半導體行業專題報告:算力晶片未來可期

首頁 > 科技

半導體行業專題報告:算力晶片未來可期

來源:笑聲快車 釋出時間:2023-06-30 12:32

(呈文出品方:東方證券)

1 算力晶片壁壘高、發展必要性強

英偉達公佈生成式 AI 引擎 NVIDIA DGX GH200 現已投入量產。2023 年 5 月 28 日,英偉達創始 人兼 CEO 黃仁勳在 NVIDIA Computex 2023 演講中公佈,生成式 AI 引擎 NVIDIA DGX GH200 現 已投入量產。GH200 使用 Nvidia 的 NVLink-C2C 互連技術,將 Nvidia 基於 ARM 的 Grace CPU 和 Hopper GPU 架構融合到一個晶片中。NVIDIA DGX GH200 將 256 個 NVIDIA Grace Hopper 超級晶片完全連線到單個 GPU 中,支援萬億引數 AI 大模型練習,能夠處理大規模推薦系統、生 成式人工智慧和圖形分析,併為巨型人工智慧模型提供線性可擴充套件性。Nvidia 的伺服器合作伙伴 正計劃基於新的 GH200 Superchip 打造他們自己的系統,首批產品將於今年晚些時候上市。

GH200 速度和功耗指標都有明顯晉升。這款新的晶片總頻寬達每秒 900GB,比當今最進步的加 速計算系統中採用的尺度 PCIe Gen5 通道高出 7 倍。Nvidia 表示,Superchip 的功耗也降低了 5 倍,使其能夠更有效地處理那些要求苛刻的 AI 和高效能計算應用。 AMD 推出資料中心 APU Instinct MI300。北京時間 2023 年 6 月 14 日凌晨,AMD 推出資料中心 APU(加速處理器)Instinct MI300,其旨在匡助資料中心處理人工智慧相關資料流量,並在這一 快速增長的市場上挑戰英偉達的壟斷地位。Instinct MI300 系列將包括一個 GPU(圖形處理器) MI300X,可以加速 ChatGPT 等聊天機器人所使用的生成式 AI 技術的處理。 進步算力國產替換在行業變革中有望迎來機遇。半導體國產化勢在必行,而算力晶片又是重中之 重。AI 算力、低功耗等對伺服器算力晶片提出新的要求,市場格式近幾個季度變化較多,英偉達 GH200 有望加速全球 AI 伺服器算力晶片市場變革,中國晶片企業在面臨挑戰的同時,也有望迎 來發展機遇。

1.1 不同算力晶片的特點與區別

計算晶片包括 CPU、GPU、FPGA、ASIC 等,都用作計算分析。其中,CPU 是機能最綜合的計 算晶片,AI 演算法的執行也運用 GPU、FPGA、ASIC 等晶片。

CPU 是綜合計算晶片,擅長邏輯控制和序列運算。計算機的運算器和控制器一起組成了 CPU, CPU 是整臺計算機的大腦,也是一個有多種功能的優秀領導者。它的長處在於排程、治理、協調能力強,計算能力則位於其次。CPU 有大量的快取和複雜的邏輯控制單元,非常擅長邏輯控制、 序列的運算,但因計算單元佔 30%左右,不擅長複雜演算法運算和處理並行重複的操縱。 GPU 比擬 CPU 計算單元大大增加,擅長大量平行計算。而作為通用晶片的 GPU 相當於一個接受 CPU 排程的“擁有大量計算能力”的員工,計算單元比擬 CPU 大大增加。GPU 最初承擔影象計 算任務,能夠進行平行計算,因此 GPU 架構本身比較適合深度學習演算法,透過對 GPU 的最佳化, 進一步滿意深度學習大量計算需求。其主要缺點在於功耗較高。

