本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

AI算力從沒有任何一個時刻，比現(xiàn)在更受矚目。

大模型趨勢發(fā)生以來，大模型的數(shù)量、規(guī)模，在短短幾月內(nèi)突增。

百億千億級別大模型飆升至數(shù)十個，萬億參數(shù)大模型已正式誕生。

在這樣的量級變化下，算力需求呈現(xiàn)出劇烈變化。

模型層公司幾乎在不計一切代價搶購算力服務，英偉達市值一度突破萬億美元，云計算市場被加速重塑……

毫無疑問，算力之于AIGC產(chǎn)業(yè)發(fā)展，是如同水電、石油一樣的基礎(chǔ)能源。

在AIGC時代序幕拉起后，該如何理解算力產(chǎn)業(yè)，就顯得尤為重要。

企業(yè)需要怎樣的算力？算力產(chǎn)業(yè)會因AIGC興起發(fā)生哪些變革？當下算力市場構(gòu)成究竟如何？

《AIGC算力全景與趨勢報告》為此而來，幫助大家理解這些問題。

在報告中，量子位智庫系統(tǒng)性解析了AIGC算力構(gòu)成、產(chǎn)業(yè)鏈條，還進一步指出了AIGC算力的五新趨勢及三大階段發(fā)展預測。

核心觀點包括：

• AIGC驅(qū)動下，芯片競逐高性能大算力，引入新計算架構(gòu)；
• AI服務器異軍突起，紅利曲線先訓練后推理；
• MaaS重塑云服務范式，AIGC商業(yè)模式閉環(huán)；
• AI模型一體機呼之欲出，傳統(tǒng)產(chǎn)業(yè)“開箱即用”；
• 智算中心護航AIGC運營，算力租賃模式成新解；
  ……

具體細節(jié)，我們逐一來看。

國產(chǎn)服務器廠商業(yè)務增量超30%

分析當下產(chǎn)業(yè)現(xiàn)狀來看，產(chǎn)業(yè)主體主要包括：

• 芯片
• AI服務器（集群）
• 云計算

芯片層：AIGC兩大路線提供算力

在計算類芯片中，目前業(yè)內(nèi)有兩種主流路線來滿足AIGC產(chǎn)業(yè)的算力需求。

一種是以英偉達為代表的GPU路線，稱為通用芯片。

另一種是以華為、寒武紀為代表的ASIC路線，稱為專用芯片路線。

目前，這兩種路線上匯集了不同類型的玩家，它們承擔的計算任務也有區(qū)別。

通用芯片路線下，能夠完成多樣化計算任務，并且適合大規(guī)模并行計算。

即通用芯片（GPU）更適合AIGC目前所需算力。

專用路線的優(yōu)勢體現(xiàn)在特定場景中的更優(yōu)能效比。由于專用芯片設(shè)計被用來執(zhí)行專門或定制化任務，其在特定場景中能夠達到相較于通用芯片更優(yōu)的能效比和計算效率。

正因為專用芯片在特定場景中能夠釋放出更大的計算效率，其也成為互聯(lián)網(wǎng)等云廠商自研芯片時選擇的技術(shù)路線。

通常，互聯(lián)網(wǎng)云廠商的自研芯片主要服務于自家產(chǎn)品，強調(diào)在自身生態(tài)中將芯片性能最大化釋放。

圖片

服務器層：業(yè)務增量明顯，以互聯(lián)網(wǎng)客戶為主

AIGC對于高性能計算的需求，使得AI服務器成為服務器領(lǐng)域業(yè)務增長最快的細分種類。

大模型訓練，例如GPT-3，需要大量的計算資源和內(nèi)存，通常涉及使用數(shù)千甚至數(shù)萬塊GPU來加快訓練速度。

由于這些計算對芯片性能要求非常高，需要使用專門的硬件和軟件來支持大規(guī)模并行計算和高速數(shù)據(jù)傳輸。

AI服務器是專門為處理人工智能工作負載而設(shè)計的服務器，使用專門硬件加速器（如GPU、TPU等），以及高速網(wǎng)絡(luò)連接和存儲，以提供高性能計算能力。

相比之下，CPU（通用服務器）通常不能滿足AIGC對極大算力的需求，其計算能力、內(nèi)存和存儲容量通常較低。另外，CPU通常不具備專門的硬件加速器，無法提供高速計算。

因此，大型模型訓練需要依靠AI服務器集群來提供算力服務。

根據(jù)量子位智庫的調(diào)研顯示，今年AIGC爆發(fā)后，國產(chǎn)服務器廠商普遍業(yè)務增量在30%以上。

近日，TrendForce也將2022-2026年AI服務器出貨量年復合增長率上調(diào)至22%。在AI服務器業(yè)務量激增的背后，最大的買家依然是互聯(lián)網(wǎng)公司。

2022年，AI服務器采購占比中，字節(jié)跳動、騰訊、阿里巴巴、百度等大廠成為主要采購方。今年，大模型研發(fā)的火熱更是帶動下游互聯(lián)網(wǎng)大廠購買需求，使其依舊是AI服務器最大的買方。

