“东数西算”工程全面启动，西部数据中心更加聚焦存储备份、离线处理等任务。我们认为AI超算中心聚焦训练任务，强算力、高功耗、弱延时的特性与西部枢纽的功能定位切合，叠加AI的国家战略地位，我们预计AI超算中心有望受益于“东数西算”。作为其中的算力基础，云端AI芯片市场空间广阔，我们预计全球云端AI芯片2025年市场规模将达到261亿美元。

　　摘要

　　AI芯片是人工智能的算力基础，云边端AI芯片阶梯式满足AI推理与训练需求。在AIoT提供海量数据、深度学习算法日益成熟的当下，AI芯片作为AI应用落地的算力基础，重要性日益凸显。我们看到：1)终端AI芯片追求以低功耗完成推理任务，以实际落地场景需求为导向，在能耗/算力/时延/成本等方面存在差异；2)边缘AI芯片介于终端与云端之间，承接低时延/高隐私要求/高网络带宽占用的推理或训练任务；3)云端AI芯片以高算力/完成训练任务为目标，包括CPU/GPU/FPGA/ASIC等多种类型。我们认为，云端训练任务与西部枢纽的定位契合，云端AI芯片有望受益“东数西算”。

　　传统通用芯片CPU/GPU/FPGA部分适配AI需要，GPU凭借高算力成为主流选择。传统CPU遵循串行的执行方式，运算单元占比小，各厂商尝试提高频率/增加计算单元/增加核数以提升算力，但受制于成本/功耗/技术难度，仍未出现适配AI要求的主流CPU产品。GPU运算单元占比高，适合并行处理大规模数据，虽然功耗及成本仍较高，但高算力适配深度学习等算法的数据处理需求，叠加成熟生态CUDA，GPU成为云端AI芯片的主流选择。此外，FPGA由于可编程而更具灵活性，相比于CPU/GPU/ASIC分别在算力/功耗/成本(小规模)上更具优势，我们认为在芯片需求未成规模、AI算法持续迭代的背景下，FPGA凭借可重构特性成为最佳选择之一。

　　在AI云端算力需求的推动下，ASIC/DPU等专用芯片应运而生。由于ASIC为专用芯片，在研发成本、灵活性上所有欠缺，但其在特定使用场景下高算力/低功耗/小面积的优势仍吸引国内外厂商积极布局，如TPU、类脑芯片等。我们认为，AI渗透率的提升及RISC-V开源指令集的发展有望推动ASIC单位芯片成本的降低，形成“规模效应-成本下降-应用规模提升”的良性循环，有望成为未来的主流选择。DPU则通过卸载CPU网络传输、数据安全、存储加速等功能，优化数据中心的基础层运算任务，将CPU的算力释放至上层应用，在数据中心层面实现算力提升。我们认为，DPU有望与CPU、GPU三足鼎立，成为数据中心的核心算力支撑。

　　风险

　　人工智能落地不及预期，物联网发展不及预期。

（文章来源：中金点睛）