖14：Deepseek、Kimi 下載量（下載量（IOS+安卓，單位：次）安卓，單位：次）圖圖15：國產國產 AI 大模型日度訪問量（單位：萬次）大模型日度訪問量（單位：

34、萬次）數據來源：點點數據，東吳證券研究所 數據來源：SimilarWeb，東吳證券研究所 GPT-5 若順利發布，有望帶動若順利發布，有望帶動 2026 年推理需求數倍提升。年推理需求數倍提升。以 OpenAI 為例，24/08月 ChatGPT 周活躍用戶數突破 2 億；24/12 月，Altman 也在出席紐約活動時表明，該數量已經超過 3 億，每一天用戶們都向 ChatGPT 發送超過 10 億條信息。OpenAI 計劃通過推出可以幫助用戶執行網絡信息收集和購物等任務的AI智能體以及ChatGPT與蘋果設備的集成，實現進一步擴張，其目標是在未來一年內達到 10 億用戶若僅按用戶若僅按用戶

35、量推斷量推斷 25 年推理算力需求，年推理算力需求，25 年推理算力需求有望達到年推理算力需求有望達到 24 年的年的 3 倍以上。倍以上。據“推理需求=2參數量token”的計算公式，新推出模型的參數量若仍處于 GPT-4 水平，則增長幅度不會太大，推理需求的增長速度以用戶消耗的 token 規模為依據；若 GPT-5 帶動參數量大幅提升（按本文第二章測算結果，GPT-5 參數量或為 18 萬億），假設 26 年ChatGPT 總體推理消耗的 tokens 為 25 年的 2 倍，按二八法則假設 26 年 tokens 消耗中僅有 20%為 GPT-5 的需求，則綜合下來則綜合下來 26 年

36、推理算力需求有望達到推理算力需求有望達到 25 年的年的 5.6 倍左倍左右右。圖圖16：文本大模型文本大模型 AI 推理算力需求測算推理算力需求測算 數據來源：OpenAIScaling Laws for Neural Language Models，思瀚產業研究院，極市平臺，東吳證券研究所 注：GPT-5 參數量為東吳測算結果，不代表產品實際發布情況 0500001000001500002000002500003000003500004000002025/01/112025/01/142025/01/172025/01/202025/01/232025/01/262025/01/29202

37、5/02/012025/02/042025/02/072025/02/102025/02/132025/02/162025/02/192025/02/222025/02/252025/02/282025/03/032025/03/062025/03/09DeepseekKimi050010001500200025003000350040002025/01/112025/01/142025/01/172025/01/202025/01/232025/01/262025/01/292025/02/012025/02/042025/02/072025/02/102025/02/132025/02/1

38、62025/02/192025/02/222025/02/252025/02/28文心一言通義kimi星火豆包智譜清言 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 行業深度報告 東吳證券研究所東吳證券研究所 12/13 4.風險提示風險提示 AI 應用進展不及預期風險。應用進展不及預期風險。算力的長期需求是建立在 AI 應用逐步發展之上，在初期大模型訓練帶來大量算力需求之外，AI 應用帶來的推理需求是長期維度上市場空間增長的前提。如果 AI 應用進展不及預期，將對算力各環節需求產生影響。Scaling Law 放緩或失效風險。放緩或失效風險。以 OpenAI 為代表的大模

39、型廠商大多數沿 Scaling Law進行迭代升級，當前該法則或存在放緩或失效風險，或對于大模型的發展以及算力的需求產生影響。GPU 技術升級不及預期的風險。技術升級不及預期的風險。大模型的訓練及推理效果除了與 AI 技術發展本身有關，也受到 GPU 等硬件設施的影響。若 GPU 技術升級受到阻礙，或將影響大模型迭代進程。免責及評級說明部分 免責聲明免責聲明 東吳證券股份有限公司經中國證券監督管理委員會批準，已具備證券投資咨詢業務資格。本研究報告僅供東吳證券股份有限公司（以下簡稱“本公司”）的客戶使用。本公司不會因接收人收到本報告而視其為客戶。在任何情況下，本報告中的信息或所表述的意見并不構成

40、對任何人的投資建議，本公司及作者不對任何人因使用本報告中的內容所導致的任何后果負任何責任。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。在法律許可的情況下，東吳證券及其所屬關聯機構可能會持有報告中提到的公司所發行的證券并進行交易，還可能為這些公司提供投資銀行服務或其他服務。市場有風險，投資需謹慎。本報告是基于本公司分析師認為可靠且已公開的信息，本公司力求但不保證這些信息的準確性和完整性，也不保證文中觀點或陳述不會發生任何變更，在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告。本報告的版權歸本公司所有，未經書面許可，任何機構和個人不得以任何形式翻版、復制

41、和發布。經授權刊載、轉發本報告或者摘要的，應當注明出處為東吳證券研究所，并注明本報告發布人和發布日期，提示使用本報告的風險，且不得對本報告進行有悖原意的引用、刪節和修改。未經授權或未按要求刊載、轉發本報告的，應當承擔相應的法律責任。本公司將保留向其追究法律責任的權利。東吳證券投資評級標準東吳證券投資評級標準 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，新三板基準指數為三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的），北交所基準指數為北證 5

42、0 指數），具體如下：公司投資評級：買入：預期未來 6 個月個股漲跌幅相對基準在 15%以上；增持：預期未來 6 個月個股漲跌幅相對基準介于 5%與 15%之間；中性：預期未來 6 個月個股漲跌幅相對基準介于-5%與 5%之間；減持：預期未來 6 個月個股漲跌幅相對基準介于-15%與-5%之間；賣出：預期未來 6 個月個股漲跌幅相對基準在-15%以下。行業投資評級：增持：預期未來 6 個月內，行業指數相對強于基準 5%以上；中性：預期未來 6 個月內，行業指數相對基準-5%與 5%；減持：預期未來 6 個月內，行業指數相對弱于基準 5%以上。我們在此提醒您，不同證券研究機構采用不同的評級術語及評級標準。我們采用的是相對評級體系，表示投資的相對比重建議。投資者買入或者賣出證券的決定應當充分考慮自身特定狀況，如具體投資目的、財務狀況以及特定需求等，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。東吳證券研究所 蘇州工業園區星陽街?5 號 郵政編碼：215021 傳真：（0512）62938527