>> 信达证券-电子行业专题研究:方向明确投资热情重燃,AI芯片上游机遇凸显-230225
| 上传日期: |
2023/2/25 |
大小: |
1795KB |
| 格式: |
pdf 共15页 |
来源: |
信达证券 |
| 评级: |
看好 |
作者: |
莫文宇 |
| 行业名称: |
电子 |
| 下载权限: |
无限制-登录即可下载 |
|
|
人工智能引领新一轮科技革命,AIGC成为主要方向。每一次科技创新的浪潮都是通过突破某一项先进生产力要素,从而提升人类生产效率所实现。回望前三次科技革命的步伐,不难发现,一项先进生产力从萌芽到被广泛使用,其核心在于能否变革人类的生产生活方式,带来生产效率大幅提升。AIGC的出现真正赋予了人工智能大规模落地的场景,有望在更高层次辅助甚至代替人类的部分工作,提升人类生产效率。当前时点,以人工智能为代表的新一轮科技革命正在兴起,而AIGC相较于传统AI而言可以“创作”全新的内容,已经在多个领域实现开花结果。 AIGC在生产效率和交互方式方面实现重大提升,或将推动信息技术时代向人工智能时代的快速发展。(1)生产效率上,AIGC以其强大的信息收集和处理能力,可有效缩短信息传递环节,改进人类生产效率。AIGC系统采用神经网络技术,通过自然语言处理,机器学习和计算机视觉等技术,可以完成大量信息的搜集和归纳整理,形成文字、图像、音频或视频,大幅提升信息传递的效率。(2)交互方式上,以ChatGPT为例,使用RLHF技术,提升系统的性能和可靠性,使交互更加自然和高效。RLHF是一种训练大模型的新技术,在这一模式下可以增强人类对模型输出结果的调整,提升训练效率,使ChatGPT与之前的ChatBot相比,对话质量更高、可理解性更强,交互体验更加自然和高效。 国内AI芯片产业或将开辟新业态,上游投资机遇凸显。我们认为以Transformer模型为核心的大模型AI路径已被ChatGPT有力证实,方向明确后投资热情重燃。但是,AI芯片、GPGPU芯片在设计难度、生态壁垒上较CPU、GPU更低,同时软件栈的支持也是AI芯片能否大规模导入云服务商的主要矛盾,这导致了国内云计算企业如阿里、百度等均尝试自研AI芯片;这意味着国产芯片供应链的机会(如接口芯片、IP核等)比AI芯片的机会更具备确定性。建议关注方向:数据接口IP、神经网络计算IP、以太网芯片等;建议关注标的:芯原股份、裕太微、澜起科技。 投资评级:看好 风险因素:技术迭代不及预期;制裁风险。
研究报告全文:方向明确投资热情重燃AI芯片上游机遇凸显TableReportDate2023年2月25日证券研究报告方向明确投资热情重燃TableTitleAI芯片上游机遇凸显行业点评TableReportDate2023年02月25日本期内容提要TableReportType行业专题研究普通TableSTableSummary人工智能引领新一轮科技革命ummaryAIGC成为主要方向每一次科技创新的浪潮都是通过突破某一项先进生产力要素从而提升人类生产效TableStockAndRank电子率所实现回望前三次科技革命的步伐不难发现一项先进生产力从萌芽到被广泛使用其核心在于能否变革人类的生产生活方式带投资评级看好来生产效率大幅提升AIGC的出现真正赋予了人工智能大规模落地的场景有望在更高层次辅助甚至代替人类的部分工作提升人类生上次评级看好产效率当前时点以人工智能为代表的新一轮科技革命正在兴起而AIGC相较于传统AI而言可以创作全新的内容已经在多个领域TableAuthor莫文宇电子行业首席分析师实现开花结果执业编号S1500522090001联系电话13437172818AIGC在生产效率和交互方式方面实现重大提升或将推动信息技术邮箱mowenyucindasccom时代向人工智能时代的快速发展1生产效率上AIGC以其强大的信息收集和处理能力可有效缩短信息传递环节改进人类生产效率AIGC系统采用神经网络技术通过自然语言处理机器学习和计算机视觉等技术可以完成大量信息的搜集和归纳整理形成文韩字杰联系人字图像音频或视频大幅提升信息传递的效率2交互方式邮箱hanzijiecindasccom上以ChatGPT为例使用RLHF技术提升系统的性能和可靠性使交互更加自然和高效RLHF是一种训练大模型的新技术在这一模式下可以增强人类对模型输出