2023年半導(dǎo)體行業(yè)專題 算力芯片主導(dǎo)AI計(jì)算市場(chǎng)

2023年半導(dǎo)體行業(yè)專題算力芯片主導(dǎo)AI計(jì)算市場(chǎng)一、AI史上最長(zhǎng)繁榮周期，大國(guó)AI競(jìng)賽拉開序幕AI正處史上最長(zhǎng)繁榮大周期人工智能從1956年被正式提出以來，經(jīng)歷了數(shù)十年的發(fā)展歷程。人工智能誕生初期，其研究主要分為三個(gè)流派，即邏輯演繹、歸納統(tǒng)計(jì)和類腦計(jì)算。人工智能研究的三大流派各有優(yōu)劣勢(shì)。類腦計(jì)算流派的目標(biāo)最為宏遠(yuǎn)，但在未得到生命科學(xué)的支撐之前，難以取得實(shí)際應(yīng)用。歸納演繹流派的思考方式與人類相似，具有較強(qiáng)的可解釋性。由于對(duì)數(shù)據(jù)和算力的依賴較少，歸納演繹流派成為人工智能前兩次繁榮的主角。隨著學(xué)界對(duì)人工智能困難程度的理解逐漸加深，數(shù)理邏輯方法的局限性被不斷放大，并最終在第三次繁榮期中，逐漸讓位于統(tǒng)計(jì)學(xué)習(xí)的“暴力美學(xué)”。在進(jìn)入21世紀(jì)以來，在大數(shù)據(jù)和大算力的支持下，歸納統(tǒng)計(jì)方法逐漸占據(jù)了人工智能領(lǐng)域的主導(dǎo)地位，深度學(xué)習(xí)的浪潮席卷人工智能，人工智能迎來史上最長(zhǎng)的第三次繁榮期，至今仍未有結(jié)束的趨勢(shì)。通用大模型加持，平民化AI普惠千行百業(yè)深度學(xué)習(xí)依然受到統(tǒng)計(jì)學(xué)習(xí)的框架限制：特征抽取和模板匹配。相比于人類基于知識(shí)的推斷，這種方式無疑是低效的，因?yàn)閷?duì)于任何新的概念乃至新的實(shí)體，算法都需要專門的訓(xùn)練數(shù)據(jù)來提供相關(guān)的信息。在沒有基礎(chǔ)模型支撐的情況下，開發(fā)者們必須從頭開始完成收集數(shù)據(jù)、訓(xùn)練模型、調(diào)試模型、優(yōu)化部署等一系列操作。對(duì)于人工智能開發(fā)者和垂直細(xì)分行業(yè)應(yīng)用而言，都是重大的挑戰(zhàn)。預(yù)訓(xùn)練大模型降本增效，將推動(dòng)AI普惠千行百業(yè)。預(yù)訓(xùn)練大模型加持下的人工智能算法（包括計(jì)算機(jī)視覺、自然語(yǔ)言處理等），相比于普通開發(fā)者從頭搭建的算法，精度明顯上升、數(shù)據(jù)和計(jì)算成本明顯下降，且開發(fā)難度大幅降低。GPT基礎(chǔ)大模型驅(qū)動(dòng)，引發(fā)AIGC范式革命以ChatGPT為代表的AIGC應(yīng)用在2022年的爆發(fā)，主要是得益于深度學(xué)習(xí)模型方面的技術(shù)創(chuàng)新。不斷創(chuàng)新的生成算法、預(yù)訓(xùn)練模型、多模態(tài)等技術(shù)融合帶來了AIGC（AIGeneratedContent）技術(shù)變革，擁有通用性、基礎(chǔ)性多模態(tài)、參數(shù)多、訓(xùn)練數(shù)據(jù)量大、生成內(nèi)容高質(zhì)穩(wěn)定等特征的AIGC模型成為了自動(dòng)化內(nèi)容生產(chǎn)的“工廠”和“流水線”?；A(chǔ)層是核心，GPT-3模型起關(guān)鍵支撐作用。GPT-3一個(gè)大規(guī)模的通用語(yǔ)言模型，已經(jīng)在來自各種來源的大量文本數(shù)據(jù)上進(jìn)行了訓(xùn)練。能夠產(chǎn)生類似人類的反應(yīng)，并可用于廣泛的語(yǔ)言相關(guān)任務(wù)。