《电子行业专题报告：如何测算文本大模型AI训练端算力需求？-240603（15页）.pdf》由会员分享，可在线阅读，更多相关《电子行业专题报告：如何测算文本大模型AI训练端算力需求？-240603（15页）.pdf（15页珍藏版）》请在三个皮匠报告上搜索。

1、行业研究行业研究行业专题报告行业专题报告证证券券研研究究报报告告电子2024 年 06 月 03 日诚信专业发现价值1请务必阅读报告末页的声明电子电子如何测算如何测算文本大模型文本大模型 AI 训练端算力需求？训练端算力需求？投资要点：投资要点：需求侧：需求侧：Scaling Law 驱动大模型算力需求不减驱动大模型算力需求不减Scaling Law 仍然是当下驱动行业发展的重要标准。Scaling Law 的基本原理是，模型的最终性能主要与计算量、模型参数量和数据大小三者相关，当不受其他两个因素制约时，模型性能与每个因素都呈现幂律关系。因此，为了提升模型性能，模型参数量和数据大小需要同步放大

2、。从大模型数量上看，近年来呈现爆发式增长趋势。且由于尖端 AI 模型对于资源投入的大量需求，产业界对于大模型的影响力逐步加深。我们统计了产业界诸多公开披露的大模型训练数据，从大模型算力需求来看，GPT-3 到 GPT-4 参数上从 175B 快速提升到 1.8TB（提升 9 倍），训练数据量（Token 数）同方向快速增长，由 0.3TB 提升至13TB（提升 42 倍）。绝对值上看，根据我们的非完全统计情况，国内外主流大模型在参数量上基本已来到千亿量级，在预训练数据规模上均已来到个位数乃至十位数的 TB 量级。供给侧：黄氏定律推动英伟达供给侧：黄氏定律推动英伟达 GPU 一路高歌一路高歌英伟

3、达 GPU 持续引领全球 AI 算力发展，虽然“摩尔定律”逐步放缓，但“黄氏定律”仍在支撑英伟达 GPU 算力快速提升，一方面，英伟达寻求制程工艺迭代、更大的 HBM 容量和带宽、双 die 设计等方法，另一方面，数据精度的降低起到关键作用，Blackwell 首度支持FP4 新格式，虽然低精度可能会存在应用上的局限性，但不失为一种算力提升策略。若仅考虑英伟达 FP16 算力，A100/H100/GB200 产品的FP16 算力分别为前代产品的 2.5/6.3/2.5 倍，在数量级上持续爆发，自2017 年至今，GB200 的 FP16 算力已达到 V100 的 40 倍。与之对比，AI 大模

4、型参数的爆发速度相对更快，以 GPT 为例，2018 年至 2023 年，GPT 系列模型从 1 亿参数规模大幅提升至 18000 亿。相较于 AI 大模型由 Scaling Law 驱动的参数爆发，GPU 算力增速仍亟待提升。结论：结论：预计预计 24-26 年全球年全球文本大模型文本大模型训练训练卡卡需求为需求为 271/592/1244 万张万张我们根据侧算力供给需求公式，需求侧假设行业依然沿 ScalingLaw 发展方向进一步增长，供给侧通过对英伟达 GPU 的 FP16 算力、训练市场、算力利用率等进行假设，推导得出 GPU 需求量。以英伟达Hopper/Blackwell/下一代

5、 GPU 卡 FP16 算力衡量，我们认为 2024-2026年全球文本大模型 AI 训练侧 GPU 需求量为 271/592/1244 万张。建议关注建议关注-算力芯片：寒武纪 海光信息 龙芯中科-服务器产业链：工业富联 沪电股份 深南电路 胜宏科技风险提示风险提示AI 需求不及预期风险、Scaling Law 失效风险、GPU 技术升级不及预期的风险、测算模型假设存在偏差风险。强于大市强于大市（维持评级）（维持评级）一年内行业相对大盘走势一年内行业相对大盘走势团队成员团队成员分析师分析师：任志强任志强(S0210524030001)联系人联系人：徐巡徐巡(S0210124040079)相关

6、报告相关报告1、半导体板块再度活跃，消费回暖趋势进一步明确-半导体系列跟踪2024.06.032、【华福电子】20240531 周报：AI 终端崭露头角，Mini LED 或迎机遇2024.06.013、巨头轮番入场，AI PC 爆发在即消费电子系列跟踪2024.06.01 华福证券诚信专业发现价值2请务必阅读报告末页的声明行业专题报告|电子正文目录正文目录1 如何测算如何测算文本大模型文本大模型 AI 训练侧算力需求？训练侧算力需求？.32 需求侧：需求侧：Scaling Law 驱动大模型算力驱动大模型算力需求需求不减不减.52.1 Scaling Law 带动大模型参数爆发带动大模型参数