【海通计算机】AI算力又不够了

2023年4月5日，OpenAI暂停ChatGPT Plus销售， 后续开放时间未知，停售主要归因于算力需求量超载。
 
算力需求测算：
我们在2023年2月14日的外发报告《OpenAI算力需求测算》中对ChatGPT年GPU/CPU需求空间进行测算，预计运营阶段，ChatGPT年GPU/CPU需求空间分别在7000万美元及778万美元。该测算尚未包含GPT-4模型迭代、日访问量持续上升以及OpenAI引入plug-in插件策略、嵌入多个终端等因素，在上述因素假设下，算力需求将再次成倍提升。
我们认为，海外龙头持续展开AIGC相关投资或将带动全球相关产业链共同景气，随着当前微软发布365 Copilot，Plugin插件策略引入，多模态应用落地速度较快，硬件端GPU/CPU的用量空间将得到进一步拓展，边缘其他应用亦为算力的重要支撑，半导体+AI生态逐步建立。
 
终端AI芯片国产替代确定性高，可借助Chiplet等技术共同构筑生态加速追赶。
2022年10月7日，美国BIS发布《出口管制条例》，限制向中国芯片制造商出口先进芯片和生产先进芯片的设备，根据环球时报微信公众号，英伟达A100型芯片已被美国商务部添加到出口管制名单中。在当前中美关系背景下，国内加速追赶，AI芯片国产替代确定性较高，此外，平衡芯片性能、良率、成本矛盾的技术包括Chiplet等也将共同构筑AI硬科技端生态，配套提升先进封装、IC载板、EDA/IP工具需求，加速AI芯片实现落地。
 
AI人工智能呼唤高性能HBM。
2021年HBM位元需求占整体DRAM市场仍未达1%，主要包含两大原因：首先是消费级应用因成本考量下几乎未采用HBM，其次是服务器市场中作为AI功能的建置低于1%，即服务器搭载相关AI运算卡的比重仍小于1%，且多数存储器仍使用GDDR5(x)、GDDR6来支持其算力。HBM有助于突破AI发展中受限的硬件频宽瓶颈，未来市场上将出现更多相关应用。随着最新迭代的规范获得批准，生态系统中的供应商正准备确保它可以实施，以便客户可以开始设计、测试和部署系统。随着英伟达使用HBM DRAM，数据中心或将迎来新一轮的性能革命。2021年10月，SK海力士开发完成全球首款HBM3，2022年6月量产HBM3 DRAM芯片，并供货英伟达，持续巩固其市场领先地位。
HBM及CXL交互合作共同促进高算力AI发展，实际应用于2023年将更有能见度。根据TrendForce集邦咨询，CXL导入将随着未来CPU内建CXL功能而普及化，而未来AI服务器的硬件建置，将能见到更多同时采用HBM及CXL的设计。其中HBM能分别增加CPU及加速器各自的频宽，加速数据处理速度；CXL则建立彼此间沟通的高速互联性，两者交互有助于扩展AI算力从而加速AI发展。
 
Chiplet共同构筑AI生态，EDA工具赋能IC设计效率优化。
平衡芯片性能、良率、成本矛盾的技术包括Chiplet等也将共同构筑AI硬科技端生态，加速AI芯片实现落地，我们认为其中，基础工具链的国产化将起到关键性作用。其中，EDA工具应用AI算法赋能高效芯片设计，实现“AI Inside+Outside”共同优化，AI芯片庞大算力意味着较大设计规模，对于芯片来说，规模越大，结构越复杂、精度越高，对于EDA软件的依赖程度也就越高。根据中科院半导体所援引半导体行业观察微信公众号，使用EDA工具，可以针对AI的分布式、矩阵式等运算特点，验证AI芯片的性能和收敛能力，推出对应的解决方案，以此来得到更快的结果，提高芯片设计效率。
 
高效IP核缩短SoC开发周期，灵活平衡计算性能及成本。
对于AI芯片厂商而言，使用成熟、稳定、质量可靠的IP核能够助力厂商通过快速复用积累的技术，有效提高芯片设计效率，提升设计公司交付能力，极大缩短SoC芯片的开发周期。以接口IP为例，接口IP硬化服务能为SoC腾出空间，为达到更高的AI性能提供了宝贵的片上SRAM和处理器组件；此外，在Chiplet加持下，IP模块经济性和复用性也有望得到大幅提升，不同功能的IP，如 CPU、存储器、模拟接口等，可灵活选择不同的工艺进行生产，从而灵活平衡计算性能与成本，实现功能模块的最优配置。
 
建议关注：
算力基础设施：商汤集团
算力芯片：寒武纪，海光信息，景嘉微
HBM：东芯股份，兆易创新，北京君正，普冉股份，国芯科技，澜起科技
散热驱动：峰岹科技
IP：芯原股份
边缘AI：瑞芯微，乐鑫科技
电源管理IC：晶丰明源
IC载板：胜宏科技，兴森科技
先进封装：通富微电
服务器：工业富联，神州数码，中科曙光，浪潮信息