AI這三大方向缺一不可！（附股）

2023-05-18 11:00

5月17日，多個半導體細分領域板塊大漲，存儲芯片、算力概念、光通信板塊等均有所表現。

AI大模型的驅動下，市場已經逐漸從單一炒作一兩個細分領域逐步切換至整個硬件產業鏈。消息面上，近期AI服務器價格大漲，有企業透露，其去年6月購買的AI服務器不足一年價格漲了近20倍。同期，GPU價格也不斷上漲。目前AI驅動的硬件需求有多大？還有哪些投資機遇可以關注？本文將詳細解析。

算力、存儲、網絡AI硬件三大產業鏈缺一不可！

用上了先進芯片并不代表就擁有了先進算力，高性能計算存在“木桶效應”，一旦“計算、存儲、網絡”任一環節出現瓶頸，就會導致運算速度嚴重下降。

算力不足一直是困擾業界的難題，其根本原因在于當前大模型規模大、參數高達萬億的時代，單個AI服務器的算力有限，亟需通過高性能網絡連接多個AI服務器和存儲系統，構建大規模計算集群。

大模型進入萬億參數時代，單臺服務器的計算能力有限，需要通過RDMA網絡連接多臺服務器，形成大規模計算集群。在此基礎上，綜合優化處理器、網絡結構和存儲性能，為大規模模型訓練提供高性能、高帶寬、低時延的智能計算支持。

在存儲方面，數千個節點同時讀取一組數據，需要盡量縮短讀取時間。采用騰訊云最新自主研發的存儲體系結構，支持不同應用場景下的存儲需求，是新一代的集群。其自主開發的文件、對象存儲體系結構，可實現TB級的吞吐量和千萬級的 IOPS，完全滿足大規模模型訓練對海量數據的存儲需求。

AI任務需要在不同階段部署互補性的存儲媒體與體系結構：ML與深度神經網絡對存儲體系結構有很大影響：由于GPU并行處理能力強、數據密度大等原因，對訓練數據的讀取已成為制約AI應用發展的瓶頸。為降低GPU閑置時間，可采用固態晶片、磁碟機或其它非易失性記憶體等方式對預處理線進行優化。NVMeSSD能有效地解決網絡帶寬低、時延大的問題。

AI應用商業化之前

硬件上游性價比凸顯

4月11日，國家互聯網信息辦公室發布關于《生成式人工智能服務管理辦法(征求意見稿)》(以下簡稱“《管理辦法》”)公開征求意見的通知。《管理辦法》明確提出，利用生成式人工智能生成的內容應當真實準確，采取措施防止生成虛假信息。

從政策角度出發，目前市場離AI應用商業化還有一段時間的空窗期要走，此時位于下游的計算機應用公司將會加大資本開支來強化自身大模型的智能程度。

由AI大模型帶來的產業側變革正在逐步顯現。國內市場，1)百度于3月率先推出其大模型產品文心一言；2)阿里于4月發布類ChatGPT的大語言模型通義千問，并宣布未來全部產品將接入大模型升級；3)騰訊混元大模型已在騰訊多個核心業務場景落地，并帶來顯著的效率提升。

海外市場中，美股三大科技巨頭在AI方面均有著深厚的積累，并且各有側重。微軟擁有豐富的產品組合，與OpenAI深度合作，以生成式AI賦能生產力；谷歌是LLM 領域的領軍和奠基者，近期I/O大會顯示其在大模型落地上不遑多讓；亞馬遜在廣告業務中引入AI并加大相關投資，目前在營收端已有正面反饋。

結合業績確定性及估值兩方面因素考慮，華西證券建議關注包括軍工通信、面板以及低估的算力基礎設施及工業互聯網個股：

1)持續推薦算力基礎設施服務器等設備商：紫光股份(華西通信&計算機聯合覆蓋)、中興通訊等；算力中心：光環新網；算力硬科技產業鏈：新雷能(服務器電源)；

2)軍工通信：烽火電子、海格通信、七一二等；

3)工業互聯：金卡智能等；

4)液晶面板拐點：TCL科技等；

5)AI應用：航天信息等。