半导体行业深度报告（十二）：AI大模型竞赛方兴未艾，OpenAI与DeepSeek引领行业生态重构_38页_5mb

行业深度总结：AI大模型与半导体产业链

核心内容

人工智能（AI）正以惊人的速度发展，2024年全球AI市场规模有望达到6.16万亿美元，同比增长30.1%，预计2027年将扩张至11.64万亿美元，CAGR为23.65%。AI是一种模拟人类智能的技术，涵盖多种技术领域，如深度学习、机器学习、计算机视觉和自然语言处理等。AI主要分为狭义人工智能（ANI）、通用人工智能（AGI）和超级人工智能（ASI），目前ANI已广泛应用于多个领域，而AGI和ASI仍处于理论阶段。

主要观点

1. AI市场高速扩张，引领新一代工业革命

• AI推动生产变革，行业步入蓬勃发展期。
• AI产业链涵盖基础设施层、模型层、平台层、应用层及服务层，其中基础设施层是AI发展的基础，包括芯片、存储、网络等。
• 2024年全球AI市场规模预计达到6.16万亿美元，显示出AI行业的井喷式发展。

2. AI大模型是AI变革的重要环节之一

• AI大模型在自然语言处理、图像识别、语音识别等领域具有高度的通用性和泛化能力。
• “Scaling Law”是驱动大模型进步的重要原理，即模型性能与参数量、训练数据量和计算量呈幂律关系。
• “涌现”现象证明了模型参数量等属性的重要性，即当参数量达到一定阈值时，模型性能出现质的飞跃。

3. 大模型商业化模式有望通过AI Agent实现转型

• 大模型的商业化模式主要包括API调用收费、广告、模型推理部署等。
• AI Agent作为新的商业模式，能够自主完成任务，未来有望成为新的应用增长点。
• Copilot类产品率先实现商业化落地，AI Agent或从垂直场景开始逐步探索。

4. 大模型竞争日趋白热，未来玩家格局或将逐步收敛

• 海外大模型厂商如OpenAI、Anthropic、Google、DeepMind等竞争激烈，模型能力差距逐步缩小。
• 国内大模型厂商分为四类：互联网云厂商、大模型创业公司、模型推理平台及技术类厂商，其中互联网云厂商具备更强的生态和渠道优势。
• 随着行业竞争加剧，未来大模型市场或将集中于少数头部厂商。

5. 大模型创新迭代，性能提升与成本下行成为两条主线

• GPT系列模型和OpenAI o1系列模型分别验证了训练侧和推理侧算力投入的重要性。
• DeepSeek通过创新性训练方法和架构实现了较低的训练成本，成为大模型创新的代表。
• GPT系列模型更注重通识类知识，而o1系列模型则更擅长复杂推理任务。

关键信息

• 市场规模：2024年全球AI市场规模预计达到6.16万亿美元，2027年有望达到11.64万亿美元。
• 算力要素：AI的三大要素为算力、算法和数据，其中算力是执行算法和处理数据所需的核心资源。
• 商业化模式：API调用、模型推理部署、广告等是大模型的主要盈利方式，AI Agent或成为未来重要商业模式。
• 模型架构：Transformer和MoE是当前主流模型架构，其中MoE架构在计算效率和灵活性方面更具优势。
• 模型性能：DeepSeek-V3在性能上与GPT-4o和Claude-3.5-Sonnet不相上下，但训练成本远低于行业平均。
• 投资建议：AI大模型的发展将推动AI芯片、存储、服务器、光模块、PCB、电源等半导体相关产业链的需求增长，建议关注寒武纪、海光信息、恒玄科技、乐鑫科技、兆易创新、中际旭创、鹏鼎控股、浪潮信息、工业富联、麦格米特等。

投资建议

1. 云端AI芯片：关注寒武纪、海光信息、龙芯中科等。
2. 端侧AI芯片：关注恒玄科技、乐鑫科技、中科蓝讯、晶晨股份、瑞芯微、全志科技、炬芯科技、国科微等。
3. 存储：关注兆易创新、佰维存储、德明利、江波龙、澜起科技、东芯股份、聚辰股份、普冉股份、北京君正等。
4. 光模块、光器件、光芯片：关注中际旭创、天孚通信、新易盛、光迅科技、源杰科技等。
5. PCB：关注鹏鼎控股、胜宏科技、深南电路、沪电股份、东山精密、景旺电子等。
6. 服务器（含液冷）：关注浪潮信息、工业富联、紫光股份、中石科技、光迅科技、川环科技、国芯科技等。
7. 电源：关注麦格米特、光宝科技、中国长城、新雷能、欧陆通等。