ChatGPT基于目前較新的GPT-4模型版本進(jìn)行研發(fā)，專注于自然語(yǔ)言對(duì)話，接受了更廣泛的語(yǔ)言模式和風(fēng)格培訓(xùn)，因此，能較GPT-4產(chǎn)生更多樣化和微妙的響應(yīng)。OpenAI的“暴力美學(xué)”：大算力和大數(shù)據(jù)窮盡所有的測(cè)試數(shù)據(jù)和訓(xùn)練材料，AI就會(huì)呈現(xiàn)出恐怖的準(zhǔn)確率。OpenAI意識(shí)到了“大”和“規(guī)?！钡牧α浚刂撀窂娇耧j，閱覽了幾乎所有互聯(lián)網(wǎng)數(shù)據(jù)，并在超級(jí)復(fù)雜的模型之下進(jìn)行深度學(xué)習(xí)。2017-2019年，OpenAI做出了有別于市場(chǎng)共識(shí)的關(guān)鍵決策，公司在Transformer基礎(chǔ)上押注大算力和大數(shù)據(jù)的“暴力美學(xué)”。并在GPT-3后迅速引入了人類反饋，讓模型的語(yǔ)言前后邏輯更加明晰、有因果關(guān)聯(lián)。OpenAI在《ScalingLawsforNeuralLanguageModels》中提出語(yǔ)言大模型所遵循的“規(guī)模法則”（ScalingLaw）。ScalingLaw說明：通過獨(dú)立延長(zhǎng)模型訓(xùn)練時(shí)間（Compute）、增加訓(xùn)練數(shù)據(jù)量（DatasetSize）或者擴(kuò)大模型參數(shù)規(guī)模（Parameters），預(yù)訓(xùn)練模型在測(cè)試集上的TestLoss都會(huì)單調(diào)降低，從而使模型效果越來越好。我們認(rèn)為，在ScalingLaw的框架下，只要追加數(shù)據(jù)與算力，大模型的能力就能持續(xù)增強(qiáng)。對(duì)于OpenAI而言，目前大模型的最大限制是數(shù)據(jù)和算力的總量。精細(xì)化策略+標(biāo)注提升ChatGPT模型效果預(yù)訓(xùn)練大模型分為上游（模型預(yù)訓(xùn)練）和下游（模型微調(diào)）兩個(gè)階段。上游階段主要是收集大量數(shù)據(jù)，并且訓(xùn)練超大規(guī)模的神經(jīng)網(wǎng)絡(luò)，以高效地存儲(chǔ)和理解這些數(shù)據(jù)；而下游階段則是在不同場(chǎng)景中，利用相對(duì)較少的數(shù)據(jù)量和計(jì)算量，對(duì)模型進(jìn)行微調(diào)，以達(dá)成特定的目的。ChatGPT的訓(xùn)練過程也遵循預(yù)訓(xùn)練大模型的基本原理。結(jié)合了監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)，并且通過人工標(biāo)注讓模型更好地區(qū)別回復(fù)的好壞。我們認(rèn)為，ChatGPT在模型和數(shù)據(jù)等環(huán)節(jié)進(jìn)行了大量的細(xì)節(jié)優(yōu)化，高質(zhì)量的海量數(shù)據(jù)加上充分的訓(xùn)練，人工和算法的有機(jī)配合，使ChatGPT在模型層面實(shí)現(xiàn)領(lǐng)跑。二、大算力描繪AI的“暴力美學(xué)”大國(guó)AI競(jìng)賽，國(guó)內(nèi)AI支出規(guī)模有望高速增長(zhǎng)據(jù)IDC，中國(guó)人工智能（AI）市場(chǎng)支出規(guī)模將在2023年增至147.5億美元，約占全球總規(guī)模十分之一。