2023-2027年我国人工智能服务器市场规模增长及预测

2022年底生成式AI大模型ChatGPT横空出世，掀起新的AI浪潮，海内外互联网厂商和研究院所等企业均陆续投入到大模型研发当中。随着AI语言大模型的不断迭代，模型数据量和参数规模呈现“指数级”增长。以GPT模型为例，GPT-3模型参数约为1746亿个，训练一次需要的总算力约为3640PF-days。据中国信通院数据，2023年推出的GPT-4参数数量可能扩大到1.8万亿个，是GPT-3的10倍，训练算力需求上升到GPT-3的68倍，在2.5万个A100上需要训练90-100天。无论是AI模型的训练还是推理均离不开算力资源的支持，AI的高速发展带来大量算力需求，拉动算力基础设施建设。

主流AI大模型迭代演进线路

资料来源：AI服务器白皮书

政策对算力提出新要求，智能算力加速发展。据工信部数据，截至2023年6月底，全国在用数据中心机架总规模超过760万标准机架，算力总规模达到197EFLOPS，算力总规模近5年年均增速近30%。2023年10月工信部联合6部门印发《算力基础设施高质量发展行动计划》明确，到2025年，计算力方面，算力规模超过300EFLOPS，智能算力占比达到35%。算力是数字经济发展的重要资源，我们认为服务器作为算力底座未来有望持续放量。据IDC数据显示，2023年上半年，中国人工智能服务器市场规模达到30亿美元，同比增长55.4%。IDC预测，未来市场需求量也将会实现大幅度上升，预计2023年，中国人工智能服务器市场规模将达91亿美元，同比增长82.5%，2027年将达到134亿美元，五年年复合增长率为21.8%。

中国人工智能服务器市场规模（百万美元）

来源：IDC

生成式AI应用加速发展，持续赋能千行百业。通过将AI大模型能力与各行业独特的应用场景或业务数据相结合，可加速生成式人工智能向行业领域的渗透，并在多方面进行赋能：（1）从业务职能场景来看，通过将一个模型（或多个模型）与企业数据集成，可供特定业务部门或职能部门（营销、销售、采购等）使用，满足职能场景的业务需求；（2）从生产力场景来看，通过具体工作任务设计，如生成文案、图片、视频等内容，加速软件开发，可将生成式人工智能功能注入现有应用，提高生产力；（3）从行业场景来看，基于足够大的训练数据集或与行业生态伙伴合作，共享数据，围绕具体模型，以定制化方式构建特定集成架构，满足行业需求。