華泰證券：大模型訓練所需算力每 3-4 個月增長 1 倍 需求有望進一步大幅增長

智通財經 APP 獲悉，華泰證券發佈研究報告稱，算力是制約中國發展以 ChatGPT 為代表的大模型主要瓶頸之一。據 OpenAI，大模型訓練所需算力每 3-4 個月增長 1 倍，增速遠超摩爾定律 (18-24 個月/倍)。隨着 GPT-4 等下一代大模型出現，算力需求還有望進一步大幅增長。中國發展高性能計算，應加大在：1) 異構計算芯片架構;2) 先進封裝方面的投入。

華泰證券主要觀點如下：

算力是制約中國發展大模型的主要瓶頸

該行認為算力是制約中國發展以 ChatGPT 為代表的大模型主要瓶頸之一。據 OpenAI，大模型訓練所需算力每 3-4 個月增長 1 倍，增速遠超摩爾定律 (18-24 個月/倍)。隨着 GPT-4 等下一代大模型出現，算力需求還有望進一步大幅增長。該行認為美國對華出口限制，主要造成中國先進工藝發展短期受限、國產替代方案或推高大模型訓練成本/時間兩大影響。中國發展高性能計算，應加大在：1) 異構計算芯片架構;2) 先進封裝方面的投入。

影響 1：先進工藝對提升芯片性能至關重要，中國大陸發展短期受限

發展先進製程意義在於持續提升晶體管密度，提升芯片性能、降低功耗。根據 WikiChip，台積電 5nm 芯片每平方毫米晶體管數量是 10nm3.3 倍，16nm5.9 倍，3nm 晶體管密度有望比 5nm 提升 70%，性能提升 11%，功耗降低 27%。美國限制 16/14nm 及以下先進邏輯工藝技術及設備向中國出口，對中國先進製程短期發展造成較大阻力。進入 3nm 製程以下，目前主流 FinFET 將走向物理極限，GAAFET 將成為主流技術，但美國對中國禁售相關 EDA 軟件。同時，荷蘭 EUV 及先進 DUV 光刻設備目前均無法對中國出口。

影響 2：A100 進口限制阻礙大模型發展，國內替代方案或推高成本

22 年 8 月美國限制英偉達、AMD 對華出口高端 GPU 芯片，儘管後來有替代版本 A800 推出，但由於對高速互聯總線的帶寬做部分裁剪，在使用性能和功耗上面仍與 A100 有部分差距。目前 H100 性能是 A100 的 4.5 倍，而 A800 理論性能相比 A100 降低約 1/3，隨着算力需求不斷增加，國內由於 A100 以上芯片的進口限制導致大模型訓練時間/成本或顯著提升，客觀上阻礙了我國大模型的發展。因中國企業進行 14nm 以下半導體代工受到技術及設備限制，及美國限制海外代工企業為中國設計企業生產性能超過 A100 的芯片，短期內，中國芯片公司能夠生產超過 A100 的 AI 芯片的難度也較高。

路徑 1：異構計算蓬勃發展，關注 GPU，DPU，存算一體等不同路徑

面對先進製程昂貴成本和日趨接近物理極限，僅靠工藝改進難以滿足算力膨脹需求。異構計算從計算架構出發，充分利用計算資源並行分佈，將不同製程/架構、不同指令集、不同功能硬件進行組合，成為解決算力瓶頸更為經濟的方式。目前主流異構包括 1) GPU，2) DPU，3) 存算一體，4) 自適應加速器等路徑。目前中國異構計算正蓬勃發展。

路徑 2：先進封裝助力超越摩爾定律，國內公司積極佈局 2.5/3D 等領域

先進封裝是一系列通過把採用不同工藝的小芯片相結合，提升芯片互聯密度及通信帶寬，從而大規模提升芯片性能的技術，實現超越摩爾定律。AMD 於 2015 年，在業界內率先採用 2.5DChiplet 設計的芯片，通過把存儲和計算芯片在平面上連接，大幅提高系統性能，從而實現對英特爾市場地位挑戰。該行看到 Chiplet 作為長期趨勢，有望提升芯片測試需求及 IP 可複用性。

風險提示：1) AI 技術落地不及預期。2) 本研報中涉及到未上市公司或未覆蓋個股內容，均系對其客觀公開信息的整理，並不代表本研究團隊對該公司、該股票的推薦或覆蓋。