核心逻辑：
　　 ChatGPT开启大模型“军备赛”，存储作为计算机重要组成部分明显受益: ChatGPT开启算力军备赛，大模型参数呈现指数规模，引爆海量算力需求，模型计算量增长速度远超人工智能硬件算力增长速度，同时也对数据传输速度提出了更高的要求。XPU、内存、硬盘组成完整的冯诺依曼体系，以一台通用服务器为例，芯片组+存储的成本约占70%以上，芯片组、内部存储和外部存储是组成核心部件；存储是计算机的重要组成结构，“内存”实为硬盘与CPU之间的中间人，存储可按照介质分类为ROM和RAM两部分。
　　存算一体，后摩尔时代的必然发展:过去二十年中，算力发展速度远超存储，“存储墙”成为加速学习时代下的一代挑战，原因是在后摩尔时代，存储带宽制约了计算系统的有效带宽，芯片算力增长步履维艰。因此存算一体有望打破冯诺依曼架构，是后摩时代下的必然选择，存算一体即数据存储与计算融合在同一个芯片的同一片区之中，极其适用于大数据量大规模并行的应用场景。存算一体优势显著，被誉为AI芯片的“全能战士”，具有高能耗、低成本、高算力等优势；存算一体按照计算方式分为数字计算和模拟计算，应用场景较为广泛，SRAM、RRAM有望成为云端存算一体主流介质。
　　存算一体前景广阔、渐入佳境:存算一体需求旺盛，有望推动下一阶段的人工智能发展，原因是我们认为现在存算一体主要AI的算力需求、并行计算、神经网络计算等；大模型兴起，存算一体适用于从云至端各类计算，端测方面，人工智能更在意及时响应，即“输入”即“输出”，目前存算一体已经可以完成高精度计算；云端方面，随着大模型的横空出世，参数方面已经达到上亿级别，存算一体有望成为新一代算力因素；存算一体适用于人工智能各个场景，如穿戴设备、移动终端、智能驾驶、数据中心等。我们认为存算一体为下一代技术趋势并有望广泛应用于人工智能神经网络相关应用、感存算一体，多模态的人工智能计算、类脑计算等场景。
　　投资建议:关注四条投资主线：1)具备算力能力的厂商，受益标的为:首都在线、中科曙光、拓维信息、神州数码、浪潮信息、寒武纪、海光信息、龙芯中科、景嘉微；2)具备存储芯片能力的厂商，受益标的为:东芯股份、兆易创新、北京君正、澜起科技、聚辰股份、普冉股份；3)具备存储模组能力的厂商，受益标的为:江波龙、佰维存储、德明利；4)与存储相关的其他厂商，受益标的为:中科曙光、易华录、同有科技、恒烁股份。
　　风险提示:核心技术水平升级不及预期的风险、AI伦理风险、政策推进不及预期的风险、中美贸易摩擦升级的风险。

研究报告全文：仅供机构投资者使用证券研究报告行业深度研究报告ChatGPT存算一体算力的下一极AIGC行业深度报告6华西计算机团队2023年4月4日分析师刘泽晶SACNOS1120520020002邮箱liuzj1hx168comcn请仔细阅读在本报告尾部的重要法律声明核心逻辑ChatGPT开启大模型军备赛存储作为计算机重要组成部分明显受益ChatGPT开启算力军备赛大模型参数呈现指数规模引爆海量算力需求模型计算量增长速度远超人工智能硬件算力增长速度同时也对数据传输速度提出了更高的要求XPU内存硬盘组成完整的冯诺依曼体系以一台通用服务器为例芯片组存储的成本约占70以上芯片组内部存储和外部存储是组成核心部件存储是计算机的重要组成结构内存实为硬盘与CPU之间的中间人存储可按照介质分类为ROM和RAM两部分存算一体后摩尔时代的必然发展过去二十年中算力发展速度远超存储存储墙成为加速学习时代下的一代挑战原因是在后摩尔时代存储带宽制约了计算系统的有效带宽芯片算力增长步履维艰因此存算一体有望打破冯诺依曼架构是后摩时代下的必然选择存算一体即数据存储与计算融合在同一个芯片的同一片区之中极其适用于大数据量大规模并行的应用场景存算一体优势显著被誉为AI芯片的全能战士具有高能耗低成本高算力等优势存算一体按照