2023AI超算互联网发展现状及产业链投资机会分析报告（40页）.pdf

1、2023 年深度行业分析研究报告 内容目录内容目录 1.AI 超算互联网算力的后周期市场.7 2.云化/调优/调度巨头战场，技术为骨，通信为魂.9 2.1 算力云化：算力租赁势起，被 AI 重定义的云计算.9 2.1.1AGI 时代到来，GPU 算力需求爆发，云计算面临新挑战.9 2.1.2DGX Cloud 发布，云算力进入 GPU 新时代.11 2.1.3GPU VS 比特币矿机爆发的需求、紧缺的供给和极短的回款周期.14 2.1.4 现状：GPU 禁令，国产算力进程加速，合理分配利用资源重要性突显.14 2.1.5 跨区域、跨集群、跨架构的算力调度调优能力日益重要.16 2.1.6 从比

2、特币算力演变看 AI 算力发展.19 2.2 算力调优：大模型时代，通信即调优.22 2.2.1 算力调优是算力发展的终身课题.22 2.2.2 网络调优：算力调优的核心手段.23 2.2.3 现状：AI 的网络新需求.27 2.2.4 未来：网络为主，可视化为辅.29 2.2.5 模型调优.33 2.3 算力调度：全局最强辅助.35 2.3.1What-算力调度是什么.35 2.3.2Where-算力在哪里调度.35 2.3.3How-如何实施.36 2.3.4Who-谁在参与.37 3.软件服务海外先行，百花齐放，部署先行.38 3.1 软件服务的三个方向：数据管理、模型落地、训练可视化.

3、38 3.1.1 数据管理.38 3.1.2 模型落地.38 3.1.3 训练可视化.40 3.2 国内市场展望.40 图表目录图表目录 图表 1：超算互联网算力的后周期.7 图表 2：Buy more Save More 的典型代表 GH200 芯片.8 图表 3：数据库巨头 snowflake 与英伟达达成合作.8 图表 4：云计算原理图.9 图表 5：CPU 和 GPU 示意图.9 图表 6：CPU 和 GPU 的对比.9 图表 7：英伟达 h100 集群.10 图表 8：英伟达 DGX A100 与 DGX H100 互联结构.10 图表 9：英伟达 DGX Cloud 集群.11 图

4、表 10：NVIDIA DGX 云人工智能软件堆栈.12 图表 11：NVIDIA DGX 与传统 IaaS 比较优势明显.12 图表 12：NVIDIA DGX 与传统 IaaS 比较优势明显.13 图表 13：英伟达 10 月 23 日提交给美国 SEC 的 8-K 文件.14 图表 14：新上美国实体清单的 13 家公司.15 图表 15：华为 atlas 900 集群.15 图表 16：目前国内地区仍可通过订购云计算方式租用 AI 算力.16 图表 17：大模型训练四大挑战.16 图表 18：百度高性能 AI POD 的高性能通信网络.17 图表 19：百度高性能 AI POD 的高性

5、能通信网络.18 图表 20：英伟达 DGX GH200，256 个 GPU 组成的完全连接的 NVIDIA NVLink 交换机系统拓扑结构.19 图表 21：AIGC 驱动全网内容大爆炸，个人唯有生成更多内容，方能获得更多用户注意力.20 图表 22：大语言模型参数的增长趋势.20 图表 23：比特币矿机芯片技术与挖矿模式发展历程.21 图表 24：三大算力调优措施针对解决不同的算力问题.22 图表 25：2019-2026 中国通用算力规模及预测.23 图表 26：2019-2026 中国智能算力规模及预测.23 图表 27：大模型发展下对分布式训练诉求提升.24 图表 28：PCIe6

6、.0 版本的带宽大幅提高.24 图表 29：PCIe Switch 架构.25 图表 30：OpenCAPI 协议.26 图表 31：CXL 协议.26 图表 32：DGX GH200 架构图.26 图表 33：RDMA 网络种类.27 图表 34：RoCE 和 InfiniBand 比较.27 图表 35：大模型训练对网络的要求.28 图表 36：百度百舸平台任务可视化工具界面.28 图表 37：OpenAI 将 Kubernetes 扩展到 7500 个节点.29 图表 38：DPFR 本地快速收敛（上）和远端快速收敛（下）.30 图表 39：Wireshark 图形用户界面.30 图表