结果的调整提升训练效率使ChatGPT与之前的ChatBot相比对话质量更高可理解性更强交互体验更加自然和高效国内AI芯片产业或将开辟新业态上游投资机遇凸显我们认为以Transformer模型为核心的大模型AI路径已被ChatGPT有力证实方向明确后投资热情重燃但是AI芯片GPGPU芯片在设计难度生态壁垒上较CPUGPU更低同时软件栈的支持也是AI芯片能否大规模导入云服务商的主要矛盾这导致了国内云计算企业如阿里百度等均尝试自研AI芯片这意味着国产芯片供应链的机会如接口芯片IP核等比AI芯片的机会更具备确定性建议关注方向数据接口IP神经网络计算IP以太网芯片等建议关注标的芯原股份裕太微澜起科技投资评级看好风险因素技术迭代不及预期制裁风险信达证券股份有限公司CINDASECURITIESCOLTD北京市西城区闹市口大街9号院1号楼邮编100031请阅读最后一页免责声明及信息披露httpwwwcindasccom2目录AIGC是新一轮科技革命的主要方向4方向明确投资热情重燃芯片周边潜藏投资机遇7新技术新产品以Transformer为核心的算力引擎7传统技术迭代大模型时代芯片互联势在必行9从规模化到产业化国内芯片企业焕发新活力10风险因素13表目录表1GPT-3模型规模对比参数量突破1750亿9图目录图1当前人类正处于信息技术时代向人工智能时代的交替期4图2我国智能手机渗透率5图3用ChatGPT实现代码编写功能示意5图4信息传递的金字塔6图5ChatGPT引入带有人类反馈的强化学习RLHF技术6图6Transformer模型架构7图7Transformer引擎针对计算任务的调优训练效率增长9倍8图8各类语言大模型的算力需求呈指数级增长9图9各类语言大模型的算力需求呈指数级增长10图10全球以太网物理层芯片市场规模亿美元10图11全球IP核市场规模亿美元10图12芯原VivanteNPUIP产品线及其应用11图13芯原丰富宽泛的数模混合IP11图14澜起PCIeRetimer芯片典型应用场景12请阅读最后一页免责声明及信息披露httpwwwcindasccom3AIGC是新一轮科技革命的主要方向人工智能引领新一轮科技革命AIGC成为主要方向过去300年里人类经历了三次影响深远的科技革命第一次科技革命以蒸汽机的出现为标志推动火车钢铁等行业快速发展第二次科技革命带来电力的广泛使用进一步推升生产力第三次科技革命人类进入信息技术时代半导体互联网PC智能手机的出现改变了人类生产生活的方方面面当前时点以人工智能为代表的新一轮科技革命正在兴起而AIGC相较于传统AI而言可以创作全新的内容已经在多个领域实现开花结果每一次科技创新的浪潮都是通过突破某一项先进生产力要素从而提升人类生产效率所实现回望前三次科技革命的步伐不难发现一项先进生产力从萌芽到被广泛使用其核心在于能否变革人类的生产生活方式带来生产效率大幅提升无论蒸汽机电力互联网等信息技术都符合这样的规律AIGC的出现真正赋予了人工智能大规模落地的场景有望在更高层次辅助甚至代替人类的部分工作提升人类生产效率图1当前人类正处于信息技术时代向人工智能时代的交替期资料来源光锥智能世界银行势乘资本信达证券研发中心交互方式的升级是新应用快速渗透的重要驱动力早期个人电脑的交互方式是命令式执行例如1979年微软给IBM个人电脑开发的MS-DOS是一个单用户单任务操作系统而Windows操作系统使用图形化的交互方式才使得个人电脑迅速推广开来同样智能手机摒弃了传统手机按键式的交互方式采用触屏式交互带来智能手机的快速渗透交互方式是用户体验的核心需求新的交互方式一旦迎合用户痛点或将引领新一轮用户需求请阅读最后一页免责声明及信息披露httpwwwcindasccom4图2我国智能手机渗透率100977989619569694293994929020172018201920202021资料来源观研天下信达证券研发中心AIGC在生产效率和交互方式方面实现重大提升或将推动信息技术时代向人工智能时代的快速发展以ChatGPT为例当前可以实现对话搜索文本生成代码编写等众多功能帮助人们快速生成大量内容从而节省时间和资源交互方式上ChatGPT通过对话的形式实现不断学习和提高对话能力通过更加自然流畅的语言表达方式来改进交互体验我们认为得益于生成型神经网络的快速发展AIGC的成长速度可类比于或更甚于Windows操作系统和智能手机实现短期内的迅速成长图3用ChatGPT实现代码编写功能示意资料来源ChatGPT信达证券研发中心AIGC以其强大的信息收集和处理能力可有效缩短信息传递环节改进人类生产效率传统的信息传递方式为从海量的文献和数据中搜集基础信息再对信息进行归纳整理然后为方案设计者提供参考最终由决策者进行决策AIGC系统采用神经网络技术通过自然语言处理机器学习和计算机视觉等技术可以完成大量信息的搜集和归纳整理形成文字图像音频或视频即AIGC可以替代信息传递的前三个环节大幅提升效率请阅读最后一页免责声明及信息披露httpwwwcindasccom5图4信息传递的金字塔决策提供方案设计参考信息归纳整理基础信息搜集可被AIGC替代海量的文献与数据资料来源信达证券研发中心ChatGPT使用RLHF技术提升系统的性能和可靠性使交互更加自然和高效带有人类反馈的强化学习RLHF技术是一种通过人类对AI系统决策的反馈来指导学习过程这种反馈可以是正面的即奖励或负面的即惩罚AI系统会利用这些反馈来调整其策略从而在实际应用中取得更好的表现RLHF是一种训练大模型的新技术在这一模式下可以增强人类对模型输出结果的调整提升训练效率使ChatGPT与之前的ChatBot相比对话质量更高可理解性更强交互体验更加自然和高效图5ChatGPT引入带有人类反馈的强化学习RLHF技术资料来源OpenAI官网信达证券研发中心我们认为AIGC将为企业提供更加智能高效便捷的解决方案推动数字化转型同时随着技术不断成熟和成本不断降低AIGC有望快速普及成为各行业发展的重要引擎我们看好人工智能芯片及人工智能相关的半导体产业链在全球数字化智能化浪潮下有望推动AI芯片市场迅速成长请阅读最后一页免责声明及信息披露httpwwwcindasccom6方向明确投资热情重燃芯片周边潜藏投资机遇国内AI芯片产业或将开辟新业态上游受益确定性高我们认为以Transformer模型为核心的大模型AI路径已被ChatGPT有力证实方向明确后投资热情重燃但是AI芯片GPGPU芯片在设计难度生态壁垒上较CPUGPU更低同时软件栈的支持也是AI芯片能否大规模导入云服务商的主要矛盾这导致了国内云计算企业如阿里百度等均尝试自研AI芯片这意味着国产芯片供应链的机会如接口芯片IP核等比AI芯片的机会更具备确定性建议关注方向数据接口IP神经网络计算IP以太网芯片等建议关注标的芯原股份裕太微澜起科技新技术新产品以Transformer为核心的算力引擎大模型多采用Transformer为基础AI芯片架构更新迭代Transformer是一种基于自注意力机制的深度学习模型前沿的人工智能模型多以transformer为基础相比于传统的神经网络架构1Transformer模型可以解决长序列输入过程中的梯度消失和梯度爆炸问题2Transformer模型可以实现更好的并行计算性能3Transformer模型可以处理全局信息4Transformer模型无需手动提取特征从结构上来看Transformer模型由编码器encoder和解码器decoder两部分组成其计算方式和CNN和RNN有很大的不同因此在硬件设计上也有较大区别图6Transformer模型架构资料来源AttentionIsAllYouNeedVaswaniAetal信达证券研发中心NVIDIAHopper架构推出全新Transformer引擎以提升大模型运算效率在当今计算平台上大型AI模型可能需要数月来完成训练这样的速度对于企业来说较为缓慢随着一些模型例如大型语言模型达到数万亿参数AI高性能计算和数据分析变得日益复杂请阅读最后一页免责声明及信息披露httpwwwcindasccom7Transformer引擎采用软件和自定义NVIDIAHopperTensorCore技术该技术旨在加速训练基于常见AI模型构建模块即Transformer构建的模型这些TensorCore能够应用FP8和FP16混合精度以大幅加速Transformer模型的AI计算与上一代相比NVIDIAH100TensorCoreGPU可提供高达9倍的训练吞吐量从而可以在合理的时间内训练大型模型图7Transformer引擎针对计算任务的调优训练效率增长9倍资料来源Nvidia官网信达证券研发中心高性能计算IP受限国产替代势在必行2022年12月受出口管制影响Arm拒绝