近日，工業和信息化部、教育部、科技部、交通運輸部、文化和旅游部、國務院國資委、中國科學院等七部門近日聯合印發《關于推動未來產業創新發展的實施意見》（以下簡稱“《意見》”）。

《意見》提出，到2025年，我國未來產業技術創新、產業培育、安全治理等全面發展，部分領域達到國際先進水平，產業規模穩步提升。建設一批未來產業孵化器和先導區，突破百項前沿關鍵核心技術，形成百項標志性產品，初步形成符合我國實際的未來產業發展模式。到2027年，未來產業綜合實力顯著提升，部分領域實現全球引領。關鍵核心技術取得重大突破，一批新技術、新產品、新業態、新模式得到普遍應用，形成可持續發展的長效機制，成為世界未來產業重要策源地。

《意見》從全面布局未來產業、加快技術創新和產業化、打造標志性產品、壯大產業主體、豐富應用場景、優化產業支撐體系六個方面規劃重點任務。

在全面布局未來產業方面，《意見》提出要加強前瞻謀劃部署。把握全球科技創新和產業發展趨勢，重點推進未來制造、未來信息、未來材料、未來能源、未來空間和未來健康六大方向產業發展。實施意見列舉了包括人形機器人、腦機接口、超大規模新型智算中心、第三代互聯網等創新標志性產品。其中，關于超大規模新型智算中心部分提到，加快突破GPU芯片、集群低時延互連網絡、異構資源管理等技術，建設超大規模智算中心，滿足大模型迭代訓練和應用推理需求。


人工智能與GPU互相成就

最初，并不是GPU選擇了人工智能，而是人工智能的研究者選擇了GPU，進而成就了GPU：2012年Alex Krizhevsky（前谷歌計算機科學家）利用深度學習+GPU的方案，一舉贏得Image Net LSVRC-2010 圖像識別大賽，并奇跡般地將識別成功率從74%提升到85%。

NVIDIA敏銳地洞察到了這一趨勢，于是耗費巨大的人力物力優化基于自家GPU的CUDA深度學習生態系統，在三年時間里將GPU性能提升了65倍，并提供基于其GPU的從后端模型訓練到前端推理應用的全套深度學習解決方案，使得一般的開發人員都可以非常容易地使用GPU進行深度學習開發或高性能運算，從而奠定了其目前的王者之位。

GPU是AI時代的算力核心，但AI算力的構成不僅僅只是GPU加速芯片，還需要構建包括網絡互聯、操作系統、深度學習框架及相應 SDK、算法與應用程序等，形成一個完整的計算生態系統。

可以說，是人工智能和GPU互相成就了對方：人工智能算法促進GPU的發展，而GPU也讓算法更加簡單。


大語言模型助推 GPU 算力需求增長

市場對 3D 圖像處理和 AI 深度學習計算等需求不斷增加，GPU 市場保持高增 速。據 Global Market Insights 的數據，全球 GPU 市場預計將以 CAGR 25.9%持 續增長，至 2030 年達到 4000 億美元規模。在 GPU 市場中，NVIDIA 依靠在深 度學習、人工智能等領域布局的先發優勢并憑借其優異產品性能以及成熟的生態 平臺長期處于領導地位，根據 JPR 數據，2022 年 Q1，NVIDIA 的在獨顯市場份 額約為 78%。

大語言模型有望拉動 GPU 需求增量，我們測算 23/24/25 年大模型有望貢獻 GPU 市場增量 69.88/166.2/209.95 億美元。具體假設測算如下： 訓練端，近年來各大廠商陸續發布大模型，我們假設 23/24/25 年新增 5/10/15 個 大模型，根據 OpenAI 團隊于 2020 發表的論文《Scaling Laws for Neural Language Models》提出的計算方法，對于以 Transformer 為基礎的模型，假設模 型參數量為 N，單 Token 所需的訓練算力約為 6N。參考 OpenAI 團隊 2020 同年 發表的論文《Language Models are Few-Shot Learners》，GPT-3 模型參數量約為 1750 億個，Token 數量約為 3000 億個，近年發布的模型均在千億級參數級別， 因此我們中性假設 23 年新增大模型平均參數量約為 2000 億個，Token 數量約為 3000 億個，兩者后續每年以 20%增速增加。另外假設單次訓練耗時約 30 天，算 力效率為 30%，后續伴隨算法精進，算力效率預計逐漸提升。以目前主流的訓練 端 GPU 英偉達 A100 測算，假設 ASP 為 1 萬美元，23/24/25 年全球訓練端 GPU 需求市場規模預計分別為 0.74/2.00/4.07 億美元。