风险提示

1. AI需求不及预期：AI技术发展可能面临市场接受度不足的风险。
2. 行业竞争过度：大模型市场竞争激烈，可能导致利润空间压缩。
3. 国际贸易政策变化：国际贸易环境的不确定性可能影响AI芯片等技术产品的出口和供应。

图表目录

• 图1 人工智能发展历程
• 图2 按智能程度划分的三类人工智能
• 图3 GenAI的工作原理
• 图4 Gen AI在各领域的应用效果
• 图5 AI的三大要素
• 图6 AI算力的相关常用名词及其含义
• 图7 AI产业链
• 图8 全球AI市场规模（十亿美元）及同比增速
• 图9 头部主要厂商大模型迭代时间轴
• 图10 MLLM的架构示意图
• 图11 训练与推理示意图
• 图12 模型性能与计算量、数据大小、参数量的关系
• 图13 大模型的涌现现象
• 图14 GPT系列模型迭代参数规模的变化
• 图15 海外云厂商2024Q1-Q4资本开支（亿美元）
• 图16 2020-2029E全球大模型市场规模（亿美元）及增速
• 图17 大模型商业化模式
• 图18 模型推理部署四种主要形式的优劣
• 图19 2024年国内各行业大模型公开披露的落地项目数量（单位：个）
• 图20 2024年国内各行业大模型公开披露的落地项目金额（单位：亿元）
• 图21 字节跳动 Coze 智能体创建界面
• 图22 大模型区别于互联网时代的竞争特点
• 图23 海外主流AI大模型基准评分差距逐步缩小
• 图24 海外模型厂商竞争格局
• 图25 大模型区别于互联网时代的竞争特点
• 图26 2020-2024年阿里云业务营收占比
• 图27 国内模型厂商竞争格局
• 图28 OpenAI发展历程以及重要模型发布节点
• 图29 OpenAI GPT系列模型迭代相关性能参数
• 图30 以GPT-4为例的GPT系列模型路径
• 图31 OpenAI o1与其他头部模型评分对比
• 图32 OpenAI o1在训练和推理阶段算力资源的投入与模型性能的关系
• 图33 o1模型相比GPT-4o在推理密集型任务上的改进
• 图34 未来GPT系列与o1系列模型或将收敛融合
• 图35 DeepSeek发展历程以及重要模型发布节点
• 图36 DeepSeek用户增长速度
• 图37 海内外接入DeepSeek的厂商
• 图38 DeepSeek-V3多项评测能力与海内外头部模型对比
• 图39 DeepSeek模型性能与价格比处于最优范围内
• 图40 DeepSeek-V3训练成本
• 图41 DeepSeek-V3的MLA和DeepSeekMoE架构
• 图42 DeepSeek-R1在数学、代码、自然语言推理等任务上的性能表现
• 图43 DeepSeek-R1-Zero在训练过程中的AIME准确性不断上升
• 图44 蒸馏后的小型模型在数学、代码、自然语言推理等任务上的性能表现
• 图45 AI服务器产业链
• 图46 寒武纪2020-2024年总营收和归母净利润与各自同比增速
• 图47 海光信息2020-2024年总营收和归母净利润与各自同比增速
• 图48 恒玄科技2020-2024年总营收和归母净利润与各自同比增速
• 图49 乐鑫科技2020-2024年总营收和归母净利润与各自同比增速
• 图50 兆易创新2020年-2024Q1-Q3总营收和归母净利润与各自同比增速
• 图51 澜起科技2020-2024年总营收和归母净利润与各自同比增速
• 图52 中际旭创2020-2024年总营收和归母净利润与各自同比增速
• 图53 天孚通信2020年-2024Q1-Q3总营收和归母净利润与各自同比增速
• 图54 鹏鼎控股2020-2024年总营收和归母净利润与各自同比增速
• 图55 胜宏科技2020-2024年总营收和归母净利润与各自同比增速
• 图56 浪潮信息2020年-2024Q1-Q3总营收和归母净利润与各自同比增速
• 图57 工业富联2020-2024年总营收和归母净利润与各自同比增速
• 图58 麦格米特2020年-2024Q1-Q3总营收和归母净利润与各自同比增速
• 图59 欧陆通2020年-2024Q1-Q3总营收和归母净利润与各自同比增速

表格目录

• 表1 Transformer 架构和 MoE 架构的对比
• 表2 模型API服务的构成、重要性和主要指标
• 表3 海内外代表大模型 Token 定价