向中国企业出售先进CPU芯片设计IPNeoverseV1和V2产品涉及包括阿里旗下芯片设计公司平头哥半导体以及其他中国芯片企业展望未来云服务商自研芯片离不开国产IP的支持建议关注芯原股份请阅读最后一页免责声明及信息披露httpwwwcindasccom8传统技术迭代大模型时代芯片互联势在必行AI训练步入大模型时代计算中心芯片算力互联需求激增在实践中通常需要使用大规模的训练数据和强大的计算资源来训练Transformer模型以达到更好的效果从数据量的角度来说加载大模型本身就是对芯片的挑战以GPT模型为例其参数量达到1750亿需要大量GPU协同工作才能完成跨GPU模型布局中的负载平衡及GPU的互联将深度影响模型的训练效率表1GPT-3模型规模对比参数量突破1750亿GPT-3Small125M12768126405M6010-4GPT-3Medium350M241024166405M3010-4GPT-3Large760M241536169605M2510-4GPT-3XL13B242048241281M2010-4GPT-327B27B32256032801M1610-4GPT-367B67B324096321282M1210-4GPT-313B130B405140401282M1010-4GPT-3175B1750B96122889612832M0610-4资料来源LanguageModelsareFew-ShotLearnersTomBBrownetal信达证券研发中心从算力的角度来看语言大模型的算力需求呈指数级增长而芯片受架构工艺的限制增长速度难以与之匹配因此只能通过云计算服务商将大量的GPUAI芯片等互联在一起完成大规模的运算图8各类语言大模型的算力需求呈指数级增长资料来源LanguageModelsareFew-ShotLearnersTomBBrownetal信达证券研发中心大厂深度布局互联技术改善性能趋势明确从英伟达的布局来看其最新开发的H100GPU通过NVLink可提供900GBsGPU间互连由此组合的NVLinkSwitch系统可连接多达256个H100来加速百亿亿级Exascale工作负载NVIDIANVLink-C2C基于世界一流的SerDes和Link设计技术打造而成借助先进的封装相较于NVIDIA芯片上的PCIeGen5PHYNVIDIANVLink-C2C互连技术在能效方面提升25倍面积效率提升90倍请阅读最后一页免责声明及信息披露httpwwwcindasccom9图9各类语言大模型的算力需求呈指数级增长资料来源Nvidia官网信达证券研发中心在芯片互联互通领域我们认为芯片间互联服务器间互联仍然基于网络七层协议实现而电子行业主要受益于物理层数据链路层的需求在此基础上SerDesIP以太网网卡相关芯片PCIe接口相关芯片等或将深度受益建议关注芯原股份裕太微澜起科技从规模化到产业化国内芯片企业焕发新活力在步入大模型AI时代以前深度学习落地场景较少商业模式不完善因此图像识别NLP等产品仅在有限的场景下实现落地未能真正形成全社会所参与认可的产业化当前我们认为大模型时代AI真正具备了产业化的潜力在包括AI在内的多种技术驱使下以太网物理层芯片数据接口IP等产品市场规模有望实现高速增长图10全球以太网物理层芯片市场规模亿美元图11全球IP核市场规模亿美元18ProcessorIPInterfaceIPMemoryIPOthers81671461251048634221002017201820192020202120222023202420252026202720212029E资料来源MaximizeMarketResearch信达证券研发中心资料来源KBVResearchResearchandMarkets信达证券研发中心1芯原股份神经网络处理IP芯原Vivante的神经网络处理器NPUIP是高度可扩展可编程的计算机视觉和人工智能处理器支持终端边缘端及云端设备的人工智能运算升级VivanteNPUIP可满足多种芯片尺寸和功耗预算是具成本效益的优质神经网络加速引擎解决方案芯原的VivanteNPUIP能结合芯原其他处理器IP支持消费电子汽车电子计算机及周边工业数据处理物联网等行业的人工智能升级发展以ISPIP为例利用NPUIP的目标检测和识别功能对目标区域进行定位可使ISPIP精准