既2023年发布《中国芯未来梦 2023半导体洞察报告》后，时隔一年，景顺长城科技团队再度带来新一年的精彩发言。

杨锐文风格鲜明，素来聚焦成长，倾向于寻找生命周期早中期的成长股，任职时间较长的代表基金长期下来取得了不错的成绩。

在直播现场，杨锐文首先提出了关于AI产业的十大预测，提纲挈领地表达了对模型层、算力层、应用层等方面的主要观点。

AI产业链整体可以概括为三个层次——

模型层好比AI的大脑；

算力层好比AI的粮草和营养补给；

应用层则是AI的执行机构。

在模型层而言，景顺长城基金认为，长期看，大模型发展的终局是人工通用智能（AGI），它将具备高度自主性，像人一样自发地创造和完成一切任务。

而短期看，下一代的大模型将向多模态与AI Agent进化。

在应用层，AI将在生产力和泛娱乐两个场景，重塑生产效率和交互体验，驱动应用创新。

最后，在算力层，针对算力层的基础设施建设，是AI这颗大树深扎在土壤中的根系。

站在当前时点，算力投资正由训练向推理开始延伸，后续将更为看好长期推理侧的需求爆发。

本场交流的精华内容和要点如下：

1.现阶段产能供给仍有瓶颈，集中在以台积电主导的先进封装环节。

我们预计，2024年全球AI算力芯片市场将进一步扩容到800亿美金，实现翻倍以上成长，

未来五年也将保持50%以上的复合增速。

并且在2032年突破2000亿美金体量，实现十年10倍的成长。

2.对比传统的数据中心，AI服务器价值量大幅提高，达到资本开支的70%。

其中，又以高性能算力芯片，也就是我们通常说的GPU为主要的价值贡献。

同时针对大模型训练，数万张GPU的并行运算，对集群的通讯和存储提高了更高的要求。

配套的交换机、光模块、HBM同步配套升级。

3.2023年针对算力芯片的管制升级，也将开启国产算力生态发展的新起点。

我们期待并相信着，在像华为这样的龙头企业的牵引下，各个产业链环节将会不断涌现出优秀的国产厂商，并在客户的支持下实现快速的技术迭代。

AI产业十大预测

杨锐文：过去一年最火热的科技话题无疑就是AI。

ChatGPT，犹如平地惊雷一样，点燃了革命的引线。

景顺长城基金也第一时间调集了大量的研究资源研究AI，我的同事们做了很多深入研究。

我们希望通过这篇AI+洞察报告展现这些研究成果给大家。

首先，我们对AI产业趋势做了十大预测。

算力芯片市场

规模增长有望十年十倍

张仲维：AI应用发展的基础，来自于算力的资源投入。

算力之于AI，就如同我们现在能享受移动互联网的便利，必须要有通畅、快速的网络建设环境一样。

因此，类比4G、5G建设，算力投资是应用爆发的必要条件和先行指标。

站在当前时点，我们认为，算力投资正由训练向推理开始延伸，并更看好长期推理侧的需求爆发。

而在美国制裁的背景之下，国产AI芯片和生态系统将迎来史无前例发展的机会。

我们以全球头部云计算厂商经营的数据为参考，可以看到他们整体资本开支强度超过1000亿美金。

对比相关云计算收入业务，也率先实现了增速的企稳回升。

而从结构上来看，AI算力成为主要的增量投资方向。

我们以算力投资中价值量最高的服务器为参考，2022年全球出货量达到1500万台左右，对应的产值超过1000亿美金。

现阶段AI服务器的占比不到20%。

我们预计，2024年全球AI服务器的市场规模将增长到1000亿美金，占到整体市场一半以上。

台积电预计，AI相关的收入未来五年将以50%以上的复合增速快速增长。

而韩国的海力士预计其配套使用的HBM芯片2030年出货量将达到1亿颗，7年成长200倍。

对比传统的数据中心，AI服务器价值量大幅提高，达到资本开支的70%。

其中，又以高性能算力芯片，也就是我们通常说的GPU为主要的价值贡献。

同时针对大模型训练，数万张GPU的并行运算，对集群的通讯和存储提高了更高的要求。

配套的交换机、光模块、HBM同步配套升级。

以一台典型的8卡AI服务器为参考，

价值量比传统的服务器增长15倍，其中以GPU为主要增量。

其他配套的存储芯片、网卡、PCB、光模块也都有数倍到数十倍的增长弹性。

同时伴随应用不断地落地，推理需求也在逐步释放，并有望在中长期成为市场的需求主力。

区别于训练侧，

推理侧的算力需求无法实现重复使用，会跟随着应用场景、用户数量、使用频次等的增长而持续扩张。

我们粗略框算了几个大模型应用的典型场景。

