寒武纪(688256)深度报告：云程发轫，厚积薄发.docx

目录

引言——AIGC时代，全球智算军备竞赛 6

寒武纪：以技术立身的纯正国产算力领军 9

筚路蓝缕，国产人工智能芯片领军享先发 9

营收相对稳健，持续投入或迎来厚积薄发 14

总量份额双升共振，国产算力迎历史机遇 17

技术变革驱动，全球算力行业持续高增长 17

国内外因素共振，国产算力份额有望提升 19

云边端产品升级迭代，软硬件协同筑生态 23

兼具软硬件核心技术，云边端产品频迭代 23

软硬件协同完善生态，智算集群优势尽显 25

风险提示 29

图表目录

图1：Transformer引发本轮AI浪潮 6

图2：参数规模达到一定量级时产生涌现效应 6

图3：模型参数规模、训练数据集规模、计算资源投入与模型性能间存在ScalingLaw 7

图4：三要素同步提升以获得最佳性能 7

图5：ScalingLaw将不断在其他领域复现，带动算力产业需求持续旺盛 8

图6：寒武纪发展历程 9

图7：寒武纪股权结构 10

图8：终端智能处理器IP架构 13

图9：寒武纪智能计算集群系统软硬件总体架构 14

图10：寒武纪营收及增速 14

图11：寒武纪归母净利润 14

图12：寒武纪业务结构 15

图13：寒武纪各业务占比 15

图14：寒武纪近五年毛利率变化 15

图15：寒武纪细分子业务毛利率变化 15

图16：公司期间费用 16

图17：全球GPU市场空间预测（单位：亿美元） 17

图18：全球数据中心GPU市场空间及预测（单位：亿美元） 17

图19：2019-2025年中国人工智能芯片市场规模（单位：亿元） 17

图20：中国人工智能芯片市场规模占比 17

图21：英伟达营业收入（单位：亿美元） 18

图22：英伟达数据中心业务营业收入（单位：亿美元） 18

图23：2019年1月至今英伟达股价走势（单位：美元） 18

图24：国内外代表性互联网厂商自研芯片情况 19

图25：2022-2027年中国人工智能服务器工作负载结构及预测 19

图26：寒武纪核心技术框架结构 23

图27：云边端产品布局 24

图28：寒武纪基础软件系统平台CambriconNeuWare 26

图29：CambriconNeuWare训练软件平台 26

图30：推理加速引擎MagicMind 26

图31：智能计算集群系统软硬件总体架构 27

图32：智能计算集群系统整体业务流程 27

表1：寒武纪管理层简介 10

表2：云、边、端三种场景对芯片特性要求不同 11

表3：公司云端产品 11

表4：公司边缘端产品 12

表5：公司终端智能处理器IP 12

表6：首次授予部分公司层面业绩考核要求 16

表7：美国政府不断限制中国使用美先进算力 20

表8：2024年各省份智算中心相关政策梳理 20

表9：近年来三大运营商AI服务器集采招标统计 21

表10：云边端三大产品线产品迭代梳理 23

表11：主要算力芯片参数指标对比 24

表12：2019-2023年寒武纪中标智算相关项目梳理 27

表13：公司利润敏感性分析 29

引言——AIGC时代，全球智算军备竞赛

Transformer架构大力出奇迹的成功是本轮AI革命的重要理论支撑。本轮生成式AI的技术变革由Transformer架构引发，在基于Transformer架构进行模型迭代过程中，实证产业规律显示，模型的规模越大（参数越多），模型的能力越强，并且当参数达到一定量级时模型会涌现出新的能力产生质变，这一现象被总结为“尺度定律”（ScalingLaws）。

Transformer模型架构示意图 LLMs进化树 模型向更大参数方向演化BERT模型结构

Transformer模型架构示意图

LLMs进化树

模型向更大参数方向演化

BERT模型结构

GPT模型结构

资料来源：《AttentionIsAllYouNeed》，GoogleResearch，《HarnessingthePowerofLLMsinPractice:ASurveyonChatGPTandBeyond》，TalkAI，

图2：参数规模达到一定量级时产生涌现效应

资料来源：《AreEmergentAbilitiesofLargeLanguageModelsaMirage?》，

ScalingLaws（尺度定律）支撑AI算力需求的爆发式增长。ScalingLaws表明，模型规模越大则能力越