每日熱文：民生證券：AI行情新階段 下一演繹方向將著重于產品側落地

(相關資料圖)

（原標題：民生證券：AI行情新階段 下一演繹方向將著重于產品側落地）

民生證券發布研報表示，英偉達近期迎來歷史上最大單日漲幅，其核心的本質在于本次AI大模型帶來劃時代的變革已成共識。而算力的清晰路徑逐步被大眾認可，本質是在于最為確定的算力側率先兌現：上游算力正處于進行時階段，也為AI應用產品落地提供先決條件，AI下一演繹方向將著重于產品側落地，平臺生態巨頭和垂直領域龍頭具備產品落地的先決條件。

以下為原文：

1.1 英偉達業績高增，算力需求持續驗證

1.1.1 數據中心業務創新高帶動英偉達業績超預期

2023年5月25日，據英偉達官網、鈦媒體數據，英偉達2023Q1實現營收71.92億美元，同比減少13％，連續第二次減幅超10％，但高于公司指引區間、大幅優于分析師平均預期的65.2億美元；非美國通用會計準則下凈利潤為27.13億美元，同比下降21％，環比增長25％；毛利率為66.8％；每股收益1.09美元，高于分析師平均預期為0.92美元，同比下降20％，環比增長24％。由于業績高于市場預期，加之英偉達預計二季度銷售額110億美元，同比增長64％。財報發布后的盤后交易中，英偉達股價大漲24.63％。

大模型AI快速發展帶動數據中心業務創歷史新高。英偉達2023Q1業績超預期核心原因是數據中心業務營收達到創紀錄的42.84億美元，環比增長18％，同比增長14％。英偉達數據中心業務主要是云計算基礎設施和算力芯片等，作為目前大模型訓練、推理的關鍵算力資源，海內外各大科技巨頭對算力的需求正在持續提升。據鈦媒體，英偉達CFO克雷斯表示，目前市場對生成式 AI 芯片的需求超出先前評估，由于 AI 芯片需求仍保持強勁增長，英偉達給出樂觀業績預期。

1.1.2 數據中心業務持續迭代帶來強勁業績指引

公司AI芯片等硬件基礎設施持續升級。英偉達推出了NVIDIA Hopper GPU架構、NVIDIA® H100 Tensor Core GPU以及第四代AI基礎架構系統NVIDIA DGX H100，這些新產品都在性能上實現了顯著的提升。此外，公司還推出了基于Arm®的NVIDIA Grace CPU Superchip，這是一種新的高速低延遲的芯片到芯片互聯技術，兩個CPU芯片能夠直接進行高速數據交換，這比傳統的互聯方法更高效，可以大大減少數據在處理器之間傳輸的延遲，提供更高的性能，更低的能耗，以及更高效的處理大規模工作負載的能力。

公司AI計算平臺邊界不斷擴展。英偉達推出了NVIDIA Spectrum-4，這是世界上首個400Gbps端到端的網絡平臺，為大規模的數據中心基礎設施提供了極高的性能和強大的安全性。英偉達對其AI平臺進行了重大更新，包括企業級軟件和新的NVIDIA AI Accelerated程序，以提升AI應用的性能和可靠性。英偉達推出NVIDIA OVX，這是一個專門的、可擴展的服務器參考設計，用于在Omniverse中創建工業級數字孿生；推出NVIDIA Clara Holoscan MGX，這是一個專門為醫療設備行業設計的平臺，用于開發和部署實時AI應用。

英偉達預計2024財年第二財季公司營收將達110億美元，上下浮動2％，比去年同期67.0億美元增長64％，而且比歷史單季最高銷售額還增長33％；毛利率預計達68.6％-70％之間，這一業績展望遠超分析師此前預期。

1.2 英偉達長期堅持GPU戰略

GPU接替CPU成為AI時代的底層算力。據沐曦集成電路，GPU的特點是并行處理能力強、計算能效比高，并且有很大的存儲帶寬。某些應用，在人工智能模型訓練與推理、高性能計算等，往往是大數據流應用，這時，用GPGPU解決這類問題，就比CPU效率更高，它對于用傳統語言編寫的、軟件形式的計算有較好的支持，具有高度的靈活性。英偉達創始人黃仁勛曾提出“摩爾定律已死”、黃氏定律（GPU性能一年翻一倍）等著名觀點，堅持GPU芯片的戰略。