计算方式分为数字计算和模拟计算应用场景较为广泛SRAMRRAM有望成为云端存算一体主流介质存算一体前景广阔渐入佳境存算一体需求旺盛有望推动下一阶段的人工智能发展原因是我们认为现在存算一体主要AI的算力需求并行计算神经网络计算等大模型兴起存算一体适用于从云至端各类计算端测方面人工智能更在意及时响应即输入即输出目前存算一体已经可以完成高精度计算云端方面随着大模型的横空出世参数方面已经达到上亿级别存算一体有望成为新一代算力因素存算一体适用于人工智能各个场景如穿戴设备移动终端智能驾驶数据中心等我们认为存算一体为下一代技术趋势并有望广泛应用于人工智能神经网络相关应用感存算一体多模态的人工智能计算类脑计算等场景投资建议关注四条投资主线1具备算力能力的厂商受益标的为首都在线中科曙光拓维信息神州数码浪潮信息寒武纪海光信息龙芯中科景嘉微2具备存储芯片能力的厂商受益标的为东芯股份兆易创新北京君正澜起科技聚辰股份普冉股份3具备存储模组能力的厂商受益标的为江波龙佰维存储德明利4与存储相关的其他厂商受益标的为中科曙光易华录同有科技恒烁股份风险提示核心技术水平升级不及预期的风险AI伦理风险政策推进不及预期的风险中美贸易摩擦升级的风险2目录01存算一体开启算力新篇章02存算一体打开海量应用空间03投资建议梳理AIGC相关受益厂商04风险提示301存算一体开启算力新篇章411ChatGPT开启大模型军备赛算力呈现明显缺口ChatGPT开启算力军备赛我们已经在ChatGPT百度文心一言畅想中证明数据平台算力是打造大模型生态的必备基础且算力是训练大模型的底层动力源泉一个优秀的算力底座在大模型AI算法的训练和推理具备效率优势同时我们在ChatGPT打响AI算力军备战中证明算力是AI技术角逐入场券其中AI服务器AI芯片等为核心产品此外我们还在ChatGPT英伟达DGX引爆AI核聚变中证明以英伟达为代表的科技公司正在快速补足全球AI算力需求为大模型增添必备燃料大模型参数呈现指数规模引爆海量算力需求根据财联社和OpenAI数据ChatGPT浪潮下算力缺口巨大根据OpenAI数据模型计算量增长速度远超人工智能硬件算力增长速度存在万倍差距运算规模的增长带动了对AI训练芯片单点算力提升的需求并对数据传输速度提出了更高的要求根据智东西数据过去五年大模型发展呈现指数级别部分大模型已达万亿级别因此对算力需求也随之攀升大模型参数数量和训练数据规模快速增长近年大模型的参数规模增长趋势资料来源新浪智东西可创办日报华西证券研究所512深度拆解服务器核心硬件组成部分H3CUniServerR4900G5服务器硬件结构拆解服务器的组成我们以一台通用服务器为例服务器主要由主板内存芯片组磁盘网卡显卡电源主机箱等硬件设备组成其中芯片组内部存储和外部存储是组成核心部件GPU服务器优势显著GPU服务器超强的计算功能可应用于海量数据处理方面的运算如搜索大数据推荐智能输入法等相较于通用服务器在数据量和计算量方面具有成倍的效率优势此外GPU可作为深度学习的训练平台优势在于1GPU服务器可直接加速计算服务亦可直接与外界连接通信2GPU服务器和云服务器搭配使用云服务器为主GPU服务器负责提供计算平台3对象存储COS可以为GPU服务器提供大数据量的云存储服务AI服务器芯片组价值成本凸显以一台通用服务器为例主板或芯片组占比最高大约占成本50以上内存内部存储外部存储占比约为20此外根据Wind及芯语的数据AI服务器相较于高性能服务器基础服务器在芯片组CPUGPU的价格往H3CUniServerR4900G5服务器硬件结构注释往更高AI服务器训练芯片组的成本占比高达83AI服务器编号名称编号名称推理芯片组占比为50远远高于通用服务器芯片组的占比3中置GPU模块12内存56网卡13主板7Riser卡18电源模块8GPU卡23硬盘9存储控制卡25超级电容10CPU27加