海通证券：算力需求快速增长 AI服务器量价齐升

智通财经APP获悉，海通证券发布研究报告称，根据英伟达官网，相较于前代 A100，H100 综合计算性能提高 6 倍，得益于：1)采用第四代 Tensor Core 和具有 FP8 精度的 Transformer 引擎，持续优化大模型训练和推理表现;2)升级第四代 NVLink，提供高达 900 GB/s 的 GPU 与 GPU之间互连;3)更高的显存带宽。随着价格更高的 H100 在今年陆续出货，AI 服务器市场将在今年迎来持续量价齐升。

▍海通证券主要观点如下：

AI 模型复杂度快速提升，拉动算力需求快速增长。

AI 模型从最早 2012 年(AlexNet)问世以来，深度和广度一直在逐级扩升。作为目前最大的语言模型之一，2020 年发布的 GPT-3 使用了 1750 亿个参数，是其前代的 100 多倍，微软和英伟达共同开发的 Megatron-Turing-NLG 模型参数量则达 5300 亿。

据中国信通院撰写的《中国算力发展指数白皮书》，过去 10 年用于 AI 训练模型的计算资源激增，AI 训练的计算复杂度每年猛增 10 倍，人工智能计算已成为主流的计算形态，全球智能算力规模(换算为 FP32)将由 2021 年 232EFlops 快速增长至 2030 年的 52.5ZFlops，期间 CAGR 超过 80%。

TrendForce 预计 2026 年全球 AI 服务器出货量约 20 万台。

TrendForce 表示，在 AIGC、自动驾驶、AloT、边缘计算等新兴应用带动下，诸多大型云厂商加大AI 相关基础设施建设，预计搭载 GPGPU(General Purpose GPU)的 AI 服务器 2022 年出货量仅占整体服务器市场的 1%，并有望在 2026 年增长至 20 万台，2022-2026 年 CAGR 为 10.8%。

据 TrendForce 统计，2022 年 AI 服务器采购占比以北美四大云厂商为主，微软、Google、Meta、AWS 合计贡献 66.2%，国内则以字节跳动投入最为积极，占比 6.2%。

不同类型的服务器成本结构存在差异，芯片成本占比随服务器性能提升而升高。

服务器本质是计算机，核心硬件包括 CPU、以 GPU 为代表的加速卡、内存、硬盘、网卡、电源、主板等。其中以 CPU 和 GPU 为代表的算力芯片是服务器主要成本项，占比随着服务器性能的提高而逐渐上升。

综合华经情报网和 ARK数据，芯片成本在普通服务器中约占总成本的 32%，而用于机器学习的服务器因通常搭载多卡高性能 GPU 导致芯片成本占比迅速提升至 83%。

AI 服务器和普通服务器之间的区别在于其硬件配置和使用方式。

AI 服务器用于处理深度学习工作负载的海量数据，包括需要大内存容量、高带宽和整体系统内缓存一致性的训练和推断。相较于普通服务器，AI 服务器新增多张高性能加速器(绝大部分为 GPU)，拥有更高的计算能力、更快的处理速度和更大的存储空间，以支持高负载和复杂的计算任务。

随着 GPU 向 A100 向 H100 升级迭代，AI 服务器有望迎来量价齐升。

根据英伟达官网，相较于前代 A100，H100 综合计算性能提高 6 倍，得益于：1)采用第四代 Tensor Core 和具有 FP8 精度的 Transformer 引擎，持续优化大模型训练和推理表现;2)升级第四代 NVLink，提供高达 900 GB/s 的 GPU 与 GPU之间互连;3)更高的显存带宽。

该行认为，随着价格更高的 H100 在今年陆续出货，AI 服务器市场将在今年迎来持续量价齐升。

风险提示：

AI 技术进展不及预期、国产替代不及预期。