招商银行研究院研究报告指出，AIGC技术的快速发展正引发算力需求的指数级增长。Transformer模型引入前，算力需求每两年增长约8倍；采用Transformer后，这一数字飙升至每两年增长约275倍。GPT-4训练需动用约25000块A100 GPU，训练成本从GPT-3的430万美元激增至7835万美元。海外四大科技巨头2024Q2资本支出同比飙升54%至520亿美元，预计2024-2027年将投入8500亿美元用于AIGC基础设施。算力、存储、网络三大硬件赛道正迎来系统性投资机遇。
算力需求：从8倍到275倍的指数级跃升
AIGC大模型的算力需求增长曲线是理解本轮基础设施投资浪潮的起点。自2017年Transformer模型问世以来，其自注意力机制实现了序列数据的并行处理，显著提升了训练和推理效率，但也带来了对更高算力的迫切需求。根据英伟达数据显示，在引入Transformer之前，算力需求每两年增长约8倍；而采用Transformer后，这一增速飙升至每两年约275倍。
大模型性能遵循Scaling Law法则——模型性能随参数量、训练数据量和计算资源的增加而显著提升。GPT-3参数量约1750亿，训练数据集几千亿Token；GPT-4参数量提升至约1.8万亿（增幅超10倍），训练数据集扩大至13万亿Token。GPT-4训练需要约2.15e25 FLOPs的运算量，通常需要25000块A100 GPU，训练周期长达90-100天。斯坦福大学AI指数报告显示，GPT-4训练成本从GPT-3的约430万美元激增至2023年的7835万美元。
单卡算力持续提升但需求增长更快。英伟达从A100到GB200，FP16 Tensor Core算力从624 TFLOPS跃升至10 PFLOPs（16倍），GPU内存从80GB增至384GB（4.8倍），内存带宽从2.04 Tbps增至16 Tbps（7.8倍）。但大模型参数量的增长速度仍远超单卡算力提升，推动AI服务器集群向超大规模方向演进。
科技巨头的资本开支竞赛
全球互联网巨头正将AIGC视为战略优先级，资本开支竞赛全面展开。亚马逊、微软、谷歌和Meta 2021-2023年总资本支出达4670亿美元（年均1550亿）。2024年第二季度，四家公司资本支出合计520亿美元，同比增长54%，主要用于数据中心AIGC建设。
展望未来，预计2024-2027年间这四家公司将投入总额8500亿美元（年均2125亿美元），较2021-2023年增长82%。管理层表态高度一致：Meta CEO扎克伯格强调投资不足可能使Meta在未来10-15年处于竞争劣势；谷歌CEO皮查伊倾向于超额投资以确保抓住AI收入机会；亚马逊预计2024下半年资本支出将持续增长；微软宣布将加大AI基础设施建设投入，预计2025财年刷新资本支出记录。
全球AI资本支出预计从2022年1325亿美元增长至2027年5124亿美元，CAGR 31.1%。中国市场同样强劲，从2022年128亿美元增至2027年400亿美元（CAGR 25.6%），占亚太地区AI总支出的50%。无论是在全球还是中国，AIGC算力基础设施投资都处于加速扩张阶段。
算力、存储、网络三主线
GPU系统、HBM存储和高性能网络是AIGC硬件基础设施的三大核心主线。
GPU方面，英伟达在AIGC训练和推理市场占据绝对主导，2023年数据中心GPU销售收入362亿美元，市场份额达92%。AMD（3%）和英特尔（约2%）正在追赶，但生态差距显著。Yole预测全球AIGC GPU和ASIC市场将从2023年505亿美元增长至2029年2330亿美元，CAGR 29%。
HBM存储方面，随着AIGC算力需求上升，全球HBM市场预计从2023年55亿美元增长至2029年377亿美元，CAGR 37.8%。HBM在DRAM营收占比将从10.4%增至32.8%。SK海力士以55%份额领先HBM市场，是Nvidia H100/H200的唯一HBM供应商。
高性能网络方面，AI集群光模块市场预计从2023年20亿美元增长至2029年120亿美元，CAGR 34.8%，2025-2029年累计超520亿美元。中国厂商在光模块市场表现卓越，2023年全球前十中占据7席，合计份额超50%，中际旭创位居全球第一。
英伟达主流GPU产品性能演进| 产品 | 架构 | FP16 Tensor Core | GPU内存 | 内存带宽 | 发布时间 |
|---|
| A100 | Ampere | 624 TFLOPS | 80 GB | 2.04 Tbps | 2020年 |
| H100 | Hopper | 1979 TFLOPS | 80 GB | 3.35 Tbps | 2022年 |
| H200 | Hopper | 1979 TFLOPS | 141 GB | 4.80 Tbps | 2023年 |
| GB200 | Blackwell | 10 PFLOPs | 384 GB | 16 Tbps | 2024年 |
投资布局与风险提示
AIGC算力基础设施的投资主线围绕三个层次展开。第一层是GPU芯片及服务器，英伟达生态主导，但AMD MI300系列、英特尔Gaudi2也获得部分订单。第二层是存储与网络配套，HBM和800G/1.6T光模块受益于GPU集群扩张。第三层是数据中心建设，科技巨头资本开支增长直接拉动基础设施需求。
风险方面需关注：算力需求增速若不及预期可能导致资本开支收缩；半导体供应链风险（台积电先进封装产能、HBM产能等）；AI芯片出口管制政策变化对中国市场的影响；以及技术路线变化（如ASIC对GPU的替代）。但整体而言，AIGC算力基础设施投资的高景气度在中期维度仍具较强确定性。