密模块12内存28系统电池资料来源H3CUniServerR4900G5技术白皮书华西证券研究所613存储计算机的重要组成结构存储是计算机的重要组成结构存储器是用来存储程序和数据的部件对于计算机来说有了存储器才有记忆功能才能保证正常工作存储器按其用途可分为主存储器和辅助存储器主存储器又称内存储器简称内存辅助存储器又称外存储器简称外存内存主板上的存储结构与CPU直接沟通并用其存储数据的部件存放当前正在使用的即执行中的数据和程序一旦断电其中的程序和数据就会丢失外存磁性介质或光盘像硬盘软盘CD等能长期保存信息并且不依赖于电力来保存信息XPU内存硬盘组成完整的冯诺依曼体系内存实为硬盘与CPU之间的中间人CPU如果直接从硬盘中抓数据时间会太久所以内存作为中间人从硬盘里面提取数据再让CPU直接到内存中拿数据做运算这样会比直接去硬盘抓数据快百万倍CPU里面有一个存储空间Register寄存器运算时CPU会从内存中把数据载入Register再让Register中存的数字做运算运算完再将结果存回内存中因此运算速度Register内存硬盘速度越快价格越高容量越低数据存储示意图数据存储示意图资料来源CSDN华西证券研究所713存储计算机的重要组成结构存储按照易失性分类分别为ROM只读存储器是ReadOnlyMemory的缩写RAM随机存取存储器是RandomAccessMemory的缩写ROM在系统停止供电的时候仍然可以保持数据而RAM通常都是在掉电之后就丢失数据典型的RAM就是计算机的内存RAM随机存取存储器作为内存架构广泛应用于计算机中是与中央处理器直接交换数据的内部存储器可以随时读写且速度很快通常作为操作系统或其他正在运行中的程序的临时资料存储介质RAM可分为静态SRAM与动态DRAMSRAM速度非常快是目前读写最快的存储设备了但是价格昂贵所以只在要求很苛刻的地方使用譬如CPU的一级缓冲二级缓冲DRAM保留数据的时间很短速度也比SRAM慢不过比任何的ROM都要快但从价格上来说DRAM相比SRAM要便宜因此计算机内存大部分为DRAM架构ROM只读存储器作为硬盘介质广泛使用Flash内存的存储特性相当于硬盘它结合了ROM和RAM的长处不仅具备了电子可擦除可编程的性能还不会断电丢失数据同时可以快速读取数据近年来Flash已经全面替代传统ROM在嵌入式系统的定位目前Flash主要有两种NORFlash和NANDFlashNand-flash存储器具有容量较大改写速度快等优点适用于大量数据的存储因此被广泛应用在各种存储卡U盘SSDeMMC等等大容量设备中NOR-Flash则由于特点是芯片内执行因此应用于众多消费电子领域存储分类示意图易失性存储器分类比较动态RAMDRAM静态RAMSRAM存储原理电容存储电荷的方式触发器的方式集成度高低芯片引脚少多功耗小大价格低高速度慢块刷新有无资料来源CSDN华西证券研究所814存算一体后摩尔时代的必然发展算力发展速度远超存储存储带宽限制计算系统的速度在过去二十年处理器性能以每年大约55的速度提升内存性能的提升速度每年只有10左右因此目前的存储速度严重滞后于处理器的计算速度能耗方面从处理单元外的存储器提取所需的时间往往是运算时间的成百上千倍因此能效非常低存储墙成为加速学习时代下的一代挑战原因是数据在计算单元和存储单元的频繁移动存储墙带宽墙和功耗墙成为首要限制关键在传统计算机架构中存储与计算分离存储单元服务于计算单元因此会考虑两者优先级如今由于海量数据和AI加速时代来临不得不考虑以最佳的配合方式为数据采集传输处理服务然而存储墙带宽墙和功耗墙成为首要挑战虽然多核并行加速技术也能提升算力但在后摩尔时代存储带宽制约了计算系统的有效带宽芯片算力增长步履维艰存算一体有望打破冯诺依曼架构是后摩时代下的必然选择存算一体是在存储器中嵌入计算能力以新的运算架构进行二维和三维矩阵乘法加