推理端，基于訓練端的假設，根據論文《Scaling Laws for Neural Language Models》，單 Token 所需的推理算力開銷約為 2N。則對于 GPT-3 模型，其單 Token 所需的推理算力開銷為 3500 億 FLOPs-S。假設單次最大查詢 Tokens 數為 1000(對應漢字約 300-500 字，英文約 750 詞)，每人每天查詢 20 次。在并發用 戶數的估計上，我們參考國際主流社交媒體日活用戶數進行測算，根據 Dustin Stout 統計，Facebook、WhatsApp、Instagram 全球日活用戶數分別為 16 億、10 億、6 億，考慮到目前(類) GPT 平臺仍處于發展早期，我們預計全球大模型日活 用戶數在 23/24/25 分別為 2/6/10 億，按照所有用戶平均分布于 24 小時，并以 10 倍計算峰值并發數量。以目前英偉達用于推理端計算的 A10 測算，假設 ASP 為 2800 美元，23/24/25 年全球推理端 GPU 需求市場規模預計分別為 69.14/164.2/205.88 億美元。


英偉達GPU遇冷，國產芯片崛起

AI芯片市場格局迎來逆轉。英偉達GPU曾備受追捧，但如今卻遭遇冷遇。騰訊、阿里等國內巨頭紛紛轉向國產芯片，國產芯片廠商迎來春天。

原因在于，英偉達GPU價格高昂，且存在性能過剩問題。國產芯片性價比更高，且更適合國內應用場景。隨著國產芯片技術的不斷成熟，其性能已足以滿足主流應用需求。

這一轉變標志著國產芯片產業的崛起，也預示著AI芯片市場格局的深刻變化。“英偉達“閹割版”GPU遇冷，騰訊、阿里等轉頭擁抱國產？”，AI芯片戰局似乎迎來逆轉！此前每次英偉達的顯卡一經推出，無不受到國內各大公司爭搶，但現如今，情況似乎發生了逆轉：

中國科技巨頭，如百度、阿里巴巴、騰訊和字節跳動，正在削減對英偉達芯片訂單，轉向國產芯片供應商或內部自研芯片。顯卡大戶中國的決定，對英偉達收入的影響不容忽視，這占英偉達1/5的營收。此舉也反映出中國企業在芯片供應鏈自主可控的戰略考量。1/5收入的中國科技公司，包括百度、阿巴、騰訊和字節等公司正在開始減少英偉達芯片的訂單量，轉向國內芯片制造商或者公司內部自研芯片。

顯而易見，這“得益于”漂亮國的對華AI芯片禁售政策。

隨著美國收緊芯片管制，中國云計算企業將減少對英偉達的依賴，轉向本土芯片供應商。 TrendForce 分析師 Frank Kung 表示，中國云計算企業目前約 80% 的高端人工智能芯片來自 Nvidia，未來五年這一比例可能會下降至 50%-60%。他補充說，未來美國收緊芯片管制將對英偉達在中國的銷售造成額外壓力。

在AI芯片領域，國內供應商能否滿足需求方的實際應用需求尚待驗證。國內云計算廠家的轉單決心也仍不明確。因此，在短期內，自建算力仍將是企業的主要選擇。

國內AI芯片與需求方實際應用需求之間存在差距，導致企業轉單意愿不強。而云計算廠家的轉單決心也受到多種因素的影響，包括成本、性能、兼容性等。在這些問題得到解決之前，企業自建算力仍將是大勢所趨。，目前在國內培養本土供應鏈的呼聲顯然更高。不過，愿望和實際操作是兩回事，當前國內的AI芯片能滿足需求方們實際應用的需求嗎？國內云計算廠家的轉單決心又有多堅定，還有待考驗。