2021年中國(guó)加速服務(wù)器市場(chǎng)規(guī)模達(dá)到53.9億美元（約350.3億人民幣），同比+68.6%；預(yù)計(jì)到2025年將達(dá)到103.4億美元。年復(fù)合增長(zhǎng)率為19%，占全球整體服務(wù)器市場(chǎng)近三成。我們認(rèn)為，預(yù)訓(xùn)練大模型是現(xiàn)階段人工智能的集大成者，代表了統(tǒng)計(jì)學(xué)習(xí)流派的最高成就。在新一代技術(shù)未出現(xiàn)前，它將是人工智能研究和開發(fā)的最強(qiáng)武器。圍繞大模型的研發(fā)和落地，中美之間已經(jīng)展開了新一輪的競(jìng)爭(zhēng)。因此，國(guó)內(nèi)人工智能的支出增速有望超過IDC的預(yù)測(cè)。算力芯片主導(dǎo)AI計(jì)算市場(chǎng)AI分布式計(jì)算的市場(chǎng)主要由算力芯片(55-75%)、內(nèi)存(10-20%)和互聯(lián)設(shè)備（10-20%）三部分組成。美國(guó)已限制對(duì)華銷售最先進(jìn)、使用最廣泛的AI訓(xùn)練GPU—英偉達(dá)A100以及H100，國(guó)產(chǎn)算力芯片距離英偉達(dá)最新產(chǎn)品存在較大差距，但對(duì)信息顆粒度要求較低的推理運(yùn)算能實(shí)現(xiàn)部分替代。我們認(rèn)為，訓(xùn)練芯片受限進(jìn)一步強(qiáng)調(diào)了高制程芯片設(shè)計(jì)、代工的緊迫性。而隨著人工智能的應(yīng)用普及，推理芯片的市場(chǎng)需求將加速增長(zhǎng)。AI模型數(shù)據(jù)規(guī)模增長(zhǎng)，AI算力需求井噴當(dāng)前，預(yù)訓(xùn)練模型參數(shù)數(shù)量、訓(xùn)練數(shù)據(jù)規(guī)模按照300倍/年的趨勢(shì)增長(zhǎng)，繼續(xù)通過增大模型和增加訓(xùn)練數(shù)據(jù)仍是短期內(nèi)演進(jìn)方向。未來使用更多種圖像編碼、更多種語(yǔ)言、以及更多類型數(shù)據(jù)的預(yù)訓(xùn)練模型將會(huì)涌現(xiàn)。當(dāng)前算力距離AI應(yīng)用存巨大鴻溝。根據(jù)OpenAI數(shù)據(jù)，模型計(jì)算量增長(zhǎng)速度遠(yuǎn)超人工智能硬件算力增長(zhǎng)速度，存在萬倍差距。英特爾表示，目前的計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)基礎(chǔ)設(shè)施遠(yuǎn)不足以實(shí)現(xiàn)元宇宙愿景，而要想實(shí)現(xiàn)真正的元宇宙，目前的計(jì)算能力需量要再提高1000倍。算力升級(jí)：AI訓(xùn)練芯片空間廣闊IDC預(yù)計(jì)，到2025年人工智能芯片市場(chǎng)規(guī)模將達(dá)726億美元。IDC全球范圍調(diào)研顯示，人工智能芯片搭載率將持續(xù)增高。目前每臺(tái)人工智能服務(wù)器上普遍多配置2個(gè)GPU，未來18個(gè)月，GPU、ASIC和FPGA的搭載率均會(huì)上升。通用性遞減，專用性增強(qiáng)，為AI芯片的主要發(fā)展方向。2021年中國(guó)以GPU為主實(shí)現(xiàn)數(shù)據(jù)中心計(jì)算加速，GPU在算力芯片的市場(chǎng)占有率接近90%。ASIC，F(xiàn)PGA，NPU等非GPU芯片市場(chǎng)占有率超過10%。國(guó)際科技網(wǎng)絡(luò)巨頭公司谷歌、臉書，亞馬遜等等在AI芯片領(lǐng)域從云端訓(xùn)練到終端產(chǎn)品應(yīng)用，在開源框架賦能產(chǎn)業(yè)行業(yè)上有一定的領(lǐng)先優(yōu)勢(shì)。