AI重構(gòu)生產(chǎn)力下的電子行業(yè)投資機(jī)遇分析

AI重構(gòu)生產(chǎn)力下的電子行業(yè)投資機(jī)遇分析ChatGPT：生成式AI引爆技術(shù)奇點(diǎn)AIGC全稱為AI-GeneratedContent，指基于生成對抗網(wǎng)絡(luò)GAN、大型預(yù)訓(xùn)練模型等人工智能技術(shù)，通過已有數(shù)據(jù)尋找規(guī)律，并通過適當(dāng)?shù)姆夯芰ι上嚓P(guān)內(nèi)容的技術(shù)。與之相類似的概念還包括Syntheticmedia，合成式媒體，主要指基于AI生成的文字、圖像、音頻等。2020年，1750億參數(shù)的GPT-3在問答、摘要、翻譯、續(xù)寫等語言類任務(wù)上均展現(xiàn)出了優(yōu)秀的通用能力，證明了“大力出奇跡”在語言類模型上的可行性。自此之后，海量數(shù)據(jù)、更多參數(shù)、多元的數(shù)據(jù)采集渠道等成為國內(nèi)清華大學(xué)、智源研究院、達(dá)摩院、華為、北京大學(xué)、百度等參與者的關(guān)注點(diǎn)。2022年12月，ChatGPT3.5令人驚艷的使用體驗(yàn)引爆社會(huì)熱潮，搜索熱度和用戶增長都出現(xiàn)了極為明顯的提升。目前，大型文本預(yù)訓(xùn)練模型作為底層工具，商業(yè)變現(xiàn)能力逐漸清晰。以GPT-3為例，其文本生成能力已被直接應(yīng)用于Writesonic、Conversion.ai、SnazzyAI、Copysmith、Copy.ai、Headlime等文本寫作/編輯工具中。同時(shí)也被作為部分文本內(nèi)容的提供方，服務(wù)于AIdungeon等文本具有重要意義的延展應(yīng)用領(lǐng)域。過去傳統(tǒng)的人工智能偏向于分析能力，即通過分析一組數(shù)據(jù)，發(fā)現(xiàn)其中的規(guī)律和模式并用于其他多種用途，比如應(yīng)用最為廣泛的個(gè)性化推薦算法。而現(xiàn)在人工智能正在生成新的東西，而不是僅僅局限于分析已經(jīng)存在的東西，實(shí)現(xiàn)了人工智能從感知理解世界到生成創(chuàng)造世界的躍遷。因此，從這個(gè)意義上來看，廣義的AIGC可以看作是像人類一樣具備生成創(chuàng)造能力的Al技術(shù)，即生成式AI它可以基于訓(xùn)練數(shù)據(jù)和生成算法模型，自主生成創(chuàng)造新的文本、圖像、音樂、視頻、3D交互內(nèi)容(如虛擬化身、虛擬物品、虛擬環(huán)境)等各種形式的內(nèi)容和數(shù)據(jù)，以及包括開啟科學(xué)新發(fā)現(xiàn)創(chuàng)造新的價(jià)值和意義等。因此，AIGC已經(jīng)加速成為了AI領(lǐng)域的新疆域，推動(dòng)人工智能迎來下一個(gè)時(shí)代。人工智能帶來的生產(chǎn)力變革風(fēng)聲已近追求生產(chǎn)力的提升和生產(chǎn)關(guān)系的優(yōu)化，是人類社會(huì)發(fā)展的根源動(dòng)力和核心目標(biāo)，而生產(chǎn)力升級的最本質(zhì)目標(biāo)就是效率提升和成本降低。從人類社會(huì)四次工業(yè)/科技革命來看，第一次工業(yè)革命的核心成果是以蒸汽機(jī)為代表的機(jī)械替代人力，第二次工業(yè)革命是以電力、燃油為代表的能源突破，第三次是以計(jì)算機(jī)及信息技術(shù)為代表的信息結(jié)構(gòu)性變革和自動(dòng)化生產(chǎn)，其共同的特征就是生產(chǎn)規(guī)模的不斷擴(kuò)大、生產(chǎn)方式上科技應(yīng)用不斷地向工業(yè)和社會(huì)的更高層結(jié)構(gòu)滲透。底層的、低技術(shù)含量的、規(guī)模龐大的生產(chǎn)模塊不斷被機(jī)器替代，人力生產(chǎn)持續(xù)向高層的、復(fù)雜的、尖端的生產(chǎn)方式和技術(shù)模塊演進(jìn)，是一個(gè)不變的趨勢。人工智能三要素逐步成熟，推動(dòng)行業(yè)進(jìn)入爆發(fā)期AIGC的本質(zhì)是內(nèi)容與場景，其發(fā)展需要AI與后端基建，算法、算據(jù)和算力三要素耦合共振。