法运算存内计算和存内逻辑即存算一体技术优势在于可直接利用存储器进行数据处理或计算从而把数据存储与计算融合在同一个芯片的同一片区之中可以彻底消除冯诺依曼计算架构瓶颈特别适用于深度学习神经网络这种大数据量大规模并行的应用场景算力发展速度远超存储器存储墙瓶颈资料来源知乎陈巍谈芯华西证券研究所914存算一体后摩尔时代的必然发展存算一体概念已有50年历史早在1969年斯坦福研究所的Kautz等人提出了存算一体计算机的概念但受限于当时的芯片制造技术和算力需求的匮乏那时存算一体仅仅停留在理论研究阶段并未得到实际应用然而为了打破冯诺依曼架构降低存储-内存-处理单元过程数据搬移带来的开销业内广泛采用3D封装技术实现3D堆叠提供更大带宽但是并没有改变数据存储与数据处理分离的问题近年来存算一体随着人工智能的驱动得到较快发展随着半导体制造技术突破以及AI等算力密集的应用场景的崛起为存算一体技术提供新的制造平台和产业驱动力2016年美国加州大学团队提出使用RRAM构建存算一体架构的深度学习神经网络PRIME相较于传统冯诺伊曼架构的传统方案PRIME可以实现功耗降低约20倍速度提升约50倍此外2017年英伟达微软三星等提出存算一体原型同年起国产存算一体芯片企业开始扎堆入场例如千芯科技智芯微亿铸科技后摩时代苹芯科技等存算一体发展简史资料来源知乎陈巍谈芯与非望华西证券研究所1015存算一体AI芯片的全能战士存算一体优势显著被誉为AI芯片的全能战士其优势如下1成百上千倍的提高计算效率降低成本存算一体的优势是打破存储墙消除不必要的数据搬移延迟和功耗使用存储单元提升算力2特定领域提供更高算力与能效存算一体架构消除了计算与存储的界限直接在存储器内完成计算因此属于非冯诺伊曼架构在特定领域可以提供更大算力1000TOPS以上和更高能效超过10-100TOPSW明显超越现有ASIC算力芯片3存算一体代表了未来AI计算芯片的主流架构除AI计算外存算技术也可用于感存算一体芯片和类脑芯片可减少不必要的数据搬运与使用存储单元参与逻辑计算提升算力原因在于等效于在面积不变的情况下规模化增加计算核心数存算一体对比示意图资料来源知乎陈巍谈芯华西证券研究所1115存算一体AI芯片的全能战士目前存算技术按照历史路线顺序演进存算技术按照历史路线顺序演进A查存计算GPU中对于复杂函数就采用了这种计算方法通过在存储芯片内部查表来完成计算操作目前应用较为广阔且技术相较成熟B近存计算计算操作由位于存储区域外部的独立计算芯片模块完成这种架构设计的代际设计成本较低适合传统架构芯片转入例如AMD的Zen系列CPU三星的HBM-PIM特斯拉DojoAI训练计算机阿里达摩院等近存计算技术早已成熟被广泛应用在各类CPU和GPU上C存内计算计算操作由位于存储芯片区域内部的独立计算单元完成存储和计算可以是模拟的也可以是数字的这种路线一般用于算法固定的场景算法计算典型代表如Mythic千芯科技闪亿知存九天睿芯等D存内逻辑这种架构数据传输路径最短同时能满足大模型的计算精度要求通过在内部存储中添加计算逻辑直接在内部存储执行数据计算典型代表为TSMC和千芯科技等资料来源公开资料整理知乎陈巍谈芯网易华西证券研究所1215存算一体AI芯片的全能战士存算一体按照计算方式分为数字计算和模拟计算模拟计算模拟存算一体通常使用FLASHRRAMPRAM等非易失性介质作为存储器件存储密度大并行度高但是对环境噪声和温度非常敏感模拟存算一体模型权重保持在存储器中输入数据流入存储器内部基于电流或电压实现模拟乘加计算并由外设电路对输出数据实现模数转换由于模拟存算一体架构能够实现低功耗低位宽的整数乘加计算因此非常适合边缘端AI场景数字计算随着AI任务的复杂性和应用范围增加高精度的大规模AI模型不断涌现这些模型需要在数据中心等云端AI场景完成训练和推理产生巨大的算力需求相比于边缘端AI场景云端AI场景具有更多样的任务需求因此云端AI芯片必须兼顾能效精度灵活性等方面以保证各种大规模AI推理和训练数字存算一体主要以SRAM和RRAM作为存储器件采用先进逻辑工艺具有高性能高精度的优势且具备很好的抗噪声能力和可靠性因此较为适合在云端大算力高能效的商用场景AI芯片架构对比高算力AI芯片新范式资料来源澎拜新闻华西证券研究所1316存算一体存储介质百花齐放存算一体应用场景极其广阔端侧小算力场景算力范围约从16TOPS至100TOPS例如智存储器类型及适合场景示意图能可穿戴设备智能安防移动终端ARVR等大算力场景算力序曲在1000TOPS以上存储器类型优势不足适合场景例如云计算数据中心自动驾驶GPT-4等大模型等我们认为云和边缘大算力场景是与CMOS工艺兼云端AI推理智容性高可并严重器件变能汽车AI数据存算一体芯片的优势领域存算一体更具备核心影响力和竞争力RRAMSRAMRRAMNOR行处理大量数化性中心大模型等有望成为云端存算一体主流介质目前可用于存算一体的成熟存储器有据算李场景FLASHSRAMDRAMRRAMMRAM等NorFlash属于非易失性存储介质在工艺制成上有能效比高高明显瓶颈DRAM成本较低容量大但是速度慢SRAM在速度方面和能效比方面具有优势速高精度对SRAM数字模存储密度略大算力云计算特别是在存内逻辑技术发展起来之后具有明显的高能效和高精度特点此外PRAM有望成噪声不敏感式低边缘计算为下一代主流研究方向虽然目前来看材料依旧不稳定但是具有高速结构简单的优点工艺成熟先进有希望成为未来发展最快的新型存储器适合IP化对PVT变化敏感对信SRAM模拟模能效比高工小算力端侧存算一体终端应用场景存算一体大算力应用场景噪比敏感式艺成熟先进不要求待机功耗存储密度略场景分类算力范围存算一体优势场景分类算力范围存算一体优势低可穿戴设备等消费类电子通常采用电池供只能做近存数据中心计算速度智能可穿戴电要求设备具有极低的功耗以延长使用时高存储密度适合现有冯氏架100GOPSDRAM略低工艺设备间存算技术能够提高近十一百倍不等的整合方案成熟构向存算过渡效率的同时降低10-20倍的功耗迭代慢拓自动驾驶展性差存算一体自带的高并行计算能力使得计算在较低成本低功耗低延迟智能安防16TOPS的实时性更高单板卡下初创公司能够借着存算一目前制造和智能电表端侧1000TOPS体芯片用较小的代价实现高耐久性接近无设计比较困待机时间长需在视觉信号处理上可以达到端侧产品低功MRAM移动终端32TOPS及以上算力突破芯片大厂的生态壁线功耗低难价格昂要处理庞大数据耗要求垒GPT-4等大贵量应用场景在电池技术没有突破的当下低功耗存算模型一体芯片是实现轻薄化的重要路径同时期间工艺成熟车载摄像头激ARVR64TOPS存储阵列大容量密度肖光雷达等端侧在语音手势识别中存算一体在计算效NorFlash率和实时性的优势能够得到充分发挥能够实现大规写入速度慢待机时间长的场模运算景资料来源网易偲睿洞察华西证券研究所1402存算一体打开海量应用空间1521存算一体前景广阔渐入佳境存算一体需求旺盛有望推动下一阶段的人工智能发展我们认为现在存算一体主要AI的算力需求并行计算神经网络计算等因此存算一体需求旺盛以数据中心为例百亿亿次E级的超级计算机成为各国比拼算力的关键点为此美国能源部启动了百亿亿次计算项目我国则联合国防科大中科曙光等机构推出首台E级超算而E级超算面临的主要问题为功耗过高现有技术超算功率高达千兆瓦需要一个专门的核电站来给它供电而其中50以上的功耗都来源于数据的搬运本质原因是计算与存储分离所致大模型兴起存算一体适用于从云至端各类计算ChatGPT等大模型兴起本质即为神经网络深度学习等计算因此我们认为对算力需求旺盛端测方面人工智能更在意及时响应即输入即输出同时随着存算一体发展存内计算和存内逻辑已经可以完成高精度计算云端方面随着