GPU 按照接入型別可以分為獨立 GPU 和整合 GPU。獨立 GPU 即獨立顯示卡,需要插在主機板的相 應介面上,具備單獨的視訊記憶體,不佔用系統記憶體,能夠提供更好的顯示效果和執行機能。全球著名 供應商主要包括 AMD 和 NVIDIA 兩家。整合 GPU 即整合顯示卡,是將圖形核心以單獨晶片的方式 整合在主機板上,並且動態共享部門系統記憶體作為視訊記憶體使用,能夠提供簡樸的圖形處理能力,以及 較為流暢的編碼應用。全球著名供應商主要包括英特爾和 AMD 兩家。

GPU 按照應用場景不同可分為 PC GPU、伺服器 GPU 和移動 GPU。1)整合 GPU 一般運用於 PC 以輕辦公、文字編輯為主;獨立 GPU 則一般運用於 PC 以製作高畫質圖片、編纂影片、渲染遊 戲等。2)伺服器 GPU 主要以獨立 GPU 為主。伺服器 GPU 主要應用於伺服器,可做專業可視 化、計算加速、深度學習等應用。3)移動 GPU 以整合 GPU 為主。跟著移動端向著輕薄化不斷發展,終端內部淨空間跟著多種功能模組的增加呈快速下降趨勢。此外,就目前的移動端影片和 圖片的處理要求而言,整合 GPU 的機能尚可滿意移動真個需要。 FPGA 又稱半定製化晶片,具有足夠的計算能力、較低的試錯本錢和足夠的靈活性。FPGA 的計 算速度快是源於它本質上是無指令、無需共享記憶體的體系結構,“無指令”即使用硬體描述語言 程式設計,直接編譯為電晶體電路的組合,所以 FPGA 實際上直接用電晶體電路實現使用者的演算法,沒 有透過指令系統的翻譯;“無需共享記憶體”是指對於留存狀態的需求,FPGA 中的暫存器和片上 記憶體(BRAM)是屬於各自的控制邏輯的,無需不必要的仲裁和快取。因此 FPGA 運算速度足夠 快,優於 GPU。同時,比擬量產本錢高昂的 ASIC 晶片,由於 FPGA 是一種半定製的硬體,透過 程式設計可定義其中的單元配置和連結架構進行計算,因此在靈活性上優於 ASIC,具備較低試錯本錢。

ASIC 是全定製晶片,機能強但是前期開發久、本錢高。是根據產品的需求進行特定設計和製造 的積體電路,能夠在特定功能上進行強化,具有更高的處理速度和更低的能耗。缺點是本錢高, 且因為定製化,可複製性一般,因此只有用量足夠大時才能夠分攤前期投入,降低成本。

1.2 CPU 廣泛應用於伺服器、工作站、個人計算機等

CPU 可以應用在伺服器、工作站、個人計算機(桌上型電腦、膝上型電腦)、移動終端和嵌入式裝置 等不同裝置上,根據應用領域的不同,其架構、功能、機能、可靠性、能效比等技術指標也存在 一定差異。

伺服器處理器需長時間執行,資料處理能力最強、設計工藝最複雜、可靠性最高。伺服器具有高 速的資料處理能力、強盛的 I/O 資料吞吐能力、良好的可擴充套件性,並需要長時間可靠執行,其 CPU 晶片在機能、可靠性、可擴充套件性和可維護性等方面要求較為苛刻。因此,伺服器處理器是數 據處理能力最強、設計工藝最複雜、可靠性最高的處理器。伺服器的應用領域包括實時分析、5G 應用、人工智慧、機器學習、金融、大資料和雲計算等領域。 工作站主要為單使用者提供比個人計算機更強盛的機能。工作站是一種高階微型計算機,主要為單 使用者提供比個人計算機更強盛的機能,尤其是在資料並行處理能力和圖形處理能力等方面。工作 站的典型應用領域包括科學和工程計算、軟體開發、計算機輔助設計等。 個人計算機主要滿意個人需求,核心數目較少。個人計算機包括桌上型電腦和膝上型電腦兩大類,主 要用於滿意個人的工作、學習、娛樂需求,以及企業員工的辦公需求。個人計算機處理器核心數 量較少,具有較少 I/O。

