计算机行业市场前景及投资研究报告：AI算力软件生态，难以突破.pdf

证券研究报告

AI算力软件生态：难以突破吗？

系列深度之十五

2024.9.19

投资案件

◼结论和投资分析意见

•2024H2，国内AI芯片厂商产品密集迭代，软件生态是核心竞争要素之一，兼容CUDA路线海

光信息、以及自成体系路线昇腾为国产厂商中进展最快，用户使用体验佳，新产品有望

更快放量。

◼原因及逻辑

•AI开发框架：Pytorch、Tensorflow双寡头，且逐渐与AI芯片解耦。

•GPU编程平台：训练端，每家AI芯片均自有GPU编程平台软件，其中英伟达CUDA具备先发

优势，形成一定的生态壁垒。其他厂商与英伟达竞争采用2类方式：1）兼容英伟达CUDA，

典型代表是AMD、海光信息；2）自成体系：代表厂商昇腾、寒武纪。

◼有别于大众的认识

•市场认为，英伟达CUDA生态壁垒难以突破，一方面是其与AI开发框架厂商的紧密支持，另

一方面是CUDA中众多的针对性优化，和庞大的用户群体（迁移其他平台需要学习成本）。

•我们认为，1）AI开发框架正在逐渐与英伟达CUDA/硬件解耦，开始原生支持AMD、等

厂商产品，这一方面的壁垒逐渐瓦解；2）GPU编程平台的学习成本和针对性优化，确实仍需

要人才、用户、资金和时间的积累，但并非坚不可摧，且国产厂商如昇腾、海光信息均

已有较快进展。

◼风险提示：AI芯片产品迭代进展不及预期；国产厂商软件工具用户习惯培育周期长；

AI应用长时间无爆款，影响AI算力需求。

证券研究报告2

总结：两条路径，各自突破

AI芯片的整体性能=AI芯片硬件性能×（GPU编程平台+深度学习框架支持）

生态壁垒产生的根源在于软硬件的高度耦合AI芯片公司需要投入的优化最大的工作量是对海量算子和特定芯片的支持

突破CUDA的两类方式AI芯片公司所采取的不同突围路线优劣势

1兼容CUDA

AMD

兼容CUDA的路线，借力难点在于其更新迭代速度永远跟不

解决用户学习成本问题，实现无痛切换

1）上层转换器，如ROCmHipifyTools海光英伟达生态上CUDA并且很难做到完全兼容

2）底层二进制机器码实时转译，已被禁止，信息

有法律风险

：人才供给充足，各类算子开

2自成体系发进展较快，但由于开放较多底层

优化，开发难度大，用户不友好

深度学习框架+AI芯片”

自研路线

谷歌：Tensorflow提供强耦合支持，

谷歌但芯片设计过于专用，非谷歌人员