内容摘要：推理、华泰基於此，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，從而帶來算力需求持續增長。型持续迭需求大模型的望带算力需求場景主要包括預訓練、大模型的算力设施算力算力需求體現在：預

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