AIGC爆火，海光信息代表国产算力尚能一战？
本文作者 | 蜗壳
过去的2022年，几乎对全球芯片半导体厂商都是不太友好的，疫情和地缘冲突还是拖累了全球的经济，甚至出现了经济疲软、衰退的信号，尤其是全球的芯片半导体板块，从2020-2021年的“缺芯”到2022年供大于求。事实上，2022年全球头部的芯片半导体公司下调业绩预期也印证了“芯片寒冬”。
今年1月底，芯片巨头英特尔（INTC.O）公告了四季度及2022年全年的业绩，根据公告来看，公司第四季度营收为140亿美元，同比下滑32%；净亏损近7亿美元，而去年同期净利润为46亿美元；2022年全年营收631亿美元，同比下降20%，净利润为80亿美元，同比2021年的199亿美元相比下降60%。除了因特尔，其他头部芯片企业的四季度业绩也都不尽如人意。2022年三季度，多家芯片大厂都下调了盈利预期、库存周转普遍走高，英伟达、美光等国际芯片巨头纷纷下调了下半年和全年的盈利预期，其中，美光四季度营收同比下滑约20%至66.4亿美元，为两年多来的首次下滑，低于市场预期，净利润14.9亿美元，同比大幅下滑45%，也低于市场预期。
芯片半导体的未来在哪？
AIGC崛起，能否温暖芯片半导体寒冬
年后由Open AI开发的人工智能聊天机器人程序Chat GPT大火出圈。火爆到早期吸引马斯克投资，微软注资100亿，更是使得谷歌、百度也都争相布局。毫无疑问，在计算机、互联网行业,Chat GPT的诞生正在掀起一场前所未有的人工智能浪潮。国内资本市场一众相关的A股上市公司短时间吸引了大量资金追捧，一时间风光无限，整个产业链都被热炒。
但是抛开非理性市场炒作，Chat GPT概念的背后的底层逻辑更值得思考。
不仅仅需要机器学习、编程算法技术，最大的潜在需求是对算力和数据中心的建设，正如《流浪地球2》中的量子计算机“550W”和背后的数据中心，超强算力和庞大的数据中心才是对AI技术应用最强力的支撑。
根据Open AI的一份研究成果表明，AI训练所需的算力增长是呈现指数爆炸增长的，其增长速度超越硬件的摩尔定律；数据显示，从2012年到2018年，训练AI所耗费的算力增长了30万倍，而硬件的摩尔定律在相同时间只有7倍的增长。而深度学习的出现加速了性能的扩展，用于AI训练的算力大约每6个月翻一番；而随着大规模模型出现，其训练所需算力是原来的10到100倍。换言之，AIGC在未来得到应用和普及的背后，必然是算力和数据中心市场的增长。
算力的提升与CPU、GPU密切相关，其背后巨大的需求市场几乎是可预见的。更重要的是芯片巨头AMD已经给出了答案，从公司2022年的业绩中可见，公司受到整体经济和板块不景气的影响，虽然传统的PC和游戏等业务营收均出现下滑，但AMD的数据中心业务收入可以达到17亿美元，同比逆势增长42%，这背后正主要得益于EPYC（霄龙）服务器处理器强劲的销售增长，而该处理器正是用于升级完善数据中心的算力。
根据数据来看，国内CPU和GPGPU细分市场规模合计可以达到500亿以上，其中GPGPU市场预期可以达到40%以上的年均增长；CPU行业增长估计较平稳、增速也能超过10%，国产份额不到5%。而且，在国产替代大背景下，国内信创+数字化，使得整体国内微处理器行业增长空间更大，国产替代带来的市场份额提升空间相当可观。
而在国产服务器处理器中，海光信息（688041.SH）的实力值得关注。
AI+信创，海光信息的危与机
在芯片设计中，以CPU、GPU、DSP等大芯片为主自然也成了国产替代领域最受关注的细分领域。作为“国产CPU六君子”之一的海光信息，在2022年成为第二家登录A股的上市公司，目前市值在1200亿左右，是国内独立芯片供应商、处理器龙头企业，公司主营是研发、设计和销售应用于服务器、工作站等计算、存储设备中的高端处理器。产品包括海光通用处理器（CPU）和海光协处理器（DCU）：海光CPU系列产品兼容x86指令集以及国际上主流操作系统和应用软件；