AIGC的三大發(fā)展階段是：模型賦智階段(從現(xiàn)實(shí)生成數(shù)字）：AIGC利用AI技術(shù)構(gòu)建模擬現(xiàn)實(shí)世界的數(shù)字孿生模型；認(rèn)知交互階段(從數(shù)字生成數(shù)字）：A能夠?qū)W習(xí)并創(chuàng)作更豐富的內(nèi)容;空間賦能階段(從數(shù)字生成現(xiàn)實(shí)）：AIGC基于物聯(lián)網(wǎng)，多模態(tài)技術(shù)獲取多維信息，實(shí)現(xiàn)更加智能的人與機(jī)器互動(dòng)。市場規(guī)模：2021年，全球人工智能市場收支規(guī)模(含硬件、軟件及服務(wù))達(dá)850億美元。IDC預(yù)測，2022年該市場規(guī)模將同比增長約20%至1017億美元，并將于2025年突破2000億美元大關(guān)，CAGR達(dá)24.5%，顯示出強(qiáng)勁的產(chǎn)業(yè)化增長勢頭。2021年，中國人工智能市場收支規(guī)模達(dá)到82億美元，占全球市場規(guī)模的9.6%，在全球人工智能產(chǎn)業(yè)化地區(qū)中僅次于美國及歐盟，位居全球第三。IDC預(yù)測，2022年該市場規(guī)模將同比增長約24%至102億美元，并將于2025年突破160億美元。大模型參數(shù)量快速提升，算力需求大幅增加大模型主要由各大龍頭企業(yè)推動(dòng)，在國內(nèi)科技公司中，阿里巴巴達(dá)摩院在2020年推出了M6大模型，百度在2021年推出了文心大模型，騰訊在2022年推出了混元AI大模型。大模型最核心的除了算法外主要是參數(shù)的設(shè)置，其中參數(shù)量(Params)形容模型的大小程度，類似于算法中的空間復(fù)雜度,往往參數(shù)量越大(復(fù)雜程度越高)的神經(jīng)網(wǎng)絡(luò)模型對算力的需求程度更高，復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型的算法參數(shù)量約千億級別甚至萬億級別，與已知應(yīng)用級別的呈現(xiàn)指數(shù)級別的差異。這些模型不僅在參數(shù)量上達(dá)到了千億級別，而且數(shù)據(jù)集規(guī)模也高達(dá)TB級別，想要完成這些大模型的訓(xùn)練，就至少需要投入超過1000PetaFlop/s-day的計(jì)算資源。大模型主要由各大龍頭企業(yè)推動(dòng)，在國內(nèi)科技公司中，阿里巴巴達(dá)摩院在2020年推出了M6大模型，百度在2021年推出了文心大模型，騰訊在2022年推出了混元AI大模型。大模型最核心的除了算法外主要是參數(shù)的設(shè)置，其中參數(shù)量(Params)形容模型的大小程度，類似于算法中的空間復(fù)雜度,往往參數(shù)量越大(復(fù)雜程度越高)的神經(jīng)網(wǎng)絡(luò)模型對算力的需求程度更高，復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型的算法參數(shù)量約千億級別甚至萬億級別，與已知應(yīng)用級別的呈現(xiàn)指數(shù)級別的差異。這些模型不僅在參數(shù)量上達(dá)到了千億級別，而且數(shù)據(jù)集規(guī)模也高達(dá)TB級別，想要完成這些大模型的訓(xùn)練，就至少需要投入超過1000PetaFlop/s-day的計(jì)算資源。人工智能技術(shù)將全面賦能各行各業(yè)。預(yù)計(jì)到2025年，人工智能涉及的場景規(guī)模將達(dá)到2,081億美金，并在無人駕駛、智慧金融、智慧醫(yī)療、智慧零售、文娛等領(lǐng)域大顯身手。人工智能技術(shù)對于算力的核心拉動(dòng)點(diǎn)在于未來各應(yīng)用場景內(nèi)單設(shè)備芯片算力的增長和人工智能技術(shù)的行業(yè)滲透率的進(jìn)一步提升，帶動(dòng)對云計(jì)算中心、邊緣設(shè)備和終端NPU的巨大需求。整體預(yù)計(jì)在2030年，人工智能相關(guān)領(lǐng)域?qū)τ谒懔Φ男枨髮⑦_(dá)到~16,000EFLOPS，相當(dāng)于1,600億顆高通驍龍855內(nèi)置的人工智能芯片所能提供的算力。