國(guó)內(nèi)企業(yè)也在打造從AI芯片注重云端訓(xùn)練+AI芯片終端響應(yīng)+AI算法框架開源的生態(tài)體系。算力升級(jí)：馮氏架構(gòu)“破壁者”，存算一體突破瓶頸馮氏架構(gòu)以計(jì)算為中心，計(jì)算和存儲(chǔ)分離，二者配合完成數(shù)據(jù)的存取與運(yùn)算。然而，由于處理器的設(shè)計(jì)以提升計(jì)算速度為主，存儲(chǔ)則更注重容量提升和成本優(yōu)化，“存”“算”之間性能失配，從而導(dǎo)致了訪存帶寬低、時(shí)延長(zhǎng)、功耗高等問題，即通常所說的“存儲(chǔ)墻”和“功耗墻”。存算一體作為一種新的計(jì)算架構(gòu)，被認(rèn)為是具有潛力的革命性技術(shù)。核心是將存儲(chǔ)與計(jì)算完全融合，有效克服馮·諾依曼架構(gòu)瓶頸，并結(jié)合后摩爾時(shí)代先進(jìn)封裝、新型存儲(chǔ)器件等技術(shù)，減少數(shù)據(jù)的無效搬移，從而提升計(jì)算效率。中國(guó)移動(dòng)已將存算一體納入算力網(wǎng)絡(luò)的十大關(guān)鍵技術(shù)。當(dāng)前NORFlash、SRAM等傳統(tǒng)器件相對(duì)成熟可率先開展存內(nèi)計(jì)算產(chǎn)品化落地推動(dòng)。新型器件中RRAM各指標(biāo)綜合表現(xiàn)較好，MRAM壽命和讀寫性能較好，均有各自獨(dú)特優(yōu)勢(shì)與發(fā)展?jié)摿沙掷m(xù)推動(dòng)器件成熟，同步進(jìn)行存內(nèi)計(jì)算探索。三星電子、SK海力士、臺(tái)積電、美光、IBM、英特爾等都在進(jìn)行存算一體技術(shù)的研究。國(guó)內(nèi)公司中，億鑄科技、千芯科技、后摩智能專注于大算力存算一體芯片，閃易半導(dǎo)體、蘋芯科技、知存科技、智芯科、九天睿芯專注于小算力存算一體芯片。存力升級(jí)：HBM提升存儲(chǔ)帶寬以ChatGPT為代表的生成類模型需要在海量數(shù)據(jù)中訓(xùn)練，對(duì)存儲(chǔ)容量和帶寬提出新要求，HBM（HighBandwidthMemory，高帶寬存儲(chǔ)器）成為減小內(nèi)存墻的優(yōu)選項(xiàng)。HBM將多個(gè)DDR芯片堆疊并與GPU封裝在一起，是一種基于3D堆疊工藝的高附加值DRAM產(chǎn)品。通過增加帶寬，擴(kuò)展內(nèi)存容量，讓更大模型、更多參數(shù)留在離計(jì)算核心區(qū)更近的地方，從而減少內(nèi)存和存儲(chǔ)解決方案帶來的延遲。據(jù)Omdia預(yù)測(cè)，到2025年，HBM市場(chǎng)的總收入將達(dá)到25億美元。傳輸升級(jí)：高速光模塊放量傳輸速度迭代不止，高速光模塊出貨預(yù)計(jì)大幅增長(zhǎng)。據(jù)lightCounting統(tǒng)計(jì)，2021年，200G、400G和800G的高速以太網(wǎng)光模塊發(fā)貨量達(dá)222萬只，2022年預(yù)計(jì)將達(dá)600萬只，同比170%以上，800G的產(chǎn)品有望在2022年開始逐步放量。據(jù)lightcounting2022年3月預(yù)測(cè)，未來隨著AI、元宇宙等新技術(shù)不斷發(fā)展，以及網(wǎng)絡(luò)流量長(zhǎng)期保持持續(xù)增長(zhǎng)，以太網(wǎng)光模塊銷售額也將保持較快增長(zhǎng)并不斷迭代升級(jí)。預(yù)計(jì)到2027年，以太網(wǎng)光模塊市場(chǎng)將達(dá)到100.11億美元。