算力网络再讨论!从Dojo架构到算法的硬件延伸——AIGC系列之二十三证券分析师:李国盛A0230521080003ligs@swsresearch.com杨海晏A0230518070003黄忠煌A0230519110001林起贤A0230519060002刘洋A0230513050006刘菁菁A0230522080003王珂A0230521120002戴文杰A0230522100006联系人:李国盛ligs@swsresearch.com2023.9.25投资案件结论•TeslaDojo的革新,启发我们进一步思考算力和网络的关系。硬件架构服从于算法设计,硬件需求的判断也不能与软件和应用层面脱钩。算力网络主线新一阶段的重要机会,应核心关注海外爆款应用或模型侧重大更新(Tesla是代表样本),以及国内新一轮的模型与应用开发。我们判断,随着国内科技大厂的网络演进至400G以上、运营商400G全光网推进建设、本土模型训练组网等加速,国内市场的高速网络需求将显著提升。算力网络与流量环节、AI服务器计算环节、华为产业链以及特斯拉与智能车产业链相关标的应重点关注。原因及逻辑•1)带宽与连接架构是决定算力性能的因素;2)芯片层面的高速chip-to-chip连接方案是高速网络、光通信需求的底层逻辑;3)单SoC性能提升+芯片“堆量”,不意味着算力集群整体性能的线性提升,网络设计是瓶颈。有别于大众的认识•市场担心TeslaDojo架构是否具有颠覆性,及对光通信/传统AI架构的冲击。我们认为,硬件架构服从于算法设计。与当前AI算力算法领域其他巨头不同,Tesla的AI方案根植于其能源/车/具身智能等垂直场景,具有独特性和难复制性。Dojo的发展历程与技术特征反而启示我们,对于算力网络硬件需求的判断,要结合特定场景;或者说,下一阶段的算力网络投资,重点应关...
发表评论取消回复