云計算：MaaS重塑服務模式，新老玩家重構(gòu)競爭力

MaaS模式最早由阿里提出，隨后互聯(lián)網(wǎng)大廠、人工智能企業(yè)（如商湯）均已引入MaaS模式。

此外，互聯(lián)網(wǎng)大廠、華為等企業(yè)已經(jīng)將自研芯片用于MaaS底座構(gòu)建中。

2023年，國內(nèi)頭部云廠商相繼推出自己的MaaS平臺，基于大模型基座，為計算資源有限、缺乏專業(yè)經(jīng)驗的企業(yè)提供一站式MaaS服務。

對于云廠商來講，MaaS服務的主要目的在于幫助客戶快速構(gòu)建行業(yè)專屬大模型。基于此，云廠商之間的競爭維度轉(zhuǎn)變?yōu)樗懔A(chǔ)設(shè)施、通用大模型能力、AI平臺/工具能力。

圖片

智算中心現(xiàn)狀：基建級AI算力供應，打造地區(qū)經(jīng)濟增長新引擎

從計算設(shè)備分布來看，在服務器和AI服務器市場中，北京、廣東、浙江、上海、江蘇位居前五，（服務器和AI服務器）市場份額總計分別達到75%和90%（2021年數(shù)據(jù)）。

從供給角度看，目前智算中心多分布在東部和中部省份，而AIGC業(yè)務需要處理海量數(shù)據(jù)導致東部算力資源成本過高。

將大模型訓練等對計算要求高的任務移至西部地區(qū)，形成“東數(shù)西訓”，能夠有效降低成本，實現(xiàn)算網(wǎng)資源綜合成本最優(yōu)。

具體來講，針對算力需求供需不平衡等問題，需要通過算力調(diào)度將東部的算力和數(shù)據(jù)處理任務轉(zhuǎn)移至成本較低的西部地區(qū)。其中，優(yōu)化東西部之間互聯(lián)網(wǎng)絡(luò)和樞紐節(jié)點間直連網(wǎng)絡(luò)是提升算力調(diào)度水平的關(guān)鍵。

從需求角度看，AIGC算力需求主要來自于研發(fā)AIGC大模型的廠商，主要分布在京津冀地區(qū)、長三角及大灣區(qū)。

芯片服務器變革初現(xiàn)

大模型趨勢給算力提出新要求，催生底層硬件新轉(zhuǎn)變。我們從芯片和服務器兩個層面看起：

芯片層面

目前在高性能芯片中，英偉達A100占據(jù)絕對優(yōu)勢，而A100在中國只有存量沒有增量，市場將給予國產(chǎn)GPU廠商更多機會。

此外，在芯片代工層面，目前7nm及以上制程沒有對應的國產(chǎn)代工廠可以承接，GPU廠商多數(shù)選擇成熟制程+先進封裝的方案來實現(xiàn)較高的性能指標。

在服務器集群層面，通過多卡多機并行計算、高性能網(wǎng)絡(luò)實現(xiàn)高性能計算。

由于英偉達構(gòu)建的硬件產(chǎn)品+CUDA生態(tài)在10年內(nèi)很難突破，未來在高性能GPU受限的情況下，分析師預計硬件層將會有兩種主要解決方案，一種是發(fā)展GPU+片間互聯(lián)技術(shù)，實現(xiàn)大規(guī)模并行計算。

另一種是跳出馮·諾依曼架構(gòu)，發(fā)展存算一體架構(gòu)，將計算單元與存儲單元融合，實現(xiàn)數(shù)量級的計算能效提升。

軟件層面，稀疏計算和構(gòu)建高性能網(wǎng)絡(luò)是目前兩種解決方案。

稀疏化計算的創(chuàng)新體現(xiàn)在算法層面，通過刪除無效或冗余的數(shù)據(jù)（此類數(shù)據(jù)通常數(shù)量龐大），大幅減少數(shù)據(jù)的計算量，從而加快計算速度。

構(gòu)建高性能網(wǎng)絡(luò)的目的在于減少大模型訓練時長。通過構(gòu)建高性能網(wǎng)絡(luò)，為每個計算節(jié)點超高通信帶寬，帶來數(shù)倍通行性能的提升，從而縮短大模型訓練時長。

服務器層面

AI大模型對算力需求呈指數(shù)級增長，使得具有更高配置的AI服務器成為AIGC算力的主要載體。

相比于傳統(tǒng)服務器，AI服務器的計算、存儲以及網(wǎng)絡(luò)傳輸能力能達到更高的水平。

例如，NVIDIA DGX A100服務器 8 個 GPU+2 個 CPU 的配置遠高于傳統(tǒng)服務器 1~2 個 CPU 的配置。

在我國，智算中心是為人工智能（大模型）提供算力資源的公共基礎(chǔ)設(shè)施平臺，其算力機組以AI訓練服務器和AI推理服務器為主。

隨著大模型趨勢演進，未來AI服務器的主要需求將從訓練側(cè)向推理側(cè)傾斜。根據(jù)IDC的預測，到2026年，AIGC的算力62.2%將作用于模型推理。

