AI大模型驱动下，算力、存储、网络都缺一不可！

5月17日，多个半导体细分领域板块大涨。

其中，存储芯片板块大涨，东芯股份、普冉股份涨超7%，深科技、江波龙涨超5%，佰维存储、同有科技、德明利等跟涨。算力概念快速反弹，浪潮信息、东芯股份大涨超8%，青云科技、鸿博股份、中科曙光、寒武纪、首都在线等跟涨。网络方向的光通信板块也大涨。

可见AI大模型的驱动下，市场已经逐渐从单一炒作一两个细分领域逐步切换至整个硬件产业链。消息面上，近期AI服务器价格大涨，有企业透露，其去年6月购买的AI服务器不足一年价格涨了近20倍。同期，GPU价格也不断上涨。目前AI驱动的硬件需求有多大？还有哪些投资机遇可以关注？本文将详细解析。

AI硬件产业链缺一不可！

大模型进入万亿参数时代，单台服务器的计算能力有限，需要通过 RDMA网络连接多台服务器，形成大规模计算集群。在此基础上，综合优化处理器、网络结构和存储性能，为大规模模型训练提供高性能、高带宽、低时延的智能计算支持。

算力不足一直是困扰业界的难题，其根本原因在于当前大模型规模大、参数高达万亿的时代，单个 AI服务器的算力有限，亟需通过高性能网络连接多个 AI服务器和存储系统，构建大规模计算集群。

因此用上了先进芯片并不代表就拥有了先进算力，高性能计算存在“木桶效应”，一旦计算、存储、网络任一环节出现瓶颈，就会导致运算速度严重下降。

在存储方面，数千个节点同时读取一组数据，需要尽量缩短读取时间。采用腾讯云最新自主研发的存储体系结构，支持不同应用场景下的存储需求，是新一代的集群。其自主开发的文件、对象存储体系结构，可实现 TB级的吞吐量和千万级的 IOPS，完全满足大规模模型训练对海量数据的存储需求。

AI任务需要在不同阶段部署互补性的存储媒体与体系结构：ML与深度神经网络对存储体系结构有很大影响：由于 GPU并行处理能力强、数据密度大等原因，对训练数据的读取已成为制约 AI应用发展的瓶颈。为降低 GPU闲置时间，可采用固态晶片、磁碟机或其它非易失性记忆体等方式对预处理线进行优化。NVMeSSD能有效地解决网络带宽低、时延大的问题。

AI应用商业化之前，硬件上游性价比凸显

4月11日，国家互联网信息办公室发布关于《生成式人工智能服务管理办法(征求意见稿)》(以下简称“《管理办法》”)公开征求意见的通知。《管理办法》明确提出，利用生成式人工智能生成的内容应当真实准确，采取措施防止生成虚假信息。

从政策角度出发，目前市场离AI应用商业化还有一段时间的空窗期要走，此时位于下游的计算机应用公司将会加大资本开支来强化自身大模型的智能程度。

由AI 大模型带来的产业侧变革正在逐步显现。国内市场，1)百度于3 月率先推出其大模型产品文心一言；2)阿里于 4 月发布类 ChatGPT 的大语言模型通义千问，并宣布未来全部产品将接入大模型升级；3)腾讯混元大模型已在腾讯多个核心业务场景落地，并带来显著的效率提升。

海外市场中，美股三大科技巨头在 AI 方面均有着深厚的积累，并且各有侧重。微软拥有丰富的产品组合，与 OpenAI 深度合作，以生成式 AI 赋能生产力；谷歌是LLM 领域的领军和奠基者，近期I/O 大会显示其在大模型落地上不遑多让；亚马逊在广告业务中引入AI 并加大相关投资，目前在营收端已有正面反馈。

结合业绩确定性及估值两方面因素考虑，华西证券建议关注包括军工通信、面板以及低估的算力基础设施及工业互联网个股：

1)持续推荐算力基础设施服务器等设备商：紫光股份(华西通信&计算机联合覆盖)、中兴通讯等；

算力中心：光环新网；

算力硬科技产业链：新雷能(服务器电源)；

2)军工通信：烽火电子、海格通信、七一二等；

3)工业互联：金卡智能等；

4)液晶面板拐点：TCL 科技等；

5)AI 应用：航天信息等。