AI+Chiplet：信息革命的基石應(yīng)用-軟件-硬件循環(huán)向上，AI芯片發(fā)展多元變化以人工智能芯片為例，目前主要有兩種發(fā)展路徑：一種是延續(xù)傳統(tǒng)計(jì)算架構(gòu)，加速硬件計(jì)算能力，主要以CPU、GPU、FPGA、ASIC為代表。當(dāng)前階段，GPU配合CPU是AI芯片的主流，而后隨著視覺、語音、深度學(xué)習(xí)的算法在FPGA以及ASIC芯片上的不斷優(yōu)化，此兩者也將逐步占有更多的市場份額，從而與GPU達(dá)成長期共存的局面。深度神經(jīng)網(wǎng)絡(luò)算法是大型多層的網(wǎng)絡(luò)模型，典型的有循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)，模型單次推斷通常需要數(shù)十億甚至上百億次的運(yùn)算，對芯片的計(jì)算力提出了更高要求，同時(shí)對器件的體積、功耗還有一定的約束。GPU：并行運(yùn)算帶來對AI應(yīng)用的高度適配在架構(gòu)上GPU由數(shù)以千計(jì)的更小、更高效的核心（類似于CPU中的ALU）組成，這些核心專為同時(shí)處理多任務(wù)而設(shè)計(jì)。現(xiàn)在的CPU，一般是多核（multi-core）結(jié)構(gòu)；而GPU一般是眾核（many-core）結(jié)構(gòu)。為充分利用GPU的計(jì)算能力，NVIDIA在2006年推出了CUDA（ComputerUnifieDeviceArchitecture，統(tǒng)一計(jì)算設(shè)備架構(gòu)）這一編程架構(gòu)。該架構(gòu)使GPU能夠解決復(fù)雜的計(jì)算問題。它包含了CUDA指令集架構(gòu)（ISA）以及GPU內(nèi)部的并行計(jì)算引擎。英偉達(dá)在GPU里面增加了TensorCore為AI服務(wù)，它的并行力度就從基本的數(shù)據(jù)點(diǎn)進(jìn)化到以小矩陣快來進(jìn)行計(jì)算。所以TensorCore最基本的并行單元是一個(gè)4×4的矩陣塊，能夠在一個(gè)時(shí)鐘周期里面算出一個(gè)4×4矩陣和另一個(gè)4×4矩陣相乘的結(jié)果。原來用數(shù)據(jù)點(diǎn)來并行的話，它需要16次這樣的計(jì)算，才能算出一個(gè)4×4的矩陣。相比之下TensorCore的算力比原來的GPU要高，等價(jià)的功耗等比原來GPU的要低，這就是TensorCore用來做矩陣一個(gè)顯著的進(jìn)化。英偉達(dá)AmpereGA100是迄今為止設(shè)計(jì)的最大的7nmGPU。GPU完全針對HPC市場而設(shè)計(jì)，具有科學(xué)研究，人工智能，深度神經(jīng)網(wǎng)絡(luò)和AI推理等應(yīng)用程序。NVIDIAA100基于7nmAmpereGA100GPU，具有6912CUDA內(nèi)核和432TensorCore，540億個(gè)晶體管數(shù)，108個(gè)流式多處理器。采用第三代NVLINK，GPU和服務(wù)器雙向帶寬為4.8TB/s，GPU間的互連速度為600GB/s。另外，TeslaA100在5120條內(nèi)存總線上的HBM2內(nèi)存可達(dá)40GB。2022年，NVIDIA推出了具有采用全新Hopper架構(gòu)的,800億個(gè)晶體管的H100，這是首款支持Pcle5.0標(biāo)準(zhǔn)的GPU，單個(gè)H100就支持40Tb/s的IO帶寬。英偉達(dá)：三重壁壘構(gòu)造AI時(shí)代軟硬件一體化龍頭第一層壁壘：硬件層。GPU奠定圖形渲染和AI算力基礎(chǔ)，英偉達(dá)硬件層的三芯戰(zhàn)略已逐步成型：GPU解決AI大規(guī)模并行運(yùn)算痛點(diǎn)，DPU解決AI訓(xùn)練推理中設(shè)備網(wǎng)絡(luò)通信與CPU負(fù)荷問題，CPU填上三芯戰(zhàn)略最后一塊拼圖，GPU強(qiáng)耦合設(shè)計(jì)構(gòu)造完整AI解決方案，NVlink+NVSwitch+ConnectX突破芯片直連和設(shè)備網(wǎng)絡(luò)連接限制，GPUDirectStorage技術(shù)實(shí)現(xiàn)高性能存儲(chǔ)和數(shù)據(jù)訪問第二層壁壘：軟件層。CUDA釋放GPU潛力引航AI發(fā)展，DOCA、Omniverse等軟件層進(jìn)一步填充生態(tài)，增強(qiáng)AI行業(yè)對英偉達(dá)的粘性。