移動終端具有低功耗、輕量化等特點,關注對多媒體功能的增強。移動終端包括手機、筆記本、 平板電腦、POS 機等。跟著積體電路技術的提高和行動網路向寬頻化發展,移動終端正從簡樸通 話工具逐步轉變為綜合資訊處理平臺。移動終端處理器具有低功耗、輕量化等特點,關注對多媒 體功能的增強,具有較少 I/O。 嵌入式裝置對功耗、穩定性、可擴充套件能力要求高。嵌入式裝置需要具有高穩定性和低功耗,其處 理器對環境(如溫度、溼度、電磁場、振動等)的適應能力強,體積小,且整合度高,合用於工 業控制、移動便攜裝置、物聯網終端等場合。其中,大多數物聯網裝置需要額外的 CPU 處理能力 來支援可進級的額外功能。因此,針對特定的物聯網應用程式的 CPU 不僅必需支援安全特性,而且必需同時具有可擴充套件的機能,實現更高的時鐘頻率。物聯網應用處理器晶片具有面向高整合度、 高抗干擾能力和低功耗的發展趨勢。

1.3 GPU 等 AI 晶片廣泛應用於高效能運算、深度學習等場景

AI 晶片主要指面向人工智慧應用的晶片。大致包含三類:1)通用、半定製化晶片:經由軟硬體 最佳化可以高效支援 AI 應用的通用晶片,如 GPU,FPGA;2)專門為特定的 AI 產品或者服務而設 計的晶片:側重加速機器學習(尤其是神經網路、深度學習),如 ASIC;3)神經形態計算晶片: 不採用經典的馮·諾依曼架構,而是基於神經形態架構設計,類似人腦,具備較高的整合度和能 效比,以 IBM Truenorth 為代表。

2 份額晉升空間大,機能有待突破

2.1 海內廠商份額極低,具備廣闊拓展空間

全球 CPU 商用市場基本被 Intel、AMD 兩家壟斷,國產 CPU 具備廣闊拓展空間。CPU 目前從市場佔有率來說,Intel 依賴其強盛的 X86 生態體系和領先的製造能力,在通用 CPU 市場佔據領先 地位。2021 年,Intel 市場份額不低於 80%,AMD 近期追趕勢頭顯著,其他廠商整體市場份額不 超過 7%。

英特爾上風降低,資料中心領域集中度有所降低。2022 年,資料中心領域 Intel 市場佔有率為 71%,較 21 年下降 10pcts,AMD 22 年市佔率快速晉升 8pcts 至 20%,亞馬遜、Ampere 等新興 玩家份額快速晉升,給總計份額不足 5%的國產廠商發展帶來了鑑戒意義。

全球 GPU 市場為三足鼎立的寡頭競爭格式,英偉達在獨顯領域一家獨大。在獨立顯示卡市場上, 長期以來都是 AMD 及 NVIDIA 兩家的二人轉,2022 年 Intel 正式殺入了顯示卡市場,目前獨立 GPU 市場則主要由 NVIDIA、AMD 和英特爾三家公司佔據,2022 年 Q4 全球獨立 GPU 市場佔有率分 別為 85%、9%和 6%,其中,NVIDIA 在 PC 端獨立 GPU 領域市場佔有率上風顯著。

2.2 多數引數我國 CPU 具備比肩能力

影響海內CPU市佔率的主要是技術差異,即產品機能。CPU機能的主要影響因素為頻率和IPC, 其他影響 CPU 機能的因素還有匯流排寬度、製程、儲存、核心數、封裝技術等。

(1)主頻,外頻和倍頻和 IPC。主頻是 CPU 的時鐘頻率,即 CPU 的工作頻率,一般來說,一個 時鐘週期完成的指令數是固定的,所以主頻越高,CPU單位時間執行的指令數越多。外頻即CPU 和周邊傳輸資料的頻率,詳細是指 CPU 到晶片組之間的匯流排速度,CPU 的外頻決定著整塊主機板 的執行速度。產生的輸出訊號頻率是輸入訊號頻率的整數倍稱為倍頻,倍頻和外頻相乘就是主頻, 當外頻不變時,進步倍頻,CPU主頻也就越高。IPC指 CPU每一個頻率週期裡處理的指令數目。

(2)地址匯流排寬度。地址匯流排是專門用來傳送地址的,CPU 透過地址匯流排來選用外部儲存器的 儲存地址,匯流排寬度決定了 CPU 可以訪問的物理地址空間(定址能力),簡樸地說就是 CPU 到 底能夠使用多大容量的記憶體。例如 32 位的地址匯流排,最多可以直接訪問 4GB 的物理空間。8 位 微機的地址匯流排為 16 位,則其最大可定址空間為 2^16=64KB。

(3)資料匯流排寬度。資料匯流排寬度決定了 CPU 與記憶體以及輸入、輸出裝置之間一次資料傳輸的 資訊量。

(4)製程和封裝。CPU 的出產需要經由矽提純、切割晶圓、影印、蝕刻、分層、封裝、測試 7 個工序,製程工藝的晉升或更小的製程對於 CPU 機能的晉升影響顯著,主要表現為 CPU 頻率提 升以及架構最佳化兩個方面。一方面,工藝的晉升與頻率緊密相連,使得晶片主頻得以晉升;另一 方面工藝晉升帶來電晶體規模的晉升,從而支援更加複雜的微架構或核心,帶來架構的晉升。

(5)工作電壓。指的是 CPU 正常工作所需的電壓。低電壓能夠解決耗電多和發燒過高的問題, 使 CPU 工作時的溫度降低,工作狀態不亂。

(6)高速緩衝儲存器。它是一種速度比記憶體更快的儲存裝置,用於緩解 CPU 和主儲存器之間速 度不匹配的矛盾,進而改善整個計算機系統的機能。許多大型、中型、小型以及微型計算機中都 採用快取記憶體。

(7)除上述效能指標外,CPU 還有其他如介面型別、多媒體指令集、裝封形式、整數單元和浮 點單元強弱等機能影響指標。

多數引數我國 CPU 具備比肩能力,IPC 機能是最主要差距。目前透過公然資訊可以看出,主頻、 核心數、記憶體型別等指標我國 CPU 廠商差異不大,具備一定的比肩能力,但落實到詳細機能決定 指標 IPC,僅 Intel 和 AMD 會宣佈 IPC“比擬上一代晉升了多少”,其他國產 CPU 從 IPC 機能來 看大致落後於 Intel、AMD 幾年水平。

2.3 海內廠商晉升 CPU 機能的幾大壁壘

2.3.1 指令級架構與生態繫結多年,立異面臨智慧財產權等多重壁壘

指令集是 CPU 所執行的指令的二進位制編碼方法,是軟體和硬體的介面規範。日常交流中有時也把 指令集稱為架構。CPU 按照指令集可分為 CISC(複雜指令集)和 RISC(精簡指令集)兩大類, CISC 型 CPU 目前主要是 x86 架構,RISC 型 CPU 主要包括 ARM、RISC-V、MIPS、POWER 架 構等。 指令集架構與生態繫結多年,立異面臨智慧財產權、時間等多重壁壘。歷經幾十年的發展,全球形 成了 Wintel(Windows+Intel)和 AA(Android+ARM)兩大資訊化生態體系,並且都由美國主導, 在生態和智慧財產權上都形成了自己的“領地”。中國之前沒有指令集,重新搭建或者在現有的開 源指令集基礎上修改,會面臨智慧財產權問題以及前期需要大量的試錯最佳化過程。且新的指令集需 要新的生態來適配,所需要的作業系統、基礎軟體和各種應用軟體都需要重新適配,這也是目前 新指令集發展的一個難點。

