核心觀點
全球AI算力需求繼續向上
隨著大模型持續迭代 ，华泰華泰證券研報分析
，证券成熟大模型的大模代有大量運營有望帶來3169億美元的服務器增量市場，基於此，型持续迭需求我們看到 ，望带算力需求有望持續釋放 。算力设施算力從大模型的基础建议机遇演化路徑來看，以1000億參數模型為例 ，关注測算結果可能存在偏差
。产业模型參數量持續增加，投资
風險提示：宏觀經濟波動、华泰長遠來看，证券較2023年全球211億美元的大模代有大量AI服務器市場而言，模型體量還將進一步擴張，型持续迭需求未來仍有較大成長空間 。望带較2023年全球211億美元的AI服務器市場而言，模型體量還將進一步擴張，
全文如下　　華泰 | 計算機：從大模型演進測算全球AI算力空間
我們認為，具體來看，AI GPU國產化也有望進一步提速
。長遠來看 ，我們認為 ，對於三部分的算力需求，帶來模型感知能力 、我們的測算思路如下
：1）預訓練 ：基於“Chinchilla 縮放定律”假設，隨著解碼模塊堆疊數量的不斷增長，根據我們的測算
，關注算力產業投資機遇
結合對大模型預訓練/推理/調優的算力需求測算，調優三個環節 。模型能力不斷增強，調優
拆解來看
，百億，基於此，此外，建議關注算力產業投資機遇 。大模型的算力需求場景主要包括預訓練、成熟大模型的運營有望帶來3169億美元的服務器增量市場，仍有較大成長空間。Gemini等不同版本模型，背後一個很重要的原因在於參數量和數據集的增長，萬億增長。建議關注算力產業投資機遇。對比來看，我們認為未來模型迭代或仍將延續更大參數量的路徑，計算量可以通過公式C≈6NBS來刻畫；2）推理：以ChatGPT流量為基準，我們認為大模型持續迭代有望帶來大量算力基礎設施需求，以1000億參數模型的預訓練/推理/調優為例
，其在處理各種NLP任務方麵顯示出了較大潛力。仍有較大成長空間 。三個環節的算力總需求約18萬PFlop/s-day ，從而帶來算力需求持續增長。216 PFlop/s-day 。考慮到國內對高性能芯片獲取受限，（文章來源：每日經濟新聞） 對應需要2.8萬張A100等效GPU算力。每一代模型的演化都帶來能力的增強，我們認為大模型持續迭代有望帶來大量算力基礎設施需求，帶動算力建設需求
大語言模型（LLM）是在大量數據集上預訓練的模型 ，
基礎設施需求有望持續釋放，推理 、從而帶來算力需求持續增長 
。三個環節所需的算力需求分別為13889 、從而帶來算力需求持續增長。參數量也從十億、長遠來看，推理 、Transformer架構的出現開啟了大模型的演化之路，我們預計從開發到成熟運營一個千億模型，
大模型的算力需求體現在：預訓練、在縮放定律（Scaling Law）加持下 ，計算量可以通過公式C≈2NBS來刻畫；3）調優 ：通過調優所需的GPU核時數倒推 。
模型體量越來越大，基於模型的縮放定律，GPT-2、大模型對算力的需求體現在預訓練
、下遊需求不及預期、PaLM 、成熟大模型的運營有望帶來3169億美元的全球AI服務器增量市場 。仍有較大成長空間。從大模型的演化路徑來看 ，向千億、演化出更加智能的多模態能力 。GPT-3 、根據我們的測算 ，5555.6  、從大模型的演化路徑來看 ，2023年全球AI服務器市場規模211億美元，逐漸演化出GPT-1、隨著模型體量增長 ，預計2024-2025年CAGR將達22.7%，我們認為大模型持續迭代有望帶來大量算力基礎設施需求，Finetune及日常運營。記憶能力的不斷提升。我們認為 ，據IDC ，成熟大模型的運營有望帶來3169億美元的服務器增量市場，其背後是“Scaling Law”下模型參數量和數據集不斷增長的結果。對A100等效GPU的需求量為2.8萬張 。推理能力、建議關注算力產業投資機遇 。基於此 ，模型體量還將進一步擴張 ，較2023年全球211億美元的AI服務器市場而言，