GPU市场分析分析与预测

GPU市场分析分析与预测

1、GPU市场规模及预测

根据 Verified Market Research 的预测， 2020 年 GPU 全球市场规模为 254 亿美金，预计到 2028 年将 达到 2465 亿美金，行业保持高速增长， CAGR 为 32.9% ，2023 年 GPU 全球市场规模预计为 595 亿美 元。

2、 PC显卡市场

独立显卡市场开始逐渐回暖。 根据 Jon Peddie Research 的数据， 2022 年独立 GPU 出货量下降至    3808 万台，同比下降 22.5% ，22Q3 单季度出货690 万台，同比下降 45.7%，是十年以来最大的一次下 滑，独立显卡出货情况 22Q4 开始逐渐转暖。

集成显卡出货情况仍然不容乐观。2022 年集成 GPU 出货量为 2.83 亿台，同比下滑 29.8%。疫情期间 的居家办公需求带动了笔记本电脑的消费增长，集成显卡的购买激增一定程度上过早消耗了市场需求， 后疫情时代，笔记本电脑端需求减弱叠加供应商的过剩库存导致集成显卡出货不断走低。

2022年独立显卡出货遭遇巨大下滑的原因有三点： (1) 受宏观经济影响，个人电脑市场处于下行周 期； (2) 部分独立GPU参与虚拟货币挖矿， 以太坊合并对独立 GPU出货造成巨大冲击； (3) 下游 板卡厂商开启降库存周期。

(1)  原因一：  个人电脑市场依旧处于下行周期

个人电脑市场保持疲软状态。 根据 IDC 数据， 2022 年全年 PC 出货量为 2.92 亿台，同比下降 15.5%， 2022Q4 全球 PC 出货量仅为 6720 万台， 同比下降 28.1% 。IDC 预测 2023 年个人电脑市场全年出货 2.608 亿台， 全年同比下降 10.7%。按照 2023 年的整体出货量情况， 对四个季度的出货情况做了进一 步预测， 预计 2023Q2-2023Q3 后个人电脑出货将迎来逐季度好转。

下游PC厂商库存情况得到改善。当前个人电脑市场正处在 PC 厂商去库存周期， 根据 PC 厂商的财报  披露，华硕和联想的库存天数已经开始减少，其余三家(惠普、戴尔、宏碁)的库存天数并未显著降低， 由于所有厂商都在积极采取行动减少产量， 预计下游 PC 厂商库存情况会进一步改善， 2023Q3 可能恢  复到正常库存情况。

(2)原因二：  显卡挖矿市场出现转折，  以太坊转向权益证明

以太坊ETH占据显卡挖矿主要市场。 根据 MESSARI 数据，在采用GPU 挖矿的前 7 名虚拟货币中，以 太坊 ETH 挖矿收入占 GPU 矿工总收入的 97%。比特币、莱特币等虚拟货币多采用功耗更低的 ASIC 矿 机。

2022年9月15 日，以太坊运行机制全面升级， 从以太坊 1.0的工作量证明机制 (PoW) 转向以太坊2.0的权益证明机制 (PoS) ，在工作量证明机制中， 需要通过累积显卡提升计算能力，计算能力越强 获得记账收益的概率越大； 在权益证明机制中，只需通过质押虚拟货币获得收益， 质押的虚拟货币数量 越大获得记账收益的概率越高。以太坊全面合并后不再需要购入大量显卡、投入计算资源用于挖矿，是 显卡挖矿市场的重要转折点。

挖矿用显卡平均哈希率为46Mh/s。根据 HiveOS 矿池数据，通过不同型号显卡的哈希率和占比情况统 计，估算得到衡量显卡挖矿能力的平均哈希率为 46Mh/s。

以太坊合并后显卡需求降至零。根据以太坊全网算力，测算得到用于以太坊挖矿的 GPU 数量在 2022   年 5 月达到巅峰，大概为 2573 万张， 2022 年 9 月降至 2008 万张，在以太坊合并之后， 显卡需求降至 零。

如果按照20%回收比例测算，约500万张存量显卡将流入二手市场， 预计带来的不利影响在2022Q4-2023Q1之间结束。

(3)  原因三： GPU厂商库存迎来好转，  高端显卡价格企稳回升

GPU厂商库存情况即将迎来好转。根据 Bloomberg 数据， GPU 下游四家台湾板卡厂商(华硕、技嘉、 微星、华擎)自 2022 年一季度原材料库存达到历史高位以后， 连续两个季度库存环比降低，当前原材 料库存相比最高峰下降 28% 。复盘历史可见，GPU 厂商成本库存高峰多于台湾板卡厂商原材料库存 2-3 季度后到来， 预计 GPU厂商的成品库存将于2022Q4到达顶峰。