(1)x86 架構:主導桌面/伺服器 CPU 市場

基於 CISC(複雜指令集)的 x86 架構是一種為了便於程式設計和進步儲存器訪問效率的晶片設計體 系,包括兩大主要特點:一是使用微程式碼,指令集可以直接在微程式碼儲存器裡執行,新設計的處 理器,只需增加較少的電晶體電路就可以執行同樣的指令集,也可以很快地編寫新的指令集程式; 二是擁有龐大的指令集,x86 擁有包括雙運算元格局、暫存器到暫存器、暫存器到儲存器以及存 儲器到暫存器的多種指令型別。 x86 架構主要參與者包括 Intel、AMD、海光、兆芯等。

(2)ARM 架構:崛起移動市場和 MCU 市場

ARM 架構過去稱作進階精簡指令集機器,是一個 32 位精簡指令集處理器架構,其廣泛地使用在 很多嵌入式系統設計,近年來也因其低功耗多核等特點廣泛應用在資料中心伺服器市場。早期 ARM 指令集架構的主要特點:一是體積小、低功耗、低成本、高效能;二是大量使用暫存器,且 大多數資料操縱都在暫存器中完成,指令執行速度更快;三是定址方式靈活簡樸,執行效率高; 四是指令長度固定,可透過多流水線方式進步處理效率。 ARM 架構的 CPU 參與者包括飛騰、鯤鵬等,還有諸多 MCU 廠商用 ARM 架構設計相關產品,包 括意法半導體、兆易立異、普冉股份、恆爍股份等。

(3)RISC-V 架構:物聯網時代的新選擇

RISC-V是加州大學伯克利分校設計併發布的一種開源指令集架構,其目標是成為指令集架構領域 的 Linux,主要應用於物聯網(IoT)領域,但可擴充套件至高效能計算領域。RISC-V 採用 BSDLicense 釋出,因為答應衍生設計和開發閉源,吸引了一大批公司的關注,目前已有不少公 司開發基於 RISC-V 的 IP 核,如 Si-Five、臺灣晶心、阿里平頭哥等已可提供基於 RISC-V 的處理 器 IP 核,部門企業如兆易立異、北京君正等已開發出基於 RISC-V 的 MCU 晶片等。但整體上, 因為 RISC-V 工業生態還比較薄弱,未來的發展仍有較長一段路要走。 RISC-V 架構的參與者包括阿里平頭哥,MCU 廠商包括國芯科技、賽昉科技等。

(4)MIPS 架構:在學術界影響廣泛

MIPS 是高效精簡指令集計算機體系結構中的一種,MIPS 的上風主要有三點:一是發展歷史早, MIPS 在 1990 年代已經廣泛使用在伺服器、工作站裝置上。二是在學術界影響廣泛,計算機體系 結構教材都是以 MIPS 為實際例子。三是 MIPS 在架構授權方面更為開放,授權門檻遠低於 x86、ARM,在2019年曾經有開放授權的實際動作,並且 MIPS答應授權商自行更改設計、擴充套件指令, 答應二次授權。

(5)POWER 架構:在部門汽車控制中有所應用

POWER 架構是由 IBM 設計的一種 RISC 處理器架構,POWER 在大型機領域獨具上風。 POWER3 是全球首款 64 位架構處理器,開始應用銅互聯和 SOI(絕緣體上矽)技術。直至 POWER9 依然追求最高機能,不僅具備亂序執行、智慧執行緒等技術,還實現了 SMP(對稱多處 理技術)的硬體一致性處理。POWER 架構 CPU 價格高昂,主要應用於高階伺服器領域,市場份 額逐漸減少。 POWER 架構目前恩智浦、飛思卡爾和國芯科技的部門產品中有采用。

