通信行業專題報告：應用端百花齊放，硬件側本固枝榮.pdf

通信行業專題報告：應用端百花齊放，硬件側本固枝榮。ChatGPT 引入插件 Plugin，開啟 AI 生態。在 ChatGPT 聯網前，用戶僅 能查詢到 2021 年 9 月之前的消息，但隨著 OpenAI 開放網絡瀏覽器和代碼解釋 器，用戶不僅能夠查詢到最新新聞。從這一點看，我們認為 ChatGPT 未來最大 的進步在于從“有監督式”學習轉向“無監督式學習”。在聯網前，ChatGPT都 是從已有固話訓練集中獲取學習素材，需要認為調整訓練參數才能提升學習精 度；聯網后，ChatGPT能夠根據實時更新數據素材進行“自我迭代”，搜索精準 度、理解準確度都將迎來新的提升。

算力仍是重中之重，帶動產業鏈成長。我們認為 ChatGPT 體現了當前 AI 訓練速度、訓練精度的提升，背后的根本邏輯在于龐大訓練數據集的支撐，而 對于硬件層面來說，計算與傳輸是保證 ChatGPT 平穩運行的核心。根據貝殼財 經咨詢，北京時間 2 月 9 日，由于訓練量超負荷，ChatGPT 官網無法登錄，頁 面顯示“超負荷”，側面印證了當前的網絡資源/計算能力無法保證未來大量涌 入的算力需求。ChatGPT 的總算力消耗約為 3640PF-days，從摩爾定律角度 看，以 ChatGPT 為代表的 AI 發展速度呈指數級上漲，約每隔 3～4 個月翻倍 （摩爾定律翻倍周期約 18 個月）。

從 ChatGPT 所需要 GPU 數量測算，未來所需要高功率機柜近 7.5 萬個。 根據鈦媒體，GPT 3.5 完全訓練需要 A100 芯片近 3 萬顆，對應英偉達 DGX A100 服務器近 3750 臺。考慮到英偉達 DGX A100 服務器單臺最大功率為 6.5kw，假設平均功率為 4kw/臺，則 10kw 功率機柜可搭載 2.5 臺 AI 服務器。 為滿足 3750 臺 AI 服務器，需要建設機柜 1500 個，假設算力需求擴至 50 倍， 共需要高功率機柜約 7.5 萬個。

AI 大趨勢下，數據中心耗電成為“阿喀琉斯之踵”。數據中心制冷主要采 取風冷+液冷，液冷有望成為大數據中心主流方案。根據 IDC圈，液冷的冷卻能 力較風冷而言高 1000~3000 倍，且液冷對環境要求更低，適應性更強。根據 Dell 'Oro 統計預測，2022 年-2027 年數據中心基礎設施（DCPI）收入 CAGR 有望保持 8%，超 350 億美元。且隨著英特爾、英偉達、AMD 等處理器與加速 器性能的提升，數據中心機架功率密度會再度提升。