海通证券：私有云将成为AI大模型算力主流布局 建议关注品高股份(688227.SH)等

智通财经APP获悉，海通证券发布研究报告称，AI大模型训练对临时快速扩充算力需求较小，私有云同样能够肩负算力要求。同时，对于连续的、大规模的AI训练而言，私有云反而拥有更高的效率和更低的成本。从完全可见的角度来说，借助私有云，企业可以完全控制和可视化其网络安全状况，并可以对其进行自定义以满足其特定需求，该行认为，私有云的高度安全性使其成为更合适的解决方案。建议关注：品高股份(688227.SH)，青云科技(688316.SH)。

海通证券主要观点如下：

AI大模型训练对临时快速扩充算力需求较小，私有云同样能够肩负算力要求。

我国过去公有云市场一直占据云计算的主流地位，根据中国信通院，2021年，我国公有云市场规模达到2181亿元，而同期私有云市场仅为1048亿元。过去公有云市场的发展主要是由于近年来我国互联网企业需求保持高速增长，传统企业上云进程加快，而公有云具备灵活易扩展的优势。该行认为，在这一背景下，企业对于云的需求不断加大，而公有云相较而言扩容更为容易，更加适合高速增长的企业需求。该行认为，在目前AI快速发展的背景下，对于云服务器快速扩容的需求没有那么强烈;并且，而从另一个角度来看，在大模型训练前，往往对于模型所需的训练算力就会有一个初步的认知，并会提前针对所需算力进行准备与布局，不太可能存在模型训练中临时扩充大量算力的情况，这就使得有云能够快速扩容的优点在AI大模型领域不复存在，私有云同样能够支撑起模型训练的算力需求。

对于连续的、大规模的AI训练而言，私有云反而拥有更高的效率和更低的成本。

在搭建私有云的时候，能够通过仔细的规划硬件，容量，存储和网络配臵，将有限的预算做出高效的运用。另一方面，公有云虽然在易用性方面有一定的优势，但是这些服务具有较大的“绑定”特性，例如如果用户使用微软的预训练的DNN进行图像处理，就不能轻易在自己的服务器上运行所产生的应用程序，同时用户也无法在非谷歌的公有云使用谷歌的TPU和AuoML工具。而在目前大模型的训练当中，需要不断用新的数据和功能来不断保持它的"新鲜度”。而由于私有云仅供单个组织使用，因此该企业可以完全控制其软件和硬件选择，这种高度控制意味着私有云的所有者可以针对任务重新配臵或定制云资源，进一步提高效率。随着大模型变得越来越复杂，私有云能够提供更大范用和更洋细的规范(例如插入特定应用程序，并确保持续可用性和数据速度的自力)。该行认为，一方面，对于固定预训练的AI大模型需求，公有云布局和私有云布局的成本基本一致，由于没有快速扩容需求，公有云的规模成本优势将减弱;另一方面，公有云的训练效率反而会低于专为自身AI训练所搭建的私有云，对于连续的、大规模深度学习而言，使用本地私有云反而可以节省大量成本，同时提高训练效率。

Al训练需要海量高敏感数据，私有云的高度安全性使其成为更合适的解决方案。

对于公有云来说，当公司将其数据和信息存储于云端时，很难保证这些数据和信息会得到足够的保护，公有云庞大的规模和涵盖用户公司的多样性也使其成为了黑客们喜欢攻击的目标。此外还有公有云硬件共享的问题，通过公有云，不同公司之间的工作都将在同一服务器上进行，这样的共享模式很可能会导致机密数据和信息的泄露。与公有云不同，私有云是专门为在“单租户环境”中提供“隔离访问”而构建的云基础架构，即它只能由单个实体访问，该实体通常是使用和维护云的企业。建立私有云唯一目的是为拥有云的企业提供服务。从控制的角度来说，由于所有者完全控制物理计算、存储和网络设备，数据安全性被提升到最高水平，并且内部管理员在实施和访问安全工具时具有更大的灵活性;从完全可见的角度来说，借助私有云，企业可以完全控制和可视化其网络安全状况，并可以对其进行自定义以满足其特定需求。由于AI训练需要大量数据，如GPT-3预训练的数据量达到了45TB;并且，人工智能应用面临较大的安全风险，一方面数据关联用户隐私信息，另一方面模型的破坏会导致决策错误，数据投毒影响智能服务效用、深度伪造被用来敲诈勒索、数据泄露导致用户隐私曝光等事件频繁发生，所以会对于安全性有更高的要求。因此，该行认为，具有高度安全性特点的私有云是更适合的解决方案。

风险提示：AI大模型领域发展不及预期的风险。