大模型技术突破催生新一轮算力发展黄金期
　　参数量猛增驱动技术产生质变，驱动新一轮需求大幅增加
　　参数量即模型规模的跨量级提升将相应带来算力需求的跨量级提升，此为本轮技术突破的核心要素，率先带动训练算力需求增加；
　　另一方面，大模型由量变产生质变，AI范式产生变化，模型泛用性进一步提升，有望在场景端取得新一轮突破，带动推理算力提升。
　　国家算力底座建设催生确定性算力需求
　　基于东数西算背景，国家及地方对于算力建设需求持续增加，相关促进政策不断发布，国家算力基座建设催生确定性算力需求
　　4月19日在华为第20届全球分析师大会上，华为预计到2030年全球通用算力增长10倍到3.3ZFLOPS，人工智能算力增长500倍超过100ZFLOPS。其中若假设通用算力（FP32）均为AI服务器，以A100为例（实际远期算力成本持续下降），对应加速卡价值量约合11.5万亿元（全球3年计）；若假设AI计算（FP16）约20%为云端AI服务器，对应加速卡价值量约合18.31万亿元（全球3年计）。若考虑加速卡硬件成本每年下降10%，我国仅加速卡2030年市场规模可达超3000亿元
　　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。