（报告出品方：东方证券）
1算力芯片壁垒高、发展必要性强
英伟达宣布生成式AI引擎NVIDIADGXGH现已投入量产。年5月28日，英伟达创始人兼CEO黄仁勋在NVIDIAComputex演讲中宣布，生成式AI引擎NVIDIADGXGH现已投入量产。GH使用Nvidia的NVLink-C2C互连技术，将Nvidia基于ARM的GraceCPU和HopperGPU架构融合到一个芯片中。NVIDIADGXGH将个NVIDIAGraceHopper超级芯片完全连接到单个GPU中，支持万亿参数AI大模型训练，能够处理大规模推荐系统、生成式人工智能和图形分析，并为巨型人工智能模型提供线性可扩展性。Nvidia的服务器合作伙伴正计划基于新的GHSuperchip打造他们自己的系统，首批产品将于今年晚些时候上市。
GH速度和功耗指标都有显著提升。这款新的芯片总带宽达每秒GB，比当今最先进的加速计算系统中采用的标准PCIeGen5通道高出7倍。Nvidia表示，Superchip的功耗也降低了5倍，使其能够更有效地处理那些要求苛刻的AI和高性能计算应用。AMD推出数据中心APUInstinctMI。北京时间年6月14日凌晨，AMD推出数据中心APU（加速处理器）InstinctMI，其旨在帮助数据中心处理人工智能相关数据流量，并在这一快速增长的市场上挑战英伟达的垄断地位。InstinctMI系列将包括一个GPU（图形处理器）MIX，可以加速ChatGPT等聊天机器人所使用的生成式AI技术的处理。先进算力国产替代在行业变革中有望迎来机遇。半导体国产化势在必行，而算力芯片又是重中之重。AI算力、低功耗等对服务器算力芯片提出新的要求，市场格局近几个季度变化较多，英伟达GH有望加速全球AI服务器算力芯片市场变革，中国芯片企业在面临挑战的同时，也有望迎来发展机遇。
1.1不同算力芯片的特点与区别
计算芯片包括CPU、GPU、FPGA、ASIC等，都用作计算分析。其中，CPU是性能最综合的计算芯片，AI算法的执行也运用GPU、FPGA、ASIC等芯片。
CPU是综合计算芯片，擅长逻辑控制和串行运算。计算机的运算器和控制器一起组成了CPU，CPU是整台计算机的大脑，也是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强，计算能力则位于其次。CPU有大量的缓存和复杂的逻辑控制单元，非常擅长逻辑控制、串行的运算，但因计算单元占30%左右，不擅长复杂算法运算和处理并行重复的操作。GPU相比CPU计算单元大大增加，擅长大量并行计算。而作为通用芯片的GPU相当于一个接受CPU调度的“拥有大量计算能力”的员工，计算单元相比CPU大大增加。GPU最初承担图像计算任务，能够进行并行计算，因此GPU架构本身比较适合深度学习算法，通过对GPU的优化，进一步满足深度学习大量计算需求。其主要缺点在于功耗较高。
GPU按照接入类型可以分为独立GPU和集成GPU。独立GPU即独立显卡，需要插在主板的相应接口上，具备单独的显存，不占用系统内存，能够提供更好的显示效果和运行性能。全球知名供应商主要包括AMD和NVIDIA两家。集成GPU即集成显卡，是将图形核心以单独芯片的方式集成在主板上，并且动态共享部分系统内存作为显存使用，能够提供简单的图形处理能力，以及较为流畅的编码应用。全球知名供应商主要包括英特尔和AMD两家。
GPU按照应用场景不同可分为PCGPU、服务器GPU和移动GPU。1）集成GPU一般运用于PC以轻办公、文字编纂为主；独立GPU则一般运用于PC以制作高清图片、编辑视频、渲染游戏等。2）服务器GPU主要以独立GPU为主。服务器GPU主要应用于服务器，可做专业可视化、计算加速、深度学习等应用。3）移动GPU以集成GPU为主。随着移动端向着轻薄化不断发展，终端内部净空间随着多种功能模组的增加呈快速下降趋势。此外，就目前的移动端视频和图片的处理要求而言，集成GPU的性能尚可满足移动端的需要。FPGA又称半定制化芯片，具有足够的计算能力、较低的试错成本和足够的灵活性。FPGA的计算速度快是源于它本质上是无指令、无需共享内存的体系结构，“无指令”即使用硬件描述语言编程，直接编译为晶体管电路的组合，所以FPGA实际上直接用晶体管电路实现用户的算法，没有通过指令系统的翻译；“无需共享内存”是指对于保存状态的需求，FPGA中的寄存器和片上内存（BRAM）是属于各自的控制逻辑的，无需不必要的仲裁和缓存。因此FPGA运算速度足够快，优于GPU。同时，相比量产成本高昂的ASIC芯片，因为FPGA是一种半定制的硬件，通过编程可定义其中的单元配置和链接架构进行计算，因此在灵活性上优于ASIC，具备较低试错成本。
ASIC是全定制芯片，性能强但是前期开发久、成本高。是根据产品的需求进行特定设计和制造的集成电路，能够在特定功能上进行强化，具有更高的处理速度和更低的能耗。缺点是成本高，且由于定制化，可复制性一般，因此只有用量足够大时才能够分摊前期投入，降低成本。
1.2CPU广泛应用于服务器、工作站、个人计算机等
CPU可以应用在服务器、工作站、个人计算机（台式机、笔记本电脑）、移动终端和嵌入式设备等不同设备上，根据应用领域的不同，其架构、功能、性能、可靠性、能效比等技术指标也存在一定差异。
服务器处理器需长时间运行，数据处理能力最强、设计工艺最复杂、可靠性最高。服务器具有高速的数据处理能力、强大的I/O数据吞吐能力、良好的可扩展性，并需要长时间可靠运行，其CPU芯片在性能、可靠性、可扩展性和可维护性等方面要求较为苛刻。因此，服务器处理器是数据处理能力最强、设计工艺最复杂、可靠性最高的处理器。服务器的应用领域包括实时分析、5G应用、人工智能、机器学习、金融、大数据和云计算等领域。工作站主要为单用户提供比个人计算机更强大的性能。工作站是一种高端微型计算机，主要为单用户提供比个人计算机更强大的性能，尤其是在数据并行处理能力和图形处理能力等方面。工作站的典型应用领域包括科学和工程计算、软件开发、计算机辅助设计等。个人计算机主要满足个人需求，核心数量较少。个人计算机包括台式机和笔记本电脑两大类，主要用于满足个人的工作、学习、娱乐需求，以及企业员工的办公需求。个人计算机处理器核心数量较少，具有较少I/O。
移动终端具有低功耗、轻量化等特点，
联系电话：