地对目标区域进行曝光和聚焦得到更清晰的目标区域图像同时NPUIP还可对ISPIP输出的图像进行暗光增强分辨率提高等处理进一步优化图像质量请阅读最后一页免责声明及信息披露httpwwwcindasccom10图12芯原VivanteNPUIP产品线及其应用资料来源芯原股份官网信达证券研发中心数模混合IP芯原已拥有超过1400个数模混合IP包括SoC基础IP数据接口IP人机界面IP电源管理IP单元库与存储IP等其中芯原的数据接口类IP如PCIeSerDes等可应用于互联图13芯原丰富宽泛的数模混合IP资料来源芯原股份官网信达证券研发中心2裕太微裕太微专注于高速有线通信芯片的研发设计和销售企业始终坚持市场导向技术驱动的发展战略以实现通信芯片产品的高可靠性高稳定性为目标以以太网物理层芯片作为市场切入点不断推出系列芯片产品是中国大陆少数拥有自主知识产权并实现大规模销售的以太网物理层芯片供应商请阅读最后一页免责声明及信息披露httpwwwcindasccom113澜起科技澜起科技的PCIeRetimer芯片采用先进的信号调理技术来补偿信道损耗并消除各种抖动源的影响从而提升信号完整性增加高速信号的有效传输距离为服务器存储设备及硬件加速器等应用场景提供可扩展的高性能PCIe互连解决方案其中PCIe40Retimer芯片符合PCIe40基本规范PCIe50CXL20Retimer符合PCIe50和CXL20基本规范支持业界主流封装功耗和传输延时等关键性能指标达到国际先进水平并已与CPUPCIe交换芯片固态硬盘GPU及网卡等进行了广泛的互操作测试图14澜起PCIeRetimer芯片典型应用场景资料来源澜起科技官网信达证券研发中心请阅读最后一页免责声明及信息披露httpwwwcindasccom12风险因素技术迭代不及预期制裁风险请阅读最后一页免责声明及信息披露httpwwwcindasccom13研究团队简介TableIntroduction莫文宇毕业于美国佛罗里达大学电子工程硕士2012-2022年就职于长江证券研究所2022年入职信达证券研发中心任副所长电子行业首席分析师韩字杰电子行业研究员华中科技大学计算机科学与技术学士香港中文大学硕士研究方向为半导体设备半导体材料集成电路设计郭一江电子行业研究员本科兰州大学研究生就读于北京大学化学专业2020年8月入职华创证券电子组后于2022年11月加入信达证券电子组研究方向为光学消费电子汽车电子等机构销售联系区域姓名手机邮箱全国销售总监韩秋月13911026534hanqiuyuecindasccom华北区销售总监陈明真15601850398chenmingzhencindasccom华北区销售副总监阙嘉程18506960410quejiachengcindasccom华北区销售祁丽媛13051504933qiliyuancindasccom华北区销售陆禹舟17687659919luyuzhoucindasccom华北区销售魏冲18340820155weichongcindasccom华北区销售樊荣15501091225fanrongcindasccom华北区销售秘侨18513322185miqiaocindasccom华北区销售李佳13552992413lijia1cindasccom华北区销售张斓夕18810718214zhanglanxicindasccom华东区销售总监杨兴13718803208yangxingcindasccom华东区销售副总监吴国15800476582wuguocindasccom华东区销售国鹏程15618358383guopengchengcindasccom华东区销售朱尧18702173656zhuyaocindasccom华东区销售戴剑箫13524484975daijianxiaocindasccom华东区销售方威18721118359fangweicindasccom华东区销售俞晓18717938223yuxiaocindasccom华东区销售李贤哲15026867872lixianzhecindasccom华东区销售孙僮18610826885suntongcindasccom华东区销售贾力15957705777jialicindasccom华东区销售石明杰15261855608shimingjiecindasccom华东区销售曹亦