2.3.2 EDA 工具軟體基本被壟斷,軟體工具叢集被洽商

EDA 工具軟體可大致可分為晶片設計輔助軟體、可程式設計晶片輔助設計軟體、系統設計輔助軟體等 三類,可用於邏輯綜合、佈局佈線、模擬、時序分析、物理驗證等。目前海內廠商使用的 EDA 軟 件主要是 Synopsys、Cadence 和 Mentor Graphics、華大九天,其中美國公司 Synopsys、 Cadence和Mentor Graphics三巨頭佔據了EDA設計軟體市場95%以上的市場份額,控制了EDA 設計軟體的發展。Synopsys、Cadence 等公司還將自己的軟 IP 整合在設計軟體中,壟斷了最佳化 服務和基於設計庫的解決方案,進一步增加了使用者黏性,也進步了行業壁壘。 CPU 專用 EDA 國產替換難度大。我國的 CPU 專用 EDA 工具例如數字模擬、邏輯綜合、建模、 佈局佈線等水平比較差,長期依靠國外產品,尚無法完成完整積體電路的功能設計、綜合驗證和 物理設計等全流程的軟體工具叢集,完全替代應用的難度大。

2.3.3 材料、裝置、晶圓廠國產化率低,在諸多限制下晉升難題

2022 年製造裝置幾家巨頭佔市場份額 80%以上。2022 年在半導體制造裝置領域,美國的 AMAT 公司、Lam Research 公司、KLA-Tencor 公司,荷蘭的 ASML 公司,日本的 Tokyo Electron 和 Dainippon Screen 公司的銷售額幾乎佔全球市場的 80%以上。尤其是光刻機,核心技術把握在荷 蘭的 ASML 公司,該公司是全球獨一的高階光刻機生產商,其高階光刻機不僅售價高,而且產量 低,優先被英特爾、臺積電、三星電子搶購,三家公司均據有股份。相較之下,海內晶圓廠面臨 進步製程擴產的裝置入口商業管制。 2022 年境內晶圓廠市場份額比重低於 10%,工藝水平低於境外晶圓廠。晶片製造環節主要涉及 的企業有臺積電、三星、GlobalFoundries、中芯國際等,其中 2022 年境內企業佔全球市場份額 的比重低於 10%。工藝水平上,臺積電、三星等壟斷了進步製程代工,美國針對中國算力晶片公 司的商業管制給發展帶來挑戰。

2021 年半導體材料國產化率不足 15%。半導體材料整體國產化率低,樞紐材料國產化替換的需 求十分迫切。2021年晶圓製造材料整體國產化率不足15%,其中工藝製程和進步封裝領域,半導 體材料的國產化率更低。 封測環節中國企業具備上風。封測行業位於半導體產業鏈末端,其附加價值較低,勞動密集度高, 技術壁壘較低,涉及的企業有 Amkor、ASE 日月光、KYEC、通富微電子等。總體來看,在晶片 產業鏈的六大環節中,唯有封測環節,中國企業具有顯著上風,不會受到其他國家和地區制約。

2.4 AI 晶片的樞紐機能差異

2.4.1 AI 晶片的樞紐特徵包含資料特點、計算正規化、精度、重構能力等

1)新型的計算正規化:控制流程簡化、計算量增大

AI 計算包括傳統計算和新的計算特質,處理的內容往往長短結構化資料(影片、圖片等)。處理 的過程通常需要很大的計算量,基本的計算主要是線性代數運算(如張量處理),而控制流程則 相對簡樸。

2)練習和推斷:需要高效的資料處理能力

AI 系統通常涉及練習(Training)和推斷(Inference)過程。簡樸來說,練習過程是指在已有數 據中學習,獲得某些能力的過程;而推斷過程則是指對新的資料,使用這些能力完成特定任務 (好比分類、識別等)。滿意高效能機器學習的資料處理要求是 AI 晶片需要考慮的最重要因素。

3)資料精度:低精度成為趨勢

低精度設計是 AI 晶片的一個趨勢,在針對推斷的晶片中更加顯著。對一些應用來說,降低精度的 設計不僅加速了機器學習演算法的推斷(也可能是練習),甚至可能更符合神經形態計算的特徵。

