【华泰科技】中国如何解决AI算力瓶颈问题
(以下内容从华泰证券《》研报附件原文摘录)
如果您希望第一时间收到推送,别忘了加“星标”! 我们认为算力是制约中国发展以ChatGPT为代表的大模型主要瓶颈之一。据OpenAI,大模型训练所需算力每3-4个月增长1倍,增速远超摩尔定律(18-24个月/倍)。随着GPT-4等下一代大模型出现,算力需求还有望进一步大幅增长。中国发展高性能计算,应加大在:1)异构计算芯片架构;2)先进封装方面的投入。 核心观点 算力是制约中国发展大模型的主要瓶颈 我们认为算力是制约中国发展以ChatGPT为代表的大模型主要瓶颈之一。据OpenAI,大模型训练所需算力每3-4个月增长1倍,增速远超摩尔定律(18-24个月/倍)。随着GPT-4等下一代大模型出现,算力需求还有望进一步大幅增长。我们认为美国对华出口限制,主要造成中国先进工艺发展短期受限、国产替代方案或推高大模型训练成本/时间两大影响。中国发展高性能计算,应加大在:1)异构计算芯片架构;2)先进封装方面的投入。 影响#1:先进工艺对提升芯片性能至关重要,中国大陆发展短期受限 发展先进制程意义在于持续提升晶体管密度,提升芯片性能、降低功耗。根据WikiChip,台积电5nm芯片每平方毫米晶体管数量是10nm 3.3倍,16nm 5.9倍,3nm晶体管密度有望比5nm提升70%,性能提升11%,功耗降低27%。美国限制16/14nm及以下先进逻辑工艺技术及设备向中国出口,对中国先进制程短期发展造成较大阻力。进入3nm制程以下,目前主流FinFET将走向物理极限,GAAFET将成为主流技术,但美国对中国禁售相关EDA软件。同时,荷兰EUV及先进DUV光刻设备目前均无法对中国出口。 影响#2:A100进口限制阻碍大模型发展,国内替代方案或推高成本 22年8月美国限制英伟达、AMD对华出口高端GPU芯片,尽管后来有替代版本A800推出,但由于对高速互联总线的带宽做部分裁剪,在使用性能和功耗上面仍与A100有部分差距。目前H100性能是A100的4.5倍,而A800理论性能相比A100降低约1/3,随着算力需求不断增加,国内由于A100以上芯片的进口限制导致大模型训练时间/成本或显著提升,客观上阻碍了我国大模型的发展。因中国企业进行14nm以下半导体代工受到技术及设备限制,及美国限制海外代工企业为中国设计企业生产性能超过A100的芯片,短期内,中国芯片公司能够生产超过A100的AI芯片的难度也较高。 路径#1:异构计算蓬勃发展,关注GPU,DPU,存算一体等不同路径 面对先进制程昂贵成本和日趋接近物理极限,仅靠工艺改进难以满足算力膨胀需求。异构计算从计算架构出发,充分利用计算资源并行分布,将不同制程/架构、不同指令集、不同功能硬件进行组合,成为解决算力瓶颈更为经济的方式。目前主流异构包括1)GPU,2)DPU,3)存算一体,4)自适应加速器等路径。目前中国异构计算正蓬勃发展。 路径#2:先进封装助力超越摩尔定律,国内公司积极布局2.5/3D等领域 先进封装是一系列通过把采用不同工艺的小芯片相结合,提升芯片互联密度及通信带宽,从而大规模提升芯片性能的技术,实现超越摩尔定律。AMD于2015年,在业界内率先采用2.5D Chiplet设计的芯片,通过把存储和计算芯片在平面上连接,大幅提高系统性能,从而实现对英特尔市场地位挑战。我们看到Chiplet作为长期趋势,有望提升芯片测试需求及IP可复用性。 风险提示: 1)AI技术落地不及预期。虽然 AI技术加速发展,但由于成本、落地效果等限制,相关技术落地节奏可能不及我们预期。 2)本研报中涉及到未上市公司或未覆盖个股内容,均系对其客观公开信息的整理,并不代表本研究团队对该公司、该股票的推荐或覆盖。 相关研报 研报:《中国如何解决AI算力瓶颈问题》 2023年3月15日 黄乐平 S0570521050001 | AUZ066 张皓怡 S0570522020001 陈 钰 S0570522020001 廖健雄 S0570122020002 权鹤阳 S0570122070045 关注我们 华泰证券研究所国内站(研究Portal) https://inst.htsc.com/research 访问权限:国内机构客户 华泰证券研究所海外站 https://intl.inst.htsc.com/mainland 访问权限:美国及香港金控机构客户 添加权限请联系您的华泰对口客户经理 免责声明 ▲向下滑动阅览 本公众号不是华泰证券股份有限公司(以下简称“华泰证券”)研究报告的发布平台,本公众号仅供华泰证券中国内地研究服务客户参考使用。