大模型的横空出世参数方面已经达到上亿级别因此对算力的能耗方面考核更加严格随着SRAM和PRAM等技术进一步成熟存算一体有望成为新一代算力因素从而推动人工智能产业的发展存算一体重点需求和相对优势存算一体典型应用场景场景重点需求存算一体优势当前存内计算产品已成功在端侧初步商用提供语音视频低延时低功耗端侧等AI处理能力并获得十倍以上的能效提升有效降低了低成本隐私性端侧成本存算一体在深度学习等领域有独特优势可以提供比传统设低延时低功耗备高几十倍的算效比此外存内计算芯片通过架构创新可以边侧低成本通用性提供综合性能全面兼顾的芯片及板卡预计将在边侧推理场景中有着广泛的应用为广泛的边缘AI业务提供服务存内计算可通过多核协同集成大算力芯片结合可重构设计大算力高宽带打造通用计算架构存内计算作为智算中心下一代关键AI云侧低功耗芯片技术正面向大算力通用性高计算精度等方面持续演进有望为智算中心提供绿色节能的大规模AI算力资料来源网易知乎华西证券研究所1621存算一体前景广阔渐入佳境存算一体适用于人工智能各个场景如穿戴设备移动终端存算一体具体应用场景示意图智能驾驶数据中心等按照算力大小划分端侧针对端侧的可穿戴等小设备对算力的要求远低于智能驾驶和云计算设备但对成本功耗时延开发难度很敏感云测与边缘测针对云计算和边缘计算的大算力设备是存算一体芯片的优势领域我们认为存算一体本身在云和边缘测具有极高的适用性原因是其具有高算力低功耗高性价比等优势尤其是针对智能驾驶数据中心等大算力应用场景在可靠性算力方面有较高要求此外云计算市场玩家相对集中因此我们认为存算一体在云计算市场有望先于端侧市场落地我们认为存算一体明确为下一代技术趋势目前存算一体国内外已就位起步阶段相应差距并不大原因是芯片设计层面皆为创新存算一体是计算系统和存储系统的整合设计比模拟IP和存储IP更复杂依赖于多次存储器流片而积累的经验因此我们认为在存储方面有优势和经验的企业具备先发优势目前行业主要分为两种路径分别是小算力场景例如音频类终端应用场景和大算力场景例如云计算智能驾驶机器人等领域资料来源知乎陈巍谈芯华西证券研究所1722存算一体为人工智能发展的必然选择感存算一体多模态示意图我们认为存算一体为下一代技术趋势原因及创新应用科技场景如下人工智能神经网络相关应用存算一体具有能耗优势其使用成本能大幅降低可将带AI计算的中大量乘加计算的权重部分存在存储单元中从而在读取的同时进行数据输入和计算处理从而完成卷积运算因此存内计算和存内逻辑非常适合人工智能的深度神经网络应用和基于AI的大数据技术感存算一体多模态的人工智能计算集传感储存和运算为一体构建感存算一体架构我们认为其为多模态时代下的应用场景通过传感器AI存算一体芯片来实现零延时和超低功耗的智能视觉处理能力我们认为其融入了CV计算机视觉PRA过程自动画神经网络计算等多种计算方式存算一体芯片具有时效能耗等多重优势存算一体是类脑计算的关键技术基石类脑计算又称神经形态计算是借鉴生物神经系统信息处理模式和结构的计算理论体系结构芯片设计等算法总称类脑计算属于大算力高能耗反冲存算一体极其适合大算力领域因此天然适合应用在类脑计算领域是类脑计算的关键技术基石资料来源中国物理学会期刊知乎陈巍谈芯华西证券研究所1803投资建议梳理AIGC相关受益厂商1931投资建议梳理AIGC的受益厂商我们认为存算一体的出现是人工智能发展的必然选择率先布局存储的厂商在介质上和技术上兼具备先发优势因此积极地推荐以下四条投资路线1具备算力能力的厂商受益标的为首都在线中科曙光拓维信息神州数码浪潮信息寒武纪海光信息龙芯中科景嘉微2具备存储芯片能力的厂商受益标的为东芯股份兆易创新北京君正澜起科技聚辰股份普冉股份3具备存储模组能力的厂商受益标的为江波龙佰维存储德明利4与存储相关的其他厂商受益标的为中科曙光易华录同有科技恒烁股份资料来源WIND华西证券研究所20