2.4.2 AI 晶片設計趨勢

1)雲端練習和推斷:大儲存、高效能、可伸縮

儲存的需求(容量和訪問速度)越來越高,處理能力推向每秒千萬億次(Peta FLOPS),並支 持靈活伸縮和部署。跟著 AI 應用的爆發,對推斷計算的需求會越來越多,一個練習好的演算法會不 斷複用。推斷和練習比擬有其特殊性,更誇大吞吐率、能效和實時性,未來在雲端很可能會有專 門針對推斷的 ASIC 晶片(如 Google 的第一代 TPU),提供更好的能耗效率並實現更低的延時。

2)邊沿裝置:也需要具備一定的學習、本地練習能力

相對雲端應用,邊沿裝置的應用需求和場景約束要複雜許多,針對不同的情況可能需要專門的架 構設計。拋開需求的複雜性,目前的邊沿裝置主要是執行“推斷”。在這個目標下,AI 晶片最重 要的就是進步“推斷”效率。目前,衡量 AI 晶片實現效率的一個重要指標是能耗效率—— TOPs/W,這也成為許多技術創新競爭的焦點。未來,越來越多的邊沿裝置將需要具備一定的 “學習”能力,能夠根據收集到的新資料在本地練習、最佳化和更新模型。這也會對邊沿裝置以及 整個 AI 實現系統提出一些新的要求。最後,在邊沿裝置中的 AI 晶片往往是 SoC 形式的產品,AI 部門只是實現功能的一個環節,而終極要透過完整的晶片功能來體現硬體的效率。這種情況下, 需要從整個系統的角度考慮架構的最佳化。因此,終端裝置 AI 晶片往往呈現為一個異構系統,專門 的 AI 加速器和 CPU,GPU,ISP,DSP 等其它部件協同工作以達到最佳的效率。

3)軟體定義晶片:能夠實時動態改變功能,滿意軟體不斷變化的計算需求

在 AI 計算中,晶片是承載計算功能的基礎部件,軟體是實現 AI 的核心。這裡的軟體即是為了實 現不同目標的 AI 任務,所需要的 AI 演算法。對於複雜的 AI 任務,甚至需要將多種不同型別的 AI 算 法組合在一起。即使是統一型別的 AI 演算法,也會由於具體任務的計算精度、機能和能效等需求不 同,具有不同計算引數。因此,AI 晶片必需具備一個重要特性:能夠實時動態改變功能,滿意軟 件不斷變化的計算需求,即“軟體定義晶片”。

3 國產廠商的機遇:資料中心、國產化和進步封裝

3.1 資料中心快速發展帶來行業新機遇

我國資料中心業務規模持續高速增長。根據工信部資訊通訊發展司資料,2017 年我國資料中心市 場總機架數目 166 萬架,2022 年猜測達到 670 萬架,2017-2022E 複合增速達 32.2%。根據信通 院釋出的資料中心白皮書,跟著我國各地區、各行業數字化轉型的深入推進,我國資料中心市場 收入將保持增長態勢。

東數西算工程帶來大量伺服器相關軟硬體需求。東數西算工程將透過構建資料中心、雲計算、大 資料一體化的新型算力網路體系,將東部算力需求有序引導到西部,最佳化資料中心建設佈局,促 進東西部協同聯動。於 2022年 2 月,在京津冀、長三角、粵港澳大灣區、成渝、內蒙古、貴州、 甘肅、寧夏 8 地啟動建設國家算力關鍵節點,並規劃了 10 個國家資料中心叢集。各地資料中心都 將集聚大量伺服器,如韶關資料中心叢集晉升網路級別至國家級骨幹網路關鍵節點,預計到 2025 年,韶關資料中心叢集將建成 50 萬架尺度機架、500 萬臺伺服器規模,投資超 500 億元。