用户铺开之后，每个场景的算力需求，都在数百万张A100的量级。

根据第三方统计，2023年全球AI算力芯片的市场规模达到200亿美金。

现阶段产能供给仍有瓶颈，集中在以台积电主导的先进封装环节。

伴随着供应链产能扩张及技术扩散，有望在2024年中得到改善。

我们预计2024年全球AI算力芯片市场将进一步扩容到800亿美金，实现翻倍以上成长，

未来五年也将保持50%以上的复合增速。

并且在2032年突破2000亿美金体量，实现十年10倍的成长。

伴随推理侧需求释放

ASIC方案有望加速渗透

预计到2025年，云端训练、推理端，ASIC方案渗透率分别达到50%和40%，边缘测推理端ASIC方案渗透率将达到70%。

刚刚我们所有分享的都是算力芯片，而搭配算力芯片，我们需要相关的存储芯片。

对比算力芯片，近20年处理器峰值算力提高将近9万倍，而存储器带宽仅提升了30倍。

以2024年算力芯片的出货量为参考依据，对应配套的HBM需求将达到100亿美金的市场。

端侧来看，模型的本地化部署同样拉动存储容量升级。

以单次运算100亿参数模型为例，当前手机的存储配置已经无法满足需求。

未来主流方案有望从当下的8GB提升到12GB以上。

行业层面看，当前存储行业周期已处于底部区间，供给侧收缩叠加AI需求拉动，有望驱动行业周期向上。

相比最先进的量产算力卡，

我们大致只相差一代

董晗：我们把视角从全球拉回到国内，看看这一轮轰轰烈烈的AI浪潮下，国产供应链未来的成长机遇在哪里。

从需求角度看，国内市场已经成为全球算力的重要组成部分。

但是，这些算力的主要构成还是传统的X86 CPU架构。

AI时代，GPU服务器作为主要的需求增量，我们在这个时代面临的是怎样的局面？

供给层面，国内AI硬件的产业链并不完善。

优势环节主要集中在中下游的模块，以及整机的组装环节。

而在最核心的GPU芯片环节，和世界其他国家一样，我们现在也主要依赖于美国的头部芯片企业。

近期，美国则直接针对用于AI训练的GPU芯片对大陆实行禁运。

甚至连游戏发烧友经常使用的4090顶级显卡也无法在大陆销售。

这些限制短期确实会限制中国国内。

但从算力芯片性能来看，

我们和世界最先进的已经量产的算力卡，大致只相差一代，其实这已经是一个很了不起的能力。

训练侧，过去一年大家耳熟能详的ChatGPT其实就是用这颗英伟达的A100芯片所组成的计算群实现的。

也就是说，国内芯片的性能指标，是能够满足目前国内大模型的训练需求的。

当前的差距可能主要存在于软件生态的适配。

围绕算力芯片，

设计-制造-封装全产业链加速成长

讲完芯片的设计和制造，我们来到芯片的封装环节。

我们前面已经提到，延续摩尔定律其实越来越难。

半导体产业延续摩尔定律除了在二维的平面制程进行微缩，开始向三维的垂直面做文章。

也就是以CoWoS为代表的2.5D，以及未来的3D封装。

而先进封装缩短了芯片的距离，可以更好地满足这些大规模芯片的性能和成本需求，也是现阶段最主要的产能瓶颈。

今年大家罕缺的英伟达AI芯片，其实缺的并不是台积电的晶圆制造能力，而是它的CoWoS先进封装产能。

对比消费级芯片产品，

算力芯片的封测成本，通常有10倍以上的提升，在芯片整体成本构成中，它的比重也在增加。

而对比芯片制造端的技术差距和供应链限制，

在先进封装领域，国内厂商已有技术积累，并在积极进行技术和产能的投入，未来具备更好的追赶机会。

供应链国产替代有望全面加速。

英伟达花了十几年建立起来的牢不可破的生态链，在中美竞争的背景下，给国内的AI芯片企业找到了突破口。

如果说2018年是国内半导体企业的成长拐点，外部冲击下开始了真正的自主可控之路，

那么，2023年针对算力芯片的管制升级，也将开启国产算力生态发展的新起点。

我们期待并相信着，在像华为这样的龙头企业的牵引下，

各个产业链环节将会不断涌现出优秀的国产厂商，并在客户的支持下实现快速的技术迭代。

杨锐文：AI产业在迅速发展，AI的应用场景在不断拓展，

但是由于人工智能现有的泛化能力还是非常有限的，因此场景的落地能力还是非常重要。

GPT冲击波已经席卷了几乎所有大型的互联网公司，

这些互联网公司无论主动还是被动，将不得不卷入这一轮AI的大潮中。

新一轮的算力军备竞赛毫无疑问已经开始，

我们长期看好AI的发展，未来也会投入大量的时间和精力扎根在这个行业的研究。