兴13337798928caoyixingcindasccom华南区销售总监王留阳13530830620wangliuyangcindasccom华南区销售副总监陈晨15986679987chenchen3cindasccom华南区销售副总监王雨霏17727821880wangyufeicindasccom华南区销售刘韵13620005606liuyuncindasccom华南区销售胡洁颖13794480158hujieyingcindasccom华南区销售郑庆庆13570594204zhengqingqingcindasccom华南区销售刘莹15152283256liuying1cindasccom华南区销售蔡静18300030194caijing1cindasccom华南区销售聂振坤15521067883niezhenkuncindasccom请阅读最后一页免责声明及信息披露httpwwwcindasccom14分析师声明负责本报告全部或部分内容的每一位分析师在此申明本人具有证券投资咨询执业资格并在中国证券业协会注册登记为证券分析师以勤勉的职业态度独立客观地出具本报告本报告所表述的所有观点准确反映了分析师本人的研究观点本人薪酬的任何组成部分不曾与不与也将不会与本报告中的具体分析意见或观点直接或间接相关免责声明信达证券股份有限公司以下简称信达证券具有中国证监会批复的证券投资咨询业务资格本报告由信达证券制作并发布本报告是针对与信达证券签署服务协议的签约客户的专属研究产品为该类客户进行投资决策时提供辅助和参考双方对权利与义务均有严格约定本报告仅提供给上述特定客户并不面向公众发布信达证券不会因接收人收到本报告而视其为本公司的当然客户客户应当认识到有关本报告的电话短信邮件提示仅为研究观点的简要沟通对本报告的参考使用须以本报告的完整版本为准本报告是基于信达证券认为可靠的已公开信息编制但信达证券不保证所载信息的准确性和完整性本报告所载的意见评估及预测仅为本报告最初出具日的观点和判断本报告所指的证券或投资标的的价格价值及投资收入可能会出现不同程度的波动涉及证券或投资标的的历史表现不应作为日后表现的保证在不同时期或因使用不同假设和标准采用不同观点和分析方法致使信达证券发出与本报告所载意见评估及预测不一致的研究报告对此信达证券可不发出特别通知在任何情况下本报告中的信息或所表述的意见并不构成对任何人的投资建议也没有考虑到客户特殊的投资目标财务状况或需求客户应考虑本报告中的任何意见或建议是否符合其特定状况若有必要应寻求专家意见本报告所载的资料工具意见及推测仅供参考并非作为或被视为出售或购买证券或其他投资标的的邀请或向人做出邀请在法律允许的情况下信达证券或其关联机构可能会持有报告中涉及的公司所发行的证券并进行交易并可能会为这些公司正在提供或争取提供投资银行业务服务本报告版权仅为信达证券所有未经信达证券书面同意任何机构和个人不得以任何形式翻版复制发布转发或引用本报告的任何部分若信达证券以外的机构向其客户发放本报告则由该机构独自为此发送行为负责信达证券对此等行为不承担任何责任本报告同时不构成信达证券向发送本报告的机构之客户提供的投资建议如未经信达证券授权私自转载或者转发本报告所引起的一切后果及法律责任由私自转载或转发者承担信达证券将保留随时追究其法律责任的权利评级说明投资建议的比较标准股票投资评级行业投资评级买入股价相对强于基准20以上看好行业指数超越基准本报告采用的基准指数沪深300指增持股价相对强于基准520中性行业指数与基准基本持平数以下简称基准持有股价相对基准波动在5之间看淡行业指数弱于基准时间段报告发布之日起6个月内卖出股价相对弱于基准5以下风险提示证券市场是一个风险无时不在的市场投资者在进行证券交易时存在赢利的可能也存在亏损的风险建议投资者应当充分深入地了解证券市场蕴含的各项风险并谨慎行事本报告中所述证券不一定能在所有的国家和地区向所有类型的投资者销售投资者应当对本报告中的信息和意见进行独立评估并应同时考量各自的投资目的财务状况和特定需求必要时就法律商业财务税收等方面咨询专业顾问的意见在任何情况下信达证券不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任投资者需自行承担风险请阅读最后一页免责声明及信息披露httpwwwcindasccom15
|
|