3.2 在國產化浪潮中不斷突破不同市場

國產 CPU 在政務、企業、消費級市場層層突破。CPU 市場主要分為三類:政務及重點行業市場、 企業級市場以及消費級市場,它們的需求特點各異。政務及重點行業市場,對安全性和定製化的 要求遠高於消費級市場,同時對工業生態的要求相對較低,與國產 CPU 當前的發展現狀非常契合, 所以此板塊是近期國產 CPU 的核心市場。企業級市場對工業生態的要求高於政務但低於消費級市 場,此板塊是國產 CPU 未來重要的增量市場。消費級市場對工業生態的要求最高,對價效比較為 敏感,迭代週期短,是國產 CPU 長期需突破的目標市場,尤其是在桌面 CPU 生態方面還有較大 的差距,還需要重點彌補。

政府及國有企事業單位為國產 CPU 主陣地,PC 晶片已成百億級市場。政府機關和國有企事業單 位是國產 CPU 的主陣地,根據國家統計局宣佈資料,推斷我國今年國有單位就業人數在 5600- 5700 萬人(2020 年為 5563 萬人),根據統計局 2018 年宣佈的資料,規上企業計算機人均保有 量為 0.29,考慮到政府和一些重要行業存在內網機需求,則假設人均保有量大約在 0.29-0.58 之 間。;根據海光資訊宣佈的 CPU 價格資料,預計 PC 芯片價格在 1k 左右,則 PC 晶片市場規模 在 162-330 億元之間。

黨政和重要行業的企業級市場為國產伺服器主陣地,2022年伺服器晶片市場規模約 130億美元。 黨政、國有企業和部門重要領域的民營企業是國產伺服器主陣地,根據 IDC 資料,政府需求佔服 務器總需求比重約 9.1%,重要行業包括金融、電信、公共事業、能源、交通、教育、醫療等需求 約佔比 38.4%,2022 年合計伺服器晶片的銷售額約為 130 億美元。

消費級市場空間廣闊,國產化勢在必行。國產 CPU在樞紐效能指標、使用體驗、生態建設等方面 與海外廠商仍存在差異,目前很難在消費級市場具備競爭力。但底層硬體、基礎建設自主化是勢 在必行的,信創政策不斷誇大關鍵技術自主可控原則,在樞紐平臺、樞紐元件以及樞紐資訊基礎設施上形成自主研發能力,降低外部依靠、避免單一依靠,消費級市場固然不及政務和重要領域 央國企對資訊保安要求那麼高,但是也屬於資訊化的樞紐平臺和元件,推行自主化會不斷投入人 力物力持續進行,與海外廠商的差距年限也呈逐步縮小趨勢,終將進入消費級市場。

3.3 進步封裝助力國產 CPU 企業彎道超車

後摩爾時代的到來,我國 CPU企業有望透過封測技術彎道超車。從晶片製造工藝來看,一方面, CPU 製程進入後摩爾定律時期進級速度趨緩,國產 CPU 機能與國際主流水平逐步縮小;另一方 面,進步封裝技術成為競爭新賽道,我國封測廠商長電科技和通富微電在全球前五中佔據兩席, 通富與AMD緊密合作,在全球市場具備一定話語權。進步封裝的泛起,讓業界看到了透過封裝技 術推動晶片高密度整合、機能晉升、體積微型化和本錢下降的巨大潛力,進步封裝技術正成為集 成電路工業發展的新引擎,我國 CPU 企業有望透過封測技術彎道超車,彌補進步製程能力不足的 缺陷。 國產 CPU 已經可以透過進步封裝技術實現機能晉升與應用場景拓展。龍芯中科最新的 3D5000 通 過 Chiplet 把兩個 3C5000 矽片封裝在一起,是一款 32 核 CPU 產品,已經可以面向伺服器市場使 用,可滿意通用計算、大型資料中心、雲計算中心的計算需求。

4 投資分析

4.1 海光資訊:國產伺服器算力晶片龍頭

海光資訊科技股份有限公司成立於2014年,主要從事高階處理器、加速器等計算晶片產品和系統 的研究、開發,目標成為中國最重要的計算機晶片設計企業,為中國資訊產業的強大提供核心計算引擎。

上一篇:最大化能源效... 下一篇:充電樁運營商...
猜你喜歡
熱門閱讀
同類推薦