我國對算力的需求空間廣闊，算力規模正呈現高速增長態勢。

近日，中國工程院院士高文在第21屆《財經》年會上表示，算力網是算力發展的必然趨勢，就像從電力跨越到電力網一樣是必然的歷史階段。

10月初，工業和信息化部、中央網信辦、教育部等六部門印發《算力基礎設施高質量發展行動計劃》，并提出到2025年，算力規模超過300EFLOPS（EFLOPS是指每秒百億億次浮點運算次數），智能算力占比達到35%，東西部算力平衡協調發展。


為什么要大力發展算力

算力是指計算機系統能夠完成的計算任務量，通常用來描述計算機的處理能力。

算力是數字經濟發展的重要底座。隨著AI與數字經濟的發展，算力規模不斷擴大，需求持續攀升。

AI浪潮來襲，通用大模型的訓練、行業大模型的訓練、基于通用大模型的行業應用以及推理皆需要大量智能算力提供支持。AI芯片、AI服務器以及云計算算力需求將持續提升。

回顧歷史，人類社會目前經歷了三次重大的產業變革：蒸汽時代、電氣時代、信息時代，其分別對應了18世紀60年代末期英國人詹姆斯·瓦特制造的第一代具有實用價值的蒸汽機、美國在19世紀60年代實現了電力的廣泛應用以及電燈被發明、1946年美國制造出人類第一臺二進制計算機。每一次的產業革命都具有幾個共通點，首先均有標志性的產品面世，其次持續時間較長以及對于世界發展影響深遠。

如今，人類社會或已處在人工智能時代的臨門一腳。2022年11月，ChatGPT的發布讓世界看到了無限的可能性，這僅僅只是“智能革命”的起點，未來或將呈現出各行業各接納人工智能，人工智能助推世界發展的景象。

事實上，作為數字經濟時代新的生產力，算力不僅為傳統產業轉型升級提供支撐，還能催生新的經濟增長點。算力融入傳統制造業，參與生產過程，可為企業智能化改造和數字化轉型提供有力支撐。

據IDC和浪潮信息聯合發布的《2022-2023中國人工智能計算力發展評估報告》，預計到2023年年底，中國將有50%的制造業供應鏈環節采用人工智能技術實現業務體驗提升。在未來，隨著AI技術對傳統行業賦能作用日益凸顯，催生出更大智算需求成為必然。

算力資源是數字經濟發展的重要底座。未來，應用更廣泛、更智慧的算力，必將在各類數字化要素的協同中實現更大價值。


上市公司紛紛開啟算力規劃

算力是指計算機或其他計算設備在一定時間內可以處理的數據量或完成的計算任務的數量。算力通常被用來描述計算機或其他計算設備的性能，它的衡量方式有計算速度、計算能耗、計算精度等。

工信部數據顯示，截至2023年6月底，全國在用數據中心機架總規模超過760萬標準機架，算力總規模達到197百億億次/秒（即197EFLOPS=197*1000P，1P=每秒1000萬億次計算速度），算力總規模近5年年均增速近30%，存力總規模超過1080EB（1EB=1024*1024PB）。

作為全球第二大經濟體，我國對算力的需求空間廣闊，算力規模正呈現高速增長態勢，智能算力規模增速遠高于通用算力規模的增速。據IDC測算，我國智能算力規模預計到2026年將達到1271.4EFLOPS，2021-2026年期間年復合增長率達52.3%；而通用算力規模方面，預計2026年將達到111.3EFLOPS，2021-2026年期間年復合增長率為18.5%。

巨大需求推動之下，國內企業紛紛開啟算力規劃。證券時報·數據寶根據公告或互動平臺信息不完全統計，恒潤股份、中貝通信、利通電子等21家上市公司對其現階段及遠期的算力進行規劃。

具體來看，中貝通信官網新聞表示，年內實現算力服務10000P；錦雞股份規劃的10000P算力項目尚在建設初期，當前正在推動一期2000P算力項目建設；世紀華通遠期規劃算力1400P；弘信電子預計2年內達到10000P；匯納科技與并濟科技等共同出資設立四川匯算智算科技有限公司，四川匯算智算初期規劃算力規模約4500P。

優刻得-W在互動平臺回復稱，公司目前管理的AI算力規模約為3000P+；預計新增AI算力規模約為1000P+。

統計顯示，上述21家公司研發費用率（研發費用/營業收入）普遍較高，且多數呈上升趨勢，2023年前三季研發費用率同比增加的公司有14家，包括亞康股份、恒潤股份、眾合科技等。其中匯納科技、優刻得-W研發費用率均超過10%，前者高達22.18%，較上一年同期增加4.9個百分點。


國產GPU發展窗口期已至，生態構筑核心優勢

AI發展帶動算力硬件需求，我們認為未來三年可能是國產GPU發展關鍵窗口期。目前國產算力硬件理論性能可接近國際主流，但軟件生態是限制理論性能和開發者使用的重要因素。

CUDA是GPU生態的先驅，實現了GPU從圖形硬件向算力硬件的轉變。2006年CUDA推出后，開發者無需再通過圖形API來調用GPU，而是可以直接操控GPU。CUDA在長期發展中逐步滲透了HPC與AI生態，2023年已經迭代到第12代API，具備了巨量軟件組件，塑造了用戶習慣，如今要將其取代需要巨量的時間和資源投入。以CUDA為模板，我們可以發現，其他算力芯片的生態要接近CUDA的地位，應當盡可能在（并行計算相關）軟件庫覆蓋率以及AI框架支持度方面進行投入。

CUDA為用戶提供便利的同時，也帶來了代價，一是需要承受英偉達硬件不低的成本，二是閉源的CUDA導致部分使用者面臨供應不確定性。因此需要CUDA的低成本替代方案，目前AMD推出的ROCm軟件平臺未來有望替代CUDA。

ROCm作為后發者，采用開源方式，聚集開發者力量是合理選擇。目前ROCm生態中，除專為AMD硬件優化的AOCC編譯器外，均為開源組件。我們認為未來ROCm與CUDA可能類似Python和MATLAB的發展路線，ROCm可能在部分大型統一生態領域獲得認可，而CUDA在大量細分場景的優勢有望持續。

對AI芯片而言，通用并行運算庫未必都能支持，對于AI框架的完善支持相對較為關鍵。其主要工作包括算子庫與輔助軟件庫的適配，我們認為對于大型公司其適配耗時大致需3-5年。華為昇騰在國內AI框架適配進度較為領先，率先實現Pytorch NPU原生支持。我們認為較高的適配時間需求可能導致先發優勢持續。