近日，工業(yè)和信息化部、教育部、科技部、交通運輸部、文化和旅游部、國務院國資委、中國科學院等七部門近日聯(lián)合印發(fā)《關于推動未來產(chǎn)業(yè)創(chuàng)新發(fā)展的實施意見》（以下簡稱“《意見》”）。

《意見》提出，到2025年，我國未來產(chǎn)業(yè)技術創(chuàng)新、產(chǎn)業(yè)培育、安全治理等全面發(fā)展，部分領域達到國際先進水平，產(chǎn)業(yè)規(guī)模穩(wěn)步提升。建設一批未來產(chǎn)業(yè)孵化器和先導區(qū)，突破百項前沿關鍵核心技術，形成百項標志性產(chǎn)品，初步形成符合我國實際的未來產(chǎn)業(yè)發(fā)展模式。到2027年，未來產(chǎn)業(yè)綜合實力顯著提升，部分領域實現(xiàn)全球引領。關鍵核心技術取得重大突破，一批新技術、新產(chǎn)品、新業(yè)態(tài)、新模式得到普遍應用，形成可持續(xù)發(fā)展的長效機制，成為世界未來產(chǎn)業(yè)重要策源地。

《意見》從全面布局未來產(chǎn)業(yè)、加快技術創(chuàng)新和產(chǎn)業(yè)化、打造標志性產(chǎn)品、壯大產(chǎn)業(yè)主體、豐富應用場景、優(yōu)化產(chǎn)業(yè)支撐體系六個方面規(guī)劃重點任務。

在全面布局未來產(chǎn)業(yè)方面，《意見》提出要加強前瞻謀劃部署。把握全球科技創(chuàng)新和產(chǎn)業(yè)發(fā)展趨勢，重點推進未來制造、未來信息、未來材料、未來能源、未來空間和未來健康六大方向產(chǎn)業(yè)發(fā)展。實施意見列舉了包括人形機器人、腦機接口、超大規(guī)模新型智算中心、第三代互聯(lián)網(wǎng)等創(chuàng)新標志性產(chǎn)品。其中，關于超大規(guī)模新型智算中心部分提到，加快突破GPU芯片、集群低時延互連網(wǎng)絡、異構資源管理等技術，建設超大規(guī)模智算中心，滿足大模型迭代訓練和應用推理需求。


人工智能與GPU互相成就

最初，并不是GPU選擇了人工智能，而是人工智能的研究者選擇了GPU，進而成就了GPU：2012年Alex Krizhevsky（前谷歌計算機科學家）利用深度學習+GPU的方案，一舉贏得Image Net LSVRC-2010 圖像識別大賽，并奇跡般地將識別成功率從74%提升到85%。

NVIDIA敏銳地洞察到了這一趨勢，于是耗費巨大的人力物力優(yōu)化基于自家GPU的CUDA深度學習生態(tài)系統(tǒng)，在三年時間里將GPU性能提升了65倍，并提供基于其GPU的從后端模型訓練到前端推理應用的全套深度學習解決方案，使得一般的開發(fā)人員都可以非常容易地使用GPU進行深度學習開發(fā)或高性能運算，從而奠定了其目前的王者之位。

GPU是AI時代的算力核心，但AI算力的構成不僅僅只是GPU加速芯片，還需要構建包括網(wǎng)絡互聯(lián)、操作系統(tǒng)、深度學習框架及相應 SDK、算法與應用程序等，形成一個完整的計算生態(tài)系統(tǒng)。

可以說，是人工智能和GPU互相成就了對方：人工智能算法促進GPU的發(fā)展，而GPU也讓算法更加簡單。


大語言模型助推 GPU 算力需求增長

市場對 3D 圖像處理和 AI 深度學習計算等需求不斷增加，GPU 市場保持高增 速。據(jù) Global Market Insights 的數(shù)據(jù)，全球 GPU 市場預計將以 CAGR 25.9%持 續(xù)增長，至 2030 年達到 4000 億美元規(guī)模。在 GPU 市場中，NVIDIA 依靠在深 度學習、人工智能等領域布局的先發(fā)優(yōu)勢并憑借其優(yōu)異產(chǎn)品性能以及成熟的生態(tài) 平臺長期處于領導地位，根據(jù) JPR 數(shù)據(jù)，2022 年 Q1，NVIDIA 的在獨顯市場份 額約為 78%。