復盤歷史，英偉達GPU一直是性能與功耗的最優解。據Twisted Meadows，英偉達每代芯片架構的 SM 都有較大設計改動，甚至有時連名字都改了（SMX、SMM），這是影響性能細節的關鍵；盡可能多的 SM 數和 Cache 容量是性能提升的核心要素，但是受限于芯片面積，廠商無法簡單增加這兩者。反而每隔幾年的制程工藝提升總會帶來 SM 和 Cache 的增加；SM 內的 FP32 數量曾在 Kepler 架構上被設計得很高，但是緩存不夠大導致每個 FP32 能用的緩存很小，性能根本發揮不出來，所以 Nvidia 后來又逐漸調降了 SM 內 FP32 的數量；架構變遷中，英偉達在芯片面積有限、功耗/散熱有限的情況下，不斷調整各種組件的配置比例，憑借制程工藝的提升，不斷尋找性能與功耗的最優解。

英偉達在AI領域創造飛輪效應，目標市場超萬億美元。英偉達AI領域飛輪效應體現在以下幾個方面：

1）對于開發者，英偉達的統一架構和龐大的安裝基礎使得開發者的軟件可以獲得最佳性能和最廣泛的覆蓋。

2）對于電腦制造商和云服務提供商，英偉達豐富的加速平臺套件讓合作伙伴可以構建一個產品來應對包括媒體和娛樂、醫療、交通、能源、金融服務、制造業、零售等在內的大市場。

3）對于客戶，英偉達的產品幾乎可以在所有的計算提供商那里找到，并且能加速從云到邊緣的最具影響力的應用。

4）對于英偉達自身，與開發者、計算提供商和來自不同行業的客戶的深度互動使得英偉達在整個加速計算堆棧中擁有無與倫比的專業知識、規模和創新速度，進一步推動了飛輪效應的產生。

英偉達預計，當前未來全球數據中心等各類CPU應用場景都有望被GPU替代，英偉達擁有超萬億美元的目標市場。

1.3 微軟谷歌等全球巨頭紛紛入局，帶來算力的清晰路徑

海外巨頭展開AI軍備競賽，算力強需求狀態將維持甚至進一步提升。根據奇績論壇，以2022年底ChatGPT出圈為起點，微軟、谷歌、Meta以及眾多AI獨角獸迅速展開AI軍備競賽，AI算力嚴重供不應求，GPT停止賬戶申請和英偉達大漲都驗證了算力的強需求。我們認為，當前已經十分強勁算力需求有望伴隨高緯度多模態數據的訓練以及海量的邊緣AI推理的部署進而指數級提升。

英偉達很難一家獨大承擔AI算力的所有需求， 以AMD為前瞻GPU其它供應商有望迎來轉機。AMD作為英偉達的追趕者，產品硬件設計差距較小，在微軟等巨頭的強力支持下，AMD 較為薄弱的軟件生態有望取得長足進步，AMD 將對英偉達形成強有力的挑戰。

1.3.1 訓練側：高特征維度數據訓練算力需求指數級增大

在大模型訓練中，影響算力需求的主要因素有數據的信息密度和處理復雜度，算力需求隨特征維度提升指數級提高。據CSDN，視頻異常檢測、視頻活動分析等視頻模型需要的算力是人臉識別、目標檢測等圖像模型算力需求的十倍。

視頻是高特征維度數據，擁有更高信息密度。視頻的高特征維度主要來自于其豐富的信息內容，包括空間信息、時間信息、顏色信息、運動信息等：

空間信息：每一幀視頻都是一個圖像，包含了大量的空間信息。例如，一個1080p的視頻幀包含1920x1080個像素，每個像素都有自己的顏色和亮度信息。因此，單幀視頻的空間信息維度就是1920x1080=2073600。

時間信息：視頻是由一系列的幀組成的，每一幀都是在一個特定的時間點捕捉的。因此，視頻包含了大量的時間信息。例如，一個30秒的視頻，幀率為30幀/秒，那么它包含了30x30=900幀。每一幀都有自己的時間戳，因此，視頻的時間信息維度就是900。

顏色信息：每個像素都有自己的顏色信息，通常由紅、綠、藍三個通道的亮度值組成。因此，每個像素的顏色信息維度就是3。對于一個1080p的視頻幀，顏色信息維度就是1920x1080x3=6220800。

運動信息：視頻中的物體會隨著時間的推移而移動，這種移動信息也是視頻的一個重要特征。運動信息的維度很難直接量化，因為它取決于視頻中物體的移動情況。

視頻數據使用的模型需要進行大量矩陣運算等復雜運算，需要更高算力支持。文本生成通常使用的模型如RNN、LSTM等，其計算復雜度相對較低；圖像生成通常使用的模型如CNN、GAN等，其計算復雜度比文本生成的模型高；視頻生成通常使用的模型如3D-CNN、RNN+CNN等，其計算復雜度比圖像生成的模型還要高，涉及卷積神經網絡大量神經元間的矩陣運算。