CUDA從底層代碼出發(fā)發(fā)揮GPU并行運(yùn)算優(yōu)勢，奠定近十年人工智能發(fā)展基礎(chǔ)，DOCA為BlueFieldDPU量身定做軟件開發(fā)平臺(tái)，復(fù)刻GPU+CUDA的強(qiáng)耦合成功路徑，Omniverse初試工業(yè)共享虛擬空間，從硬件→軟件→云上社區(qū)，在強(qiáng)勁軟硬件基礎(chǔ)上打造系統(tǒng)級AI生態(tài)圈，NVIDIAAIEnterprise加速AI模型開發(fā)，未來或有望助力實(shí)現(xiàn)以AI開發(fā)AI。第三層壁壘：應(yīng)用層。游戲顯卡、數(shù)據(jù)中心、自動(dòng)駕駛、元宇宙先后接力，十年成長曲線浪潮疊加。景嘉微：構(gòu)造圖形GPU國產(chǎn)化基礎(chǔ)景嘉微在圖形處理芯片領(lǐng)域經(jīng)過多年的技術(shù)鉆研，成功自主研發(fā)了一系列具有自主知識(shí)產(chǎn)權(quán)的GPU芯片，是公司圖形顯控模塊產(chǎn)品的核心部件并以此在行業(yè)內(nèi)形成了核心技術(shù)優(yōu)勢。公司以JM5400研發(fā)成功為起點(diǎn)，不斷研發(fā)更為先進(jìn)且適用更為廣泛的一系列GPU芯片，隨著公司JM7200和JM9系列圖形處理芯片的成功研發(fā)，公司聯(lián)合國內(nèi)主要CPU、整機(jī)廠商、操作系統(tǒng)、行業(yè)應(yīng)用廠商等開展適配與調(diào)試工作，共同構(gòu)建國產(chǎn)化計(jì)算機(jī)應(yīng)用生態(tài)，在通用領(lǐng)域成功實(shí)現(xiàn)廣泛應(yīng)用。2022年5月，公司JM9系列第二款圖形處理芯片成功研發(fā)，可以滿足地理信息系統(tǒng)、媒體處理、CAD輔助設(shè)計(jì)、游戲、虛擬化等高性能顯示需求和人工智能計(jì)算需求，可廣泛應(yīng)用于用于臺(tái)式機(jī)、筆記本、一體機(jī)、服務(wù)器、工控機(jī)、自助終端等設(shè)備。沐曦：頂級團(tuán)隊(duì)布局全棧解決方案沐曦2020年9月成立于上海，擁有技術(shù)完備、設(shè)計(jì)和產(chǎn)業(yè)化經(jīng)驗(yàn)豐富的團(tuán)隊(duì)，核心成員平均擁有近20年高性能GPU產(chǎn)品端到端研發(fā)經(jīng)驗(yàn)，曾主導(dǎo)過十多款世界主流高性能GPU產(chǎn)品研發(fā)，包括GPU架構(gòu)定義、GPUIP設(shè)計(jì)、GPUSoC設(shè)計(jì)及GPU系統(tǒng)解決方案的量產(chǎn)交付全流程。打造全棧GPU芯片產(chǎn)品，推出MXN系列GPU（曦思）用于AI推理，MXC系列GPU（曦云）用于AI訓(xùn)練及通用計(jì)算，以及MXG系列GPU（曦彩）用于圖形渲染，滿足數(shù)據(jù)中心對“高能效”和“高通用性”的算力需求。沐曦產(chǎn)品均采用完全自主研發(fā)的GPUIP，擁有完全自主知識(shí)產(chǎn)權(quán)的指令集和架構(gòu)，配以兼容主流GPU生態(tài)的完整軟件棧（MXMACA），具備高能效和高通用性的天然優(yōu)勢，能夠?yàn)榭蛻魳?gòu)建軟硬件一體的全面生態(tài)解決方案，是“雙碳”背景下推動(dòng)數(shù)據(jù)中心建設(shè)和產(chǎn)業(yè)數(shù)字化、智能化轉(zhuǎn)型升級的算力基石。AI還可以買什么？服務(wù)器：AI驅(qū)動(dòng)的硬件軍備競賽目前，人工智能商業(yè)價(jià)值在全球范圍內(nèi)獲得廣泛認(rèn)可，行業(yè)用戶對于AI價(jià)值的認(rèn)知、技術(shù)供應(yīng)商在AI落地的方法論與實(shí)踐方面日趨成熟。隨著人工智能產(chǎn)業(yè)化應(yīng)用的加速發(fā)展，全球AI基礎(chǔ)設(shè)施支出持續(xù)呈現(xiàn)高增長態(tài)勢。據(jù)TrendForce，截至2022年，預(yù)計(jì)搭載GPGPU（GeneralPurposeGPU）的AI服務(wù)器年出貨量占整體服務(wù)器比重近1%；2023年預(yù)計(jì)在ChatBot相關(guān)應(yīng)用加持下，預(yù)估出貨量同比增長可達(dá)8%；2022