智通財經APP獲悉，華福證券發佈研究報告稱，根據側算力供給需求公式，需求側假設行業依然沿Scaling Law發展方向進一步增長，供給側通過對英偉達GPU的FP16算力、訓練市場、算力利用率等進行假設，推導得出GPU需求量，以英偉達Hopper/Blackwell/下一代GPU卡FP16算力衡量，該行認爲2024-2026年全球文本大模型AI訓練側GPU需求量爲271/592/1244萬張。建議關注算力芯片及服務器產業鏈。
華福證券主要觀點如下：
需求側：Scaling Law驅動大模型算力需求不減
Scaling Law仍然是當下驅動行業發展的重要標準。Scaling Law的基本原理是，模型的最終性能主要與計算量、模型參數量和數據大小三者相關，當不受其他兩個因素制約時，模型性能與每個因素都呈現冪律關係。因此，爲了提升模型性能，模型參數量和數據大小需要同步放大，從大模型數量上看，近年來呈現爆發式增長趨勢，且由於尖端AI模型對於資源投入的大量需求，產業界對於大模型的影響力逐步加深，該行統計了產業界諸多公開披露的大模型訓練數據，從大模型算力需求來看，GPT-3到GPT-4參數上從175B快速提升到1.8TB(提升9倍)，訓練數據量(Token數)同方向快速增長，由0.3TB提升至13TB(提升42倍)。絕對值上看，根據該行的非完全統計情況，國內外主流大模型在參數量上基本已來到千億量級，在預訓練數據規模上均已來到個位數乃至十位數的TB量級。
供給側：黃氏定律推動英偉達GPU一路高歌
英偉達GPU持續引領全球AI算力發展，雖然“摩爾定律”逐步放緩，但“黃氏定律”仍在支撐英偉達GPU算力快速提升，一方面，英偉達尋求製程工藝迭代、更大的HBM容量和帶寬、雙die設計等方法，另一方面，數據精度的降低起到關鍵作用，Blackwell首度支持FP4新格式，雖然低精度可能會存在應用上的侷限性，但不失爲一種算力提升策略。若僅考慮英偉達FP16算力，A100/H100/GB200產品的FP16算力分別爲前代產品的2.5/6.3/2.5倍，在數量級上持續爆發，自2017年至今，GB200的FP16算力已達到V100的40倍。與之對比，AI大模型參數的爆發速度相對更快,以GPT爲例,2018年至2023年，GPT系列模型從1億參數規模大幅提升至18000億,相較於AI大模型由Scaling Law驅動的參數爆發，GPU算力增速仍亟待提升，
結論：預計24-26年全球文本大模型訓練卡需求爲271/592/1244萬張
該行根據側算力供給需求公式，需求側假設行業依然沿Scaling Law發展方向進一步增長，供給側通過對英偉達GPU的FP16算力、訓練市場、算力利用率等進行假設，推導得出GPU需求量，以英偉達Hopper/Blackwell/下一代GPU卡FP16算力衡量，該行認爲2024-2026年全球文本大模型AI訓練側GPU需求量爲271/592/1244萬張。
建議關注：
算力芯片：寒武紀(688256.SH)、海光信息(688041.SH)、龍芯中科(688047.SH)。
服務器產業鏈：工業富聯(601138.SH)、滬電股份(002463.SZ)、深南電路(002916.SZ)、勝宏科技(300476.SZ)。
風險提示：AI需求不及預期風險、Scaling Law失效風險、GPU技術升級不及預期的風險、測算模型假設存在偏差風險。