复盘：从AI本质看算力扩容核心原因
　　AI的本质是供给驱动需求
　　供给的突破主要依靠底层技术带来的AI研发范式的突破，需求的突破是基于供给突破的基础上，考虑成本在原有场景的升级以及新场景应用的扩容。因此AI在前深度学习时期的发展呈现波折上升的态势，已经经历过三次浪潮，三次浪潮的共性在于技术突破和创新带来新一轮景气度上升，技术和成本导致应用范围受限后迎来低谷。
　　以深度学习为鉴，AI技术突破驱动算力进入发展黄金期
　　复盘深度学习发展历程，AI技术突破驱动算力进入发展黄金期。
　　技术拐点是算力提升的前瞻指标：深度学习的发展拐点主要为2006年技术突破期、2012年应用初步拓展期和2016年应用爆发期。在此推动下，经中国信通院测算，全球算力规模自2016年开始逐年加速增长，2021年全球计算设备算力总规模达到615EFlOPs，同比增长44%，其中智能算力规模为232EFLOPs。
　　细致来看AI对算力需求的推动因素主要在于两点：（1）AI技术突破使得模型复杂度提升，训练所需算力相应正向增加；（2）AI技术突破可以推动人工智能在更多领域得到应用，进而推动行业算力需求；同时算力工艺提升带来单位计算效率成本不断降低进而推动新一轮应用爆发，技术突破与底层算力资源共振。
　　投资建议
　　训练端：当前阶段仍处于训练端算力需求逐步释放阶段，英伟达凭借自身技术及生态优势享受最优格局及最确定的市场，建议关注英伟达产业链公司
　　推理端：推理端需求的拐点在于应用后续落地及爆品的出现，目前仍在等待拐点到来，但是本轮技术带来的产业趋势明确，后期推理端将会释放大量需求，以及相较于训练端，国产算力更易突围，建议关注以华为昇腾为代表的国产算力厂商
　　B端应用落地：当前时点，模型能力仍在不断迭代，相较于C端产品对于体验感的高要求，B端应用落地更注重提效；国内以国央企为代表的中大型B端企业目前已逐渐产生本地私有化部署的需求，建议关注大模型自主可控链条，建议关注以华为昇腾+讯飞为代表的自主可控方案类型的厂商
　　风险提示
　　AI技术发展不及预期。本次大模型创新伴随参数量及模态的增速能力天花板尚未达到，但模型效果本身仍存瓶颈及问题，倘若AI技术发展不及预期，投入厂商仍然存在失败风险。
　　下游应用需求不及预期。人工智能本质是通过供给创新催生需求扩容，目前大模型仍处于商业模式摸索期，倘若本轮技术变革无法真实带动下游需求，投入厂商将受到影响。