本周人工智能再度成为全球的焦点，而这次的主角并非Chat GPT，而是上游的“卖水者”英伟达。从长远角度看，无论全球哪个大模型能成功或者不成功，整个人工智能的发展以及元宇宙、下一代互联网技术的发展都离不开算力底座的支持，所以英伟达能成功也绝非偶然。

　　如果说人工智能是人类真正跨入硅基时代的基础，那么，英伟达就是硅基时代最大的赢家。英伟达的GPU是AI时代最重要的基础设施之一，GPU提供算力，是AI时代不折不扣的“卖水者”。

　　2020年，全世界运算AI的云计算与数据中心有80.6%都在用英伟达的GPU驱动；2021年，在全球前500个超算中有七成由英伟达的芯片驱动，在最新的超算系统中，此比例超过九成。目前，运行ChatGPT的微软数据中心用了上万块英伟达的H100 GPU，更先进的DGXGH200已投入量产并将于年底上市，性能将是DGX A100的250倍！

　　英伟达凭借GPU服务器的强大竞争优势已经把竞争对手英特尔、AMD、高通等远远甩在了后面，犹如当年高通凭借移动芯片超越英特尔一样，现在GPU算力服务器的发展趋势就是替代传统的CPU服务器。凭藉着这一独门绝技，英伟达最近一两年成为IT产业界和资本市场的双重宠儿，市值一度跨越1万亿美元大关。

　　当然，在这股席卷全球的人工智能大潮中，我们也不甘落后，从最高的指导政策和实际落地的产业政策上都有了突破，最典型的就是最近上海、北京和深圳这些科技及资金实力雄厚的一线城市出台的人工智能产业规划。

　　上海提出要建设人工智能“上海高地”，发挥人工智能的“头雁效应”，打造一批具有影响力的人工智能产业集群。同时，上海先后发布新一代人工智能算法创新行动计划，全国首个人工智能地方标准体系建设指导意见，全国首部AI省级法规《上海市促进人工智能产业发展条例》等一系列相关制度配套和政策创新，对人工智能产业发展起到了重要的引领作用。

　　北京提出要加快建设具有全球影响力的人工智能创新策源地，到2025年北京人工智能核心产业规模将力争达到3000亿元，持续保持10%以上增长，辐射产业规模将超过1万亿元。

　　深圳发布《深圳市加快推动人工智能高质量发展高水平应用行动方案（2023—2024年）》，提出将发挥政府投资引导基金作用，统筹整合基金资源，形成规模1000亿元的人工智能基金群。鼓励人工智能企业在境内外多层次资本市场开展股权融资。还明确要建设城市级智能算力平台，打造大湾区智能算力枢纽，建设企业级智能算力平台。

　　如三六零上月末推出了360智脑·视觉大模型及多款AI硬件新品，现阶段主要聚焦开放目标检测（OVD）、图像标题生成、视觉问答（VQA）三项能力；行业新锐则发布了炎帝大模型，企业可以用这些硅基劳动力来做短视频生成、直播生成、电影/电视剧生成、甚至数字永生等方面的工作；网易有道、学而思、科大讯飞等也都发布了自家大模型成果在教育领域的应用，科大讯飞发布了全球首款搭载大模型的AI学习机T20，提供包括作文批改、模拟口语老师实景对话等进阶功能，网易有道在“子曰”大模型的基础上研发的AI口语老师……

　　人工智能渐入中局。前面说了，所有的大模型数据训练和实际使用都需要算力的支撑，所以，AIGC的成败还在算力。算力基座包括“算”、“储”、“连”三部分。

　　在“算”这个领域，英伟达的GPU芯片独孤求败，外围产业链能跟进的就是高速光模块。目前英伟达一个H100 GPU需要3至4个800 G光模块，一个DGX GH200则需要16至18个800G光模块。预计今年全年全球的800G需求将达到80万只至90万只，明年需求将有望达到250万只至300万只。市场的需求是实实在在的，仅今年一季度全球800G光模块已经出现了三次追加订单的情况。由于光模块中国占据全球60%以上的产能，因此部分头部企业已经受益于此次需求的爆发，A股市场能生产800G光模块的中际创旭、新易盛、剑桥科技等都是大牛股。

　　在“储”这个领域，需求也是爆发式增长，因为算力的基础是数据，需要大量的存储，如首批集成英伟达GH200超级芯片的系统采用NVLink Switch System组合256个GH200超级芯片，使其能够作为单个GPU运行，提供高达1exaflops的性能以及144 TB的共享内存。这意味着它的内存是Nvidia于2020年推出的上一代DGX A100超级计算机的近500倍。不过，由于各种原因，国内存储企业要想进入英伟达的供应系统非常困难，只能寄希望于国内大数据超算中心扩容以后对国产存储产业链的需求支撑。

　　最后说一下还没有被市场挖掘的“连”。不管算力再怎么强大，要落实到应用层面就需要无损的数据传输。因此，我们看到，上周末主营数据中心局域网连接的迈威尔科技出现了大涨。

　　根据英伟达推荐配置，建议在服务器接口上连接1个800G光模块，通过twin-port连接两根光缆（MPO），分别插在两个交换机上。也就是说，高密度光纤连接（MPO）的需求是与400G、800G高速光模块匹配的。实际上，MPO产品已经广泛地运用在超算中心和大数据中心之中，只是目前AIGC对算力的需求更大，对无损数据传输的条件更高，这样也势必引发算力基础建设扩容的时候对MPO的连接需求提升。