智通财经APP获悉，长城证券发布研究报告称，算力是AI发展的生产力，其中AI芯片是大模型用于训练和推理和核心底座能力，随着大模型对于算力需求的持续增长，对于数据存储的AI芯片也提出了更高的要求。据OpenAI测算，自2012年以来，全球头部AI模型训练算力需求3-4个月翻一番，每年头部训练模型所需算力增长幅度高达10倍。随着AI大模型的加速发展和算力需求的不断扩张，算力需求与芯片存储能力将出现不匹配现象，有望直接催化AI算力芯片加速发展。
▍长城证券主要观点如下：
国内外AI浪潮不断加速发展，持续看算力基础建设环节。
7月9日，OpenAI宣布全面开放GPT-3.5Turbo、DALL-E及WhisperAPI，当前所有API调用的AI模型，都已默认升级到GPT-4，以辅助开发者改善模型处理效率，并表示2023年下半年将推出GPT-4及GPT-3.5Turbo的后续功能。
此外，中国信通院于全球人工智能大会上重磅发布《2023大模型和AIGC产业图谱》，就行业应用，产品服务，模型与工具和基础层四个主要部分，深入梳理大模型和AIGC产业链上下游发展状况，围绕应用层，模型层和基础设施层三大技术框架构建相应的大模型和AIGC标准。
本次发布有助于完善和整合国内厂商在AI方面的发展，国内AI算力建设有望进入快速上行通道。AI大模型在训练及推理过程中需要海量数据及算力支撑，其中数据主要由服务器/交换机和光模块等算力基础设备进行存储和运输。
随着API接口的持续升级以及垂类大模型的繁荣，将持续赋能千行百业智慧升级。在此背景下，AI大模型及垂类模型的训练及应用驱动算力侧网络架构的升级与变革，服务器/交换机有望受益下游需求迎来快速提升。
算力需求增长与芯片计算能力增长存在剪刀差，AI发展对存储提出更高要求。
算力是AI发展的生产力，其中AI芯片是大模型用于训练和推理和核心底座能力，随着大模型对于算力需求的持续增长，对于数据存储的AI芯片也提出了更高的要求。据OpenAI测算，自2012年以来，全球头部AI模型训练算力需求3-4个月翻一番，每年头部训练模型所需算力增长幅度高达10倍;
随着半导体制程节点的不断演进，芯片纳米级别最终将达到极致后导致摩尔定律失效，因此大模型模型所需算力需求增长与芯片计算能力摩尔定律出现不匹配，AI发展所需算力训练及推理需求的确定性有望将快速拉动算力芯片在存储领域需求的快速扩张。
随着AI大模型的加速发展和算力需求的不断扩张，算力需求与芯片存储能力将出现不匹配现象，有望直接催化AI算力芯片加速发展。
全球人工智能领域海外发展较快，算力芯片国产化替代势在必行。
1)AI芯片市场空间广阔：据Frost&Sullivan数据显示，2023年全球人工智能芯片市场规模将达到490亿美元，到2026年增长至920亿美元，复合增速为23.37%;据观研天下报告网预测2023年，我国AI芯片市场规模将达到427亿元，到2026将达1206亿元，复合增速为41.35%，我国与海外相比未来三年增速较高，存在较大的发展空间，市场空间广阔。
2)行业龙头以欧美日等为主，国产替代化势在必行：据CompassIntelligence显示，目前全球人工智能芯片行业前十以欧美韩日等企业为主，其中前三为Nvidia、Inter及IBM，国内芯片企业如华为海思排12位，寒武纪排23位，地平线机器人排24位。
当前竞争格局下，随着国内外大模型的加速发展及垂类融合，国内AI算力芯片厂商国产化替代势在必行，随着市场需求旺盛国内AI芯片厂商有望迎来快速发展。
相关标的：
AI芯片：寒武纪(688256.SH)、中科曙光(603019.SH)、景嘉微(300474.SZ)等;
AI服务器/交换机：中兴通讯(000063.SZ)、紫光股份(000938.SZ)、共进股份(603118.SH)等;
PCB：兴森科技(002436.SZ)、沪电股份(002463.SZ)、深南电路(002916.SZ)等。
风险提示：
市场竞争加剧风险;关键技术突破不及预期风险;下游需求不及预期;原材料价格波动风险。