海光DCU系列产品以GPGPU架构为基础，兼容通用的“类CUDA”环境以及国际主流商业计算软件和人工智能软件，可广泛应用于大数据处理、人工智能、商业计算等应用领域，简言之，其CPU产品正是提升计算机算力、加快数据处理和机器学习速度的核心。
根据公司分产品来看，公司7000系列处理器是近些年主打的产品，营收增速基本保持在100%左右，而海光7200是业绩增长主力，相比之下7000系列更趋于高端芯片，主要面向关键任务和数据中心关键应用、海光5000系列和3000系列分别为中端芯片何低端芯片，均是面向边缘计算服务器、工作站应用等。海光CPU目前并非面对PC端，而是用于服务器，核心场景在电信运营商、金融、互联网等领域；另一个核心场景是工作站，主要应用场景为工业设计和应用、图形图像处理等。
然而，比较亮眼的是海光信息2021年新增的8000系列处理器。一方面，这块是海光的DCU产品，属于GPGPU的一种，而GPGPU是一种特化版的运算芯片，通过GPU多条流水线的并行计算来实现CPU大量计算。其算力优势，GPU也逐渐被产业和市场视为更适合应用于大数据处理、商业计算等计算密集型应用领域以及人工智能、泛人工智能应用领域，也正是目前最火爆人工智能软件Chat GPT背后提供最核心的算力支持。有传言称Chat GPT背后导入了至少10000个NVIDIA高端的GPGPU，虽然真实性不得而知，但Chat GPT大概率使用了GPGPU来支持算力，此前就有观点表示，GPU的并行计算更适合数据量爆炸的AI场景，由此可见，GPGPU的市场空间可能会非常大。
而且另一方面，海光的DCU系列深算一号已经在2021年实现商业化应用，为公司贡献了2.39亿的增量营收，虽然毛利率仅有34.84%，仅仅是成熟7000系列产品的一半多，但随着深算二号的研发和应用，未来公司在GPGPU相关产品的业绩增量预期还是比较强的。
虽然海光信息的研发方向及商业应用价值较高，且业绩的增量预期也相当高，但是公司的潜在风险也相当之大，目前最大争议就是核心环节的自主不可控。
海光信息CPU产品基于x86架构，性能起点较高，生态支持好，技术门槛和时间成本低，但依赖海外技术授权的供应链风险较大，极容易被“卡脖子”；从生产模式就可以看出很多环节仍然受制于人：
为了确保x86授权不外泄，上游将芯片的核心设计授权给海光微电子，并提供建议的SoC架构布局，而后海光微电子向海光集成电路提供芯片设计平面图，期间互相反馈修改意见,统一后由授权方的工程师审核修改，批准后海光微电子将最终版设计平面图交给光集成电路，并准备接收订单；海光集成电路向海光微电子订购晶圆、硅片，此时海光微电子联系代工厂进行代工制造（海光8100采用7nm先进制程的Fin FET工艺尚需要向三星或台积电订货）；代工厂交付给海光微电子后进而将完整的硅片卖给海光集成电路；海光集成电路在国内完成封装后在市场销售成品处理器。
单是7nm先进制程的晶圆，国内目前就无法量产，公司在成本控制上处于被动，更何况核心设计都是受制于上游授权的设计方，如果出现“制裁”等黑天鹅事件，收回授权或将严重影响公司业务。
全球AI产业发展窗口期，叠加国内信创数字化赋能，确实给国内芯片半导体、计算机软硬件企业带来了较大的机会，但现实也摆在面前。海光信息已经是国内较强的CPU与GPGPU的生产厂商，无论技术水平还是上市公司盈利及业绩预期等；相比于海光“同门师兄”的龙芯中科（688047.SH），虽然龙芯中科产品的技术自主可控性较高，但在技术和性能上距离国际一流水平尚有一定距离；包括近期被热炒的“中国英伟达”景嘉微（300474.SZ），被视为国内GPU第一股，技术完全自主可控。先不说其技术上暂且不及头部，单从“军用转民用”来看，能否实现还目前还是个未知数。