计算机行业深度研究报告：全球AI算力革命生态之争加速演绎-260116（37页）.pdf

1、全球AI算力革命，生态之争加速演绎二、英伟达数据中心业务爆发，构建全栈计算基础设施13（一）研发驱动创新，英伟达构建全栈计算基础设施13（二）打破“摩尔定律”，从Blackwell到VeraRubin，14、博通崛起，打造AI专用芯片领域的“隐形冠军”19（一）博通崛起，聚焦ASIC芯片19（二）硬件与软件协同，驱动博通业绩高速增长20四、全球算力生态竞争加剧，AI市场或趋于异构融合，24（三）AMD完善生态建设，提升AI性能.27五、投资建议.34一、全球AI算力革命，打响加速芯片争霸赛（一）全球智算需求快速增长，英伟达算力布局实现领跑人工智能（AI）训练和推理计算驱动全球智能算力需求快速增

2、长。作为信息产业的重要组成部分，算力主要涵盖基于计算技术的“算力”、基于数据储存技术的“存力”和基于网络通信技术的“运力”。从计算能力角度来看，算力分为通用算力、智能算力、超算算力、边缘算力等多个维度。从算力基础设施角度来看，主要包括数据中心、智算中心、超算中心等设施，以及通信网络基础设施。算力常用计量单位是FLOPS（每秒执行的浮点数运算次数)，主要用于衡量高性能计算（HPC）、科学计算、AI训练等对浮点运算依赖度高的场景。其中，1EFLOPS（每秒完成一百亿亿次浮点计算）约为25万台主流双路服务器，或200万台主流笔记本计算机的算力输出。随着大模型使用的数据量和参数规模增加，智能算力需求快

3、速增长,规模远超通用算力。据中国信息通信研究院信息化与工业化融合研究所发布的先进计算暨算力发展指数蓝皮书（2024年)，2023年全球计算设备算力总规模为1397EFlops，增速达54%。其中，基础算力规模（FP32）为497EFlops；智能算力规模（换算为FP32）为875EFlops，占总算力比例达63%，较上年增加13%；超算算力规模（换算为FP32）为25EFlops。预计未来五年全球算力规模仍将以超过50%的速度增长,至2030年全球算力将超过16ZFlops,其中智能算力占比将超过90%。(divcenter)图表3全球算力规模与增速(/divcenter)2023年算力规模前

4、20的国家中有17个是全球排名前20的经济体，并且前四名排名一致，美国和中国依然分列前两位，保持领跑者位置。与2022年相比，瑞士、瑞典等国算力排名有所提升。英伟达GPU布局实现全球领跑。据Gartner数据，2023年全球AI芯片销售收入为536亿美元，2024年和2025年收入总额预计将分别达到710亿美元和920亿美元。从AI芯片类型来看,搭载GPU的AI服务器占比约为71%,其中,英伟达的市场占有率接近90%，AMD约为8%。随着全球领先的云服务商不断加大对自研芯片的应用力度，GPU以外的AI芯片市场规模显著增长，其中，ASIC芯片在AI服务器中的占比已攀升至26%。自2020年以来，

5、全球已安装的英伟达AI算力每年增长约2.3倍，新旗舰芯片在发布后三年内占据大部分现有算力。HopperH100在2022年推出后，销售火爆，英伟达市值也随之突破了2万亿美元，成为仅次于微软和苹果的第三大科技公司。2025年H100已成为主流产品。据摩根士丹利2024年的AI供应链追踪报告显示，英伟达部分H100订单已转向下一代芯片H200和B100。后两者有望在2026-2028年接棒。2026年1月，在拉斯维加斯CES（国际消费电子展）大会上，英伟达发布了VeraRubin计算平台，对所有芯片、整个平台各个层级上同时创新。VeraRubin计算平台已进入量产阶段。（二）从“通用训练”到“专用

6、推理”，智算成本优化催生定制化方案在人工智能计算架构的布局中，CPU（CentralProcessUnit，中央处理器）与加速芯片协同工作的模式已成为一种典型的部署方案。CPU扮演基础算力的提供者角色，适合任务调度和控制；而加速芯片则负责提升计算性能，负责算法高效执行。常见的AI加速芯片按其技术路径,可划分为GPGPU(General-PurposecomputingonGraphicsProcessingUnit,通用图形处理器）、FPGA（FieldProgrammableGateArray，可程序化逻辑门阵列）和ASIC（ApplicationSpecificIntegratedCirc