大語言模型有望拉動 GPU 需求增量，我們測算 23/24/25 年大模型有望貢獻 GPU 市場增量 69.88/166.2/209.95 億美元。具體假設測算如下： 訓練端，近年來各大廠商陸續(xù)發(fā)布大模型，我們假設 23/24/25 年新增 5/10/15 個 大模型，根據(jù) OpenAI 團隊于 2020 發(fā)表的論文《Scaling Laws for Neural Language Models》提出的計算方法，對于以 Transformer 為基礎的模型，假設模 型參數(shù)量為 N，單 Token 所需的訓練算力約為 6N。參考 OpenAI 團隊 2020 同年 發(fā)表的論文《Language Models are Few-Shot Learners》，GPT-3 模型參數(shù)量約為 1750 億個，Token 數(shù)量約為 3000 億個，近年發(fā)布的模型均在千億級參數(shù)級別， 因此我們中性假設 23 年新增大模型平均參數(shù)量約為 2000 億個，Token 數(shù)量約為 3000 億個，兩者后續(xù)每年以 20%增速增加。另外假設單次訓練耗時約 30 天，算 力效率為 30%，后續(xù)伴隨算法精進，算力效率預計逐漸提升。以目前主流的訓練 端 GPU 英偉達 A100 測算，假設 ASP 為 1 萬美元，23/24/25 年全球訓練端 GPU 需求市場規(guī)模預計分別為 0.74/2.00/4.07 億美元。

推理端，基于訓練端的假設，根據(jù)論文《Scaling Laws for Neural Language Models》，單 Token 所需的推理算力開銷約為 2N。則對于 GPT-3 模型，其單 Token 所需的推理算力開銷為 3500 億 FLOPs-S。假設單次最大查詢 Tokens 數(shù)為 1000(對應漢字約 300-500 字，英文約 750 詞)，每人每天查詢 20 次。在并發(fā)用 戶數(shù)的估計上，我們參考國際主流社交媒體日活用戶數(shù)進行測算，根據(jù) Dustin Stout 統(tǒng)計，F(xiàn)acebook、WhatsApp、Instagram 全球日活用戶數(shù)分別為 16 億、10 億、6 億，考慮到目前(類) GPT 平臺仍處于發(fā)展早期，我們預計全球大模型日活 用戶數(shù)在 23/24/25 分別為 2/6/10 億，按照所有用戶平均分布于 24 小時，并以 10 倍計算峰值并發(fā)數(shù)量。以目前英偉達用于推理端計算的 A10 測算，假設 ASP 為 2800 美元，23/24/25 年全球推理端 GPU 需求市場規(guī)模預計分別為 69.14/164.2/205.88 億美元。


英偉達GPU遇冷，國產(chǎn)芯片崛起

AI芯片市場格局迎來逆轉。英偉達GPU曾備受追捧，但如今卻遭遇冷遇。騰訊、阿里等國內(nèi)巨頭紛紛轉向國產(chǎn)芯片，國產(chǎn)芯片廠商迎來春天。

原因在于，英偉達GPU價格高昂，且存在性能過剩問題。國產(chǎn)芯片性價比更高，且更適合國內(nèi)應用場景。隨著國產(chǎn)芯片技術的不斷成熟，其性能已足以滿足主流應用需求。

這一轉變標志著國產(chǎn)芯片產(chǎn)業(yè)的崛起，也預示著AI芯片市場格局的深刻變化。“英偉達“閹割版”GPU遇冷，騰訊、阿里等轉頭擁抱國產(chǎn)？”，AI芯片戰(zhàn)局似乎迎來逆轉！此前每次英偉達的顯卡一經(jīng)推出，無不受到國內(nèi)各大公司爭搶，但現(xiàn)如今，情況似乎發(fā)生了逆轉：

中國科技巨頭，如百度、阿里巴巴、騰訊和字節(jié)跳動，正在削減對英偉達芯片訂單，轉向國產(chǎn)芯片供應商或內(nèi)部自研芯片。顯卡大戶中國的決定，對英偉達收入的影響不容忽視，這占英偉達1/5的營收。此舉也反映出中國企業(yè)在芯片供應鏈自主可控的戰(zhàn)略考量。1/5收入的中國科技公司，包括百度、阿巴、騰訊和字節(jié)等公司正在開始減少英偉達芯片的訂單量，轉向國內(nèi)芯片制造商或者公司內(nèi)部自研芯片。

顯而易見，這“得益于”漂亮國的對華AI芯片禁售政策。

隨著美國收緊芯片管制，中國云計算企業(yè)將減少對英偉達的依賴，轉向本土芯片供應商。 TrendForce 分析師 Frank Kung 表示，中國云計算企業(yè)目前約 80% 的高端人工智能芯片來自 Nvidia，未來五年這一比例可能會下降至 50%-60%。他補充說，未來美國收緊芯片管制將對英偉達在中國的銷售造成額外壓力。

在AI芯片領域，國內(nèi)供應商能否滿足需求方的實際應用需求尚待驗證。國內(nèi)云計算廠家的轉單決心也仍不明確。因此，在短期內(nèi)，自建算力仍將是企業(yè)的主要選擇。

國內(nèi)AI芯片與需求方實際應用需求之間存在差距，導致企業(yè)轉單意愿不強。而云計算廠家的轉單決心也受到多種因素的影響，包括成本、性能、兼容性等。在這些問題得到解決之前，企業(yè)自建算力仍將是大勢所趨。，目前在國內(nèi)培養(yǎng)本土供應鏈的呼聲顯然更高。不過，愿望和實際操作是兩回事，當前國內(nèi)的AI芯片能滿足需求方們實際應用的需求嗎？國內(nèi)云計算廠家的轉單決心又有多堅定，還有待考驗。