其他任何读者在订阅本公众号前,请自行评估接收相关推送内容的适当性,且若使用本公众号所载内容,务必寻求专业投资顾问的指导及解读。华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。 本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观点,完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容,可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容,请具体参见华泰证券所发布的完整报告。 本公众号内容基于华泰证券认为可靠的信息编制,但华泰证券对该等信息的准确性、完整性及时效性不作任何保证,也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期,华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。 在任何情况下,本公众号中的信息或所表述的意见均不构成对任何人的投资建议。订阅者不应单独依靠本订阅号中的内容而取代自身独立的判断,应自主做出投资决策并自行承担投资风险。订阅者若使用本资料,有可能会因缺乏解读服务而对内容产生理解上的歧义,进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果,华泰证券及作者均不承担任何法律责任。 本公众号版权仅为华泰证券所有,未经华泰证券书面许可,任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失,华泰证券保留追究一切法律责任的权利。华泰证券具有中国证监会核准的“证券投资咨询”业务资格,经营许可证编号为:91320000704041011J。
如果您希望第一时间收到推送,别忘了加“星标”! 我们认为算力是制约中国发展以ChatGPT为代表的大模型主要瓶颈之一。据OpenAI,大模型训练所需算力每3-4个月增长1倍,增速远超摩尔定律(18-24个月/倍)。随着GPT-4等下一代大模型出现,算力需求还有望进一步大幅增长。中国发展高性能计算,应加大在:1)异构计算芯片架构;2)先进封装方面的投入。 核心观点 算力是制约中国发展大模型的主要瓶颈 我们认为算力是制约中国发展以ChatGPT为代表的大模型主要瓶颈之一。据OpenAI,大模型训练所需算力每3-4个月增长1倍,增速远超摩尔定律(18-24个月/倍)。随着GPT-4等下一代大模型出现,算力需求还有望进一步大幅增长。我们认为美国对华出口限制,主要造成中国先进工艺发展短期受限、国产替代方案或推高大模型训练成本/时间两大影响。中国发展高性能计算,应加大在:1)异构计算芯片架构;2)先进封装方面的投入。 影响#1:先进工艺对提升芯片性能至关重要,中国大陆发展短期受限 发展先进制程意义在于持续提升晶体管密度,提升芯片性能、降低功耗。根据WikiChip,台积电5nm芯片每平方毫米晶体管数量是10nm 3.3倍,16nm 5.9倍,3nm晶体管密度有望比5nm提升70%,性能提升11%,功耗降低27%。美国限制16/14nm及以下先进逻辑工艺技术及设备向中国出口,对中国先进制程短期发展造成较大阻力。进入3nm制程以下,目前主流FinFET将走向物理极限,GAAFET将成为主流技术,但美国对中国禁售相关EDA软件。同时,荷兰EUV及先进DUV光刻设备目前均无法对中国出口。 影响#2:A100进口限制阻碍大模型发展,国内替代方案或推高成本 22年8月美国限制英伟达、AMD对华出口高端GPU芯片,尽管后来有替代版本A800推出,但由于对高速互联总线的带宽做部分裁剪,在使用性能和功耗上面仍与A100有部分差距。目前H100性能是A100的4.5倍,而A800理论性能相比A100降低约1/3,随着算力需求不断增加,国内由于A100以上芯片的进口限制导致大模型训练时间/成本或显著提升,客观上阻碍了我国大模型的发展。因中国企业进行14nm以下半导体代工受到技术及设备限制,及美国限制海外代工企业为中国设计企业生产性能超过A100的芯片,短期内,中国芯片公司能够生产超过A100的AI芯片的难度也较高。 