三、半導(dǎo)體作為AI算力核心，將再次成為大國(guó)博弈焦點(diǎn)AI大模型催化新一輪半導(dǎo)體制裁圍繞大模型的研發(fā)和落地，中美之間已經(jīng)展開了新一輪的競(jìng)爭(zhēng)。半導(dǎo)體作為AI算力核心，美國(guó)已在2022年9月限制中國(guó)采購(gòu)最先進(jìn)的AI訓(xùn)練芯片。我們認(rèn)為半導(dǎo)體將受到頂層高度關(guān)注，成為大國(guó)博弈的焦點(diǎn)之一。晶圓制造現(xiàn)狀：資本開支回落，大國(guó)競(jìng)爭(zhēng)鼓勵(lì)本土建廠Capex回落符合預(yù)期規(guī)律，國(guó)內(nèi)代工龍頭逆勢(shì)上修。終端需求疲軟，使得以存儲(chǔ)為代表的廠商率先大幅削減資本開支，其中美光FY23預(yù)計(jì)下調(diào)3成，SK海力士預(yù)計(jì)下調(diào)5成。根據(jù)ICInsights，2023年全球半導(dǎo)體資本開支1466億美元，同比下滑19%，但仍處于歷史第三高位。大陸代工龍頭中芯國(guó)際大幅上調(diào)資本開支并擴(kuò)建天津西青工廠，“舉國(guó)體制”下，國(guó)內(nèi)IC制造的景氣度無需過度憂慮。大國(guó)競(jìng)爭(zhēng)愈演愈烈，“競(jìng)賽式”補(bǔ)貼層出不窮。半導(dǎo)體產(chǎn)業(yè)發(fā)展歷經(jīng)多次重心轉(zhuǎn)移，國(guó)家變遷，如今日本、歐洲半導(dǎo)體產(chǎn)業(yè)逐漸式微，各國(guó)危機(jī)意識(shí)強(qiáng)烈。中美歐日韓紛紛出臺(tái)補(bǔ)貼政策刺激，重點(diǎn)補(bǔ)貼IC制造。美國(guó)《芯片與科學(xué)法案》中補(bǔ)貼390億美元投入IC制造，美光、Intel、TI紛紛宣布擴(kuò)產(chǎn)。我們判斷，隨著周期回暖及各國(guó)補(bǔ)貼政策的逐步實(shí)施，對(duì)晶圓廠投資會(huì)有所刺激和拉動(dòng)。全球晶圓擴(kuò)產(chǎn)腳步不止，內(nèi)資產(chǎn)能有望提升國(guó)內(nèi)晶圓產(chǎn)能將以遠(yuǎn)超全球增速的態(tài)勢(shì)增長(zhǎng)。根據(jù)我們對(duì)全球63家主流IDM/Foundry企業(yè)的產(chǎn)能統(tǒng)計(jì)，當(dāng)前全球晶圓月產(chǎn)能2125萬片（折合8英寸），未來三年以7%左右的增速持續(xù)增長(zhǎng)。且擴(kuò)產(chǎn)以12英寸為主，預(yù)計(jì)2024年全球12英寸達(dá)到808萬片/月。值得注意的是，國(guó)內(nèi)12英寸產(chǎn)能將達(dá)到155萬片/月，保持30%以上的CAGR，中國(guó)大陸內(nèi)資總產(chǎn)能有望從當(dāng)前的15%增長(zhǎng)至2024年的24%。目前國(guó)內(nèi)主要在建項(xiàng)目以12英寸28nm及以上的成熟制程為主。28nm是成熟的性價(jià)比的工藝節(jié)點(diǎn)，可以用在中低端手機(jī)、平板等絕大多數(shù)電子設(shè)備，且能覆蓋增速最快的汽車電子。SMIC一邊突破先進(jìn)制程，一邊不斷鞏固自己在28nm的地位。鍛造內(nèi)功，國(guó)產(chǎn)設(shè)備成長(zhǎng)可期“國(guó)家安全”的定調(diào)堅(jiān)定芯片自主可控決心，關(guān)鍵在于國(guó)內(nèi)廠商持續(xù)鍛造內(nèi)功。當(dāng)前設(shè)備廠商在某些細(xì)分環(huán)節(jié)已經(jīng)具備完全替代的能力，且“去A化”倒