行業(yè)變革催生新商業(yè)機遇

更進一步，AI大模型趨勢給算力行業(yè)帶來全新機遇，新范式、新產(chǎn)品、新基建正在涌現(xiàn)。

新游戲規(guī)則：MaaS重塑云服務范式，AIGC商業(yè)模式閉環(huán)

MaaS（模型即服務）在算力、算法和應用層中嵌入大模型，以智能底座集成應用并統(tǒng)一對外輸出。

MaaS的本質(zhì)是將行業(yè)內(nèi)通用的基礎(chǔ)技術(shù)提煉整合成服務，滿足各類應用場景需求。

在商業(yè)化過程中，大模型能力以及配套的中間件工具，會成為企業(yè)對于云計算廠商的新考量維度。

云計算服務能力的判別式從算力水平轉(zhuǎn)向「云智一體」能力，在算力基礎(chǔ)設(shè)施之外，核心競爭力轉(zhuǎn)變?yōu)榘阉懔Α⒛Ｐ秃蛨鼍皯么蛟斐蓸藴驶a(chǎn)品的能力。

圖片

新物種：AI模型一體機呼之欲出，傳統(tǒng)產(chǎn)業(yè)「開箱即用」

AI模型一體機將軟硬件深度融合，根據(jù)企業(yè)不同需求，將對應的產(chǎn)品或解決方案提前部署在AI服務器上，打包形成一整套解決方案。

AI模型一體機的成本優(yōu)勢主要體現(xiàn)在以下三點：

• 1）整體采購價格低于軟件+硬件分開采購的價格；
• 2）企業(yè)單獨采購服務器再交由AI企業(yè)部署軟件耗費時間周期長，AI模型一體機能夠開箱即用，降低交付成本；
• 3）所需服務器數(shù)量大幅降低，為客戶節(jié)省空間成本。

新基建：智算中心護航AIGC運營，算力租賃模式成新解

算力租賃模式可以有效降低大模型研發(fā)門檻，對于研發(fā)垂類行業(yè)的小模型企業(yè)來說，沒有購買足夠AI服務器的實力，公共算力基礎(chǔ)平臺將幫助中小型企業(yè)搭建其自身所需模型。

企業(yè)無需購買服務器，通過瀏覽器便可訪問算力中心，使用算力服務。

對于中小企業(yè)來講，無需依賴云廠商所構(gòu)建的大模型底座進行二次開發(fā)，而是通過租用公有算力平臺的算力資源，研發(fā)垂類行業(yè)小模型。

圖片

行業(yè)發(fā)展預測

綜上，量子位智庫對AIGC未來發(fā)展進行預測，可分為三個階段：

• AIGC基建期
• AIGC開發(fā)期
• AIGC商業(yè)期

AIGC基建期

目前AIGC模型層的企業(yè)多數(shù)處在預訓練階段，對于芯片的需求來源主要為GPU。

在初期階段，高性能GPU廠商將成為最大收益方。

然而目前國產(chǎn)GPU廠商距離英偉達有較大差距，率先受益方為存量市場中的優(yōu)勢方。

因此，國產(chǎn)AI服務器廠商是此階段的強勢供給方。目前，國內(nèi)在AI服務器領(lǐng)域已經(jīng)出現(xiàn)供不應求的局面。

AIGC開發(fā)期

中期階段（5年內(nèi)），在算力層是一個由訓練向推理傾斜的過程。

在此階段，推理芯片將成為主要需求方。相比于GPU的高算力高功耗以及對應的算力浪費，推理芯片更注重芯片的算效比，對于功耗和成本有更優(yōu)的把控。此外，這個階段也會是創(chuàng)新型芯片的機會。

分析師預計存算一體芯片、類腦芯片、硅光芯片將有更多市場機會。

在推理階段，相較于訓練階段的云計算，邊緣計算將有更多機會。

首先，推理階段對應的應用趨于多樣化，多樣化的需求使云計算會產(chǎn)生更多的算力浪費且計算效率不高。

其次，邊緣計算能夠為大模型推理提供足夠算力。

在此階段，AI服務器廠商的紅利期逐漸見頂，需求將轉(zhuǎn)向成本更低的通用服務器；芯片也從GPU轉(zhuǎn)向NPU/ASIC/FPGA/CPU等多種形式并存。國產(chǎn)創(chuàng)新型芯片路線中，看好存算一體架構(gòu)的發(fā)展。

AIGC商業(yè)期

芯片的底層創(chuàng)新優(yōu)勢開始顯現(xiàn)，存算一體、光子芯片、類腦芯片等具備真正革新技術(shù)的芯片廠商在市場中的作用增強。

AIGC算力所需的芯片種類更加多元。

這個階段的企業(yè)對算力的考量更加綜合，不僅考慮算力大小，功耗和成本可能超過算力大小成為各模型層公司關(guān)心的指標。

圖片

報告獲取

復制下方鏈接至瀏覽器打開：

https://jkhbjkhb.feishu.cn/wiki/W5D7wuDcbiPXDLkaRLQcAJpOn8f