路径#1:异构计算蓬勃发展,关注GPU,DPU,存算一体等不同路径 面对先进制程昂贵成本和日趋接近物理极限,仅靠工艺改进难以满足算力膨胀需求。异构计算从计算架构出发,充分利用计算资源并行分布,将不同制程/架构、不同指令集、不同功能硬件进行组合,成为解决算力瓶颈更为经济的方式。目前主流异构包括1)GPU,2)DPU,3)存算一体,4)自适应加速器等路径。目前中国异构计算正蓬勃发展。 路径#2:先进封装助力超越摩尔定律,国内公司积极布局2.5/3D等领域 先进封装是一系列通过把采用不同工艺的小芯片相结合,提升芯片互联密度及通信带宽,从而大规模提升芯片性能的技术,实现超越摩尔定律。AMD于2015年,在业界内率先采用2.5D Chiplet设计的芯片,通过把存储和计算芯片在平面上连接,大幅提高系统性能,从而实现对英特尔市场地位挑战。我们看到Chiplet作为长期趋势,有望提升芯片测试需求及IP可复用性。 风险提示: 1)AI技术落地不及预期。虽然 AI技术加速发展,但由于成本、落地效果等限制,相关技术落地节奏可能不及我们预期。 2)本研报中涉及到未上市公司或未覆盖个股内容,均系对其客观公开信息的整理,并不代表本研究团队对该公司、该股票的推荐或覆盖。 相关研报 研报:《中国如何解决AI算力瓶颈问题》 2023年3月15日 黄乐平 S0570521050001 | AUZ066 张皓怡 S0570522020001 陈 钰 S0570522020001 廖健雄 S0570122020002 权鹤阳 S0570122070045 关注我们 华泰证券研究所国内站(研究Portal) https://inst.htsc.com/research 访问权限:国内机构客户 华泰证券研究所海外站 https://intl.inst.htsc.com/mainland 访问权限:美国及香港金控机构客户 添加权限请联系您的华泰对口客户经理 免责声明 ▲向下滑动阅览 本公众号不是华泰证券股份有限公司(以下简称“华泰证券”)研究报告的发布平台,本公众号仅供华泰证券中国内地研究服务客户参考使用。其他任何读者在订阅本公众号前,请自行评估接收相关推送内容的适当性,且若使用本公众号所载内容,务必寻求专业投资顾问的指导及解读。华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。 本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观点,完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容,可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容,请具体参见华泰证券所发布的完整报告。 本公众号内容基于华泰证券认为可靠的信息编制,但华泰证券对该等信息的准确性、完整性及时效性不作任何保证,也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期,华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。 在任何情况下,本公众号中的信息或所表述的意见均不构成对任何人的投资建议。订阅者不应单独依靠本订阅号中的内容而取代自身独立的判断,应自主做出投资决策并自行承担投资风险。订阅者若使用本资料,有可能会因缺乏解读服务而对内容产生理解上的歧义,进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果,华泰证券及作者均不承担任何法律责任。 本公众号版权仅为华泰证券所有,未经华泰证券书面许可,任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失,华泰证券保留追究一切法律责任的权利。华泰证券具有中国证监会核准的“证券投资咨询”业务资格,经营许可证编号为:91320000704041011J。
大部分微信公众号研报本站已有pdf详细完整版:https://www.wkzk.com/report/(可搜索研报标题关键词或机构名称查询原报告)
郑重声明:悟空智库网发布此信息的目的在于传播更多信息,与本站立场无关,不构成任何投资建议。