1.3.2 推理側：邊緣大模型AI推理將帶來海量算力需求

推理側算力需求與邊緣AI終端數量正相關。據數據猿，推理側算力需求與模型規模（參數數量）、輸入文本長度（問題長度）、輸出文本長度（回復長度）以及模型的計算復雜性正相關，設備推理一次消耗的算力所需FLOPs ≈ L * D * N；其中，L是用戶問題的輸入長度與模型回答的輸出長度之和，D是模型維度，N是模型層數。推理側總體算力需求為所有設備推理算力的總和。據a16z，GPT3訓練需要的總算力為3.14*10^23 FLOPs，而推理一次的算力需求為3.5*10^14 FLOPs，如果全球有一億用戶都推理一次，則推理算力需求超過訓練算力需求。

大模型從云到端的趨勢已經確定，解鎖海量AI邊緣推理所帶來的算力需求。框架上，生成式AI由云向端的邁進成為大勢所趨，谷歌和創達發布適用邊緣的大模型，蘋果將ChatGPT成功部署在蘋果手機，英偉達推出具身智能AI大模型為機器人打開應用天花板；生態上，大模型作為AI時代的終極操作系統，ChatGPT超級APP只是第一步：移動端是當前剛需應用的主要載體，能夠為大模型帶來海量交互數據，大模型一方面與傳統生態融合，創達推出與大模型結合的智能云、智能硬件、智能行業等最新解決方案。谷歌將AI全面融入搜索、郵箱、辦公等全系列產品；另一方面，邊緣AI全新應用生態有望不斷落地，科大訊飛發布AI學習機和辦公本等全系產品、英偉達發布具身智能機器人雛形是有力證明。此外，終端應用生態滿足了具身智能訓練中AI與周邊的人與環境充分交互的需求，是具身智能AI落地的重要基礎。

1.3.3 AMD：軟件生態是主要短板正在不斷追趕

據TOPCPU測評，AMD最新MI300算力芯片純硬件性能未必弱于英偉達H100，但英偉達以Tensor RT+CUDA的軟件生態仍然是難以逾越的護城河。2023年CES 2023展會上AMD發布的MI300擁有13個小芯片，基于3D堆疊，包括24個Zen4 CPU內核，同時融合了CDNA 3和8個HBM3顯存堆棧，集成了5nm和6nm IP，總共包含128GB HBM3顯存和1460億晶體管，據topcpu測評數據，純硬件上MI300與H100互有勝負，差距不明顯。相比之下，英偉達在軟件生態層面建立Tensor RT+CUDA護城河優勢更為顯著。AMD自研ROCm框架采用開源模式有望彎道超車：ROCm使得開發人員能夠獲得 AMD Infinity Hub 交鑰匙人工智能框架容器、改進的工具、精簡安裝，并支持TensorFlow 和 PyTorch 等主要機器學習框架，以幫助用戶加速人工智能工作負載。從優化的 MIOpen 庫到全面的 MIVisionX 計算機視覺和機器智能庫、實用程序和應用程序，AMD 與人工智能開放社區廣泛合作，以促進和擴展機器和深度學習功能和優化，從而幫助擴大加速計算所適用的工作負載。

1.4 AI進入產品落地驗證的新階段

AI產業鏈分為上游算力基礎設施、中游大模型和算法以及下游各類AI應用。AI的上游算力需求超預期有望帶動整個AI產業鏈走向兌現的新階段。

投資建議：英偉達近期迎來歷史上最大單日漲幅，其核心的本質在于本次AI大模型帶來劃時代的變革已成共識。而算力的清晰路徑逐步被大眾認可，本質是在于最為確定的算力側率先兌現：上游算力正處于進行時階段，也為AI應用產品落地提供先決條件，AI下一演繹方向將著重于產品側落地，平臺生態巨頭和垂直領域龍頭具備產品落地的先決條件。在大模型蓄勢待發的現階段，作為行業龍頭的相關企業天然具備自研大模型+高質量數據+產品的稀缺屬性，建議關注中科創達、科大訊飛、金山辦公、同花順以及三六零。以海外算力龍頭英偉達業績超預期為前瞻，國內AI產業鏈上游需求有望得到驗證，建議關注寒武紀、浪潮信息等。

本文源自：金融界

標簽：