冲击涨停！千亿巨头大动作
中国基金报记者 文夕
当算力成为AI时代刚需，GPU服务器需求应声而起。
在4月6日的业绩会上，通信巨头中兴通讯对外界关注在AI领域布局，尤其是芯片自研等热点话题与投资者、券商等进行交流。该公司内部研判ChatGPT是AI技术重大跨越式突破，同时宣布，计划在今年底推出支持大带宽的ChatGPT的GPU服务器。
这一官宣消息也令股价大振。7日早间，中兴通讯股价一度冲击涨停。截至午盘收盘，这家市值超1700亿巨头股价涨幅达9.75%。
自研AI加速芯片
中兴通讯总裁徐子阳在会上直言，语言大模型这种通用性和有限能力催生了ChatGPT爆发，比原本预估的要快得多，“我们认为它会引发一次新的工业革命，我们对它再重视都不为过，推动整个信息社会向智能化社会进行演进，我们隐约感觉到它可以改变人的生活方式，大幅度提高生产效率。”
据他透露，中兴通讯内部研判ChatGPT是人工智能技术重大跨越式突破，公司已经结合自身优势开始重点投入。
徐子阳表示，中兴通讯将围绕基础大模型，利用公司先进的数字底座的能力做布局。第一，支持客户在该领域的培训，核心问题是要降低大模型的部署成本和能耗。第二，利用中兴通讯自身技术优势研究语言大模型，提升自身和客户研发效率。
“今年年底会发布支持大模型训练包括AI服务器、高性能的交换机和GPU等，我相信除了算力强，互联带宽也得足够。”徐子阳还表示，在软件层面会把公司这些能力加入到整个数字信息的解决方案中。
中兴通讯方面还在会上透露，将会自研AI加速芯片，降低整个推理成本，希望跟行业一起把大模型的想法落实到关键生产能力中。在此之前，中兴通讯和百度联合宣布，中兴通讯服务器将支持百度“文心一言”，为AI产品应用提供更加强劲的算力支撑。
据IDC数据显示，2022年第四季度中国服务器市场跟踪报告，服务器厂商中，浪潮、戴尔、联想份额均出现下滑，超聚变和中兴则取得明显增长，其中中兴通讯市场份额从3.1%提升至5.3%，位居国内第五。中兴通讯年报显示，其2022年服务器收入已达100.08亿元，同比增长近80%。
算力拉动服务器需求
实际上，在AI时代，算力毫无疑问将成为刚需。Open AI此前预计，人工智能科学研究要想取得突破，所需要消耗的计算资源每3-4个月就要翻一倍，资金也需要通过指数级增长获得匹配。
在算力方面，GPT-3.5在微软Azure AI超算基础设施（由V100GPU组成的高带宽集群）上进行训练，总算力消耗约3640PF-days（即每秒一千万亿次计算，运行3640天）。在大数据方面，GPT-2用于训练的数据取自于Reddit上高赞的文章，数据集共有约800万篇文章，累计体积约40G；GPT-3模型的神经网络是在超过45TB的文本上进行训练的，数据相当于整个维基百科英文版的160倍。
市场普遍预计，随着ChatGPT和AI的发展，会加速数据中心建设，同时拉动服务器的采购。据Digitimes Research预测，2023年全球服务器出货量有望增长5.2%，增长动力来源于全球数据中心建设的加速。IDC也预测，到2025年全球AI服务器市场规模将达317.9亿美元，年复合增长率为19%。
目前，GPU服务器市场上的主要厂商包括英伟达、AMD、英特尔等。其中，英伟达是GPU服务器市场的领导者，其GPU服务器市场份额占据了80%以上，而AMD则在市场份额方面表现出了快速增长的趋势。
在国内方面，在2021年，GPU服务器以91.9%的份额占国内加速服务器市场的主导地位；NPU、ASIC和FPGA等非GPU 加速服务器占比8.1%。IDC预计GPU服务器市场到2026年将达到103.4亿美元规模，年复合增长率为19%，占全球整体服务器市场近三成。
近年来，国内的GPU服务器厂家，如浪潮、用友等也在逐渐崭露头角。
GPU芯片亟待突破
不过，对于GPU服务器而言，GPU芯片是绕不过的坎。
一般而言，AI服务器通常选用CPU与加速芯片组合来满足高算力要求，常用的加速芯片有GPU、现场可编程门阵列（FPGA）、专用集成电路（ASIC）、神经拟态芯片（NPU）等。而GPU凭借其强大的并行运算能力、深度学习能力、极强的通用性和成熟的软件生态，成为数据中心加速的首选，90%左右的AI服务器采用GPU作为加速芯片。
目前GPU市场主要由英伟达和AMD两家所占据。近些年，国外GPU技术快速发展，已经大大超出了其传统功能的范畴。根据天数智芯数据，2021年英伟达在中国云端AI训练芯片市场的份额达到90%。IDC数据显示，2021年，中国加速卡出货量超过80万片，其中英伟达占据超过80%市场份额。
值得注意的是，从当前来看，英伟达的A100、H100系列和AMD的MI250系列及未来的高端GPU产品，是否可以售卖给中国客户，需要获得美国政府的许可。上述芯片均为用于通用计算的高端GPGPU（通用图形处理器），通常应用在人工智能计算的云端训练和推理场景和超级计算机中，在国内的客户多为云计算厂商及高校和科研院所。
在市场看来，短期来看可以选择英伟达和AMD的还没有被禁止的中低性能GPU芯片。对于云端计算，短期内可以通过使用多个算力较低的CPU、GPU和ASIC芯片来复制高端GPU芯片的处理能力，基本可以满足云端训练和高性能计算的要求。
不过，国内厂商基本上也各自选择了不同方向进行突破，小部分厂商同时进行两个方向的技术布局。GPGPU方向的代表性厂商像海光信息、壁例、沐曦、登临、天数智芯等，渲染路线的代表性商像景嘉微、摩尔线程、芯动科技等。
但华金证券认为，国产GPU厂商真正的大量出现是最近几年的事情，从当前来看，大量企业属于初创期，无论是产品能力还是市场规模都无法和国外大厂相提并论。但该机构也认为，国内广商当下是从0到1的阶段，先求有产品，能够通过产品逐步打开一定的市场，再求快速迭代，拉近与国外大厂的差距，并形成自身的竞争力。
中信证券一份研报显示，国内CPU/GPU/DPU领域大多厂商还只是规划向5nm迈进，大多数节点还在16nm或10nm之上，真正实现5nm芯片量产的较少。设计一颗28nm芯片成本约5000万美元，而7nm芯片需要3亿美元，5nm则需要5.42亿美元。
编辑：舰长
审核：木鱼
版权声明
《中国基金报》对本平台所刊载的原创内容享有著作权，未经授权禁止转载，否则将追究法律责任。