高端显卡价格开始企稳回升。 根据 Amazon 上的显卡价格跟踪， 英伟达和 AMD 的高端显卡在 2022 年 10 月以后均实现了不同程度的价格回升，例如 RTX3080 价格上涨 30% ，RTX3090 价格上涨 28%，显 卡价格的回升意味着渠道商库存正逐步回归到正常水平，高端显卡受挖矿市场冲击更为剧烈，高端显卡 价格上涨从侧面也能观察到挖矿市场带来的不利影响正在逐渐消失。

3、GPU在数据中心的应用蕴藏巨大潜力

在数据中心，GPU被广泛应用于人工智能的训练、推理、高性能计算(HPC)等领域。

预训练大模型带来的算力需求驱动人工智能服务器市场快速增长。 巨量化是人工智能近年来发展的重要 趋势，巨量化的核心特点是模型参数多，训练数据量大。Transformer 模型的提出开启了预训练大模型 的时代， 大模型的算力需求提升速度显著高于其他 AI 模型，为人工智能服务器的市场增长注入了强劲 的驱动力。根据 Omdia 数据，人工智能服务器是服务器行业中增速最快的细分市场， CAGR 为 49%。

战略需求推动GPU 在高性能计算领域稳定增长。高性能计算(HPC)提供了强大的超高浮点计算能力， 可满足计算密集型、海量数据处理等业务的计算需求， 如科学研究、气象预报、计算模拟、军事研究、 生物制药、基因测序等，极大缩短了海量计算所用的时间， 高性能计算已成为促进科技创新和经济发展 的重要手段。

(1)  大模型带来人工智能算力的旺盛需求

自然语言大模型参数巨量化是行业发展趋势所向。 以 ChatGPT 为代表的人工智能模型表现出高度的智 能化和拟人化， 背后的因素在于自然语言大模型表现出来的涌现能力和泛化能力， 模型参数到达千亿量 级后，可能呈现性能的跨越式提升， 称之为涌现能力； 在零样本或者少样品学习情景下，模型仍表现较 强的迁移学习能力，称之为泛化能力。两种能力都与模型参数量密切相关，人工智能模型参数巨量化是 重要的行业发展趋势。

预训练大模型进入千亿参数时代，模型训练算力需求迈上新台阶。 自 GPT-3 模型之后，大规模的自然  语言模型进入了千亿参数时代， 2021 年之后涌现出诸多千亿规模的自然语言模型，模型的训练算力显   著增加。 ChatGPT 模型参数量为 1750 亿， 训练算力需求为 3.14*10flops，当前各种预训练语言模型还 在快速的更新迭代，不断刷新自然语言处理任务的表现记录，单一模型的训练算力需求也不断突破新高。

(2)  大模型带来AI芯片需求的显著拉动

大模型的算力需求主要来自于三个环节：

预训练得到大模型的训练环节。该环节中，算力呈现海量需求且集中训练的特点， 大模型通常在数天到 数周内在云端完成训练。模型的训练算力与模型参数量、训练数据量有关，以 ChatGPT 的训练为例， 单次模型训练需要 2000 张英伟达 A100 显卡不间断训练 27 天。

适应下游领域时进一步fine-tune环节。 算力需求取决于模型的泛化能力以及下游任务的难度情况。

大模型日常运行时的推理环节。大模型的日常运行中每一次用户调用都需要一定的算力和带宽作为支撑， 单次推理的计算量为 2N (N 为模型参数量)，例如 1750 亿参数的ChatGPT 模型 1ktokens 的推理运算 量为 2*1750*10*10=3.5*10flops=350 Tflops。近期 ChatGPT 官网吸引的每日访客数量接近 5000 万， 每小时平均访问人数约 210 万人， 若高峰时期同时在线人数 450 万人，一小时内每人问 8 个问题，每个 问题回答 200 字，测算需要 14000 块英伟达 A100 芯片做日常的算力支撑。大模型在融入搜索引擎或  以 app 形式提供其他商业化服务过程中，其 AI 芯片需求将得到进一步的显著拉动。

4、AI服务器是GPU市场规模增长的重要支撑

根据Omdia数据，2019年全球人工智能服务器市场规模为23亿美金，2026年将达到376亿美金，CAGR为49%。根据 IDC 数据， 2020 年中国数据中心用于 AI 推理的芯片的市场份额已经超过 50% ， 预计到 2025 年，用于 AI 推理的工作负载的芯片将达到 60.8%。

人工智能服务器通常选用 CPU 与加速芯片组合来满足高算力要求，常用的加速芯片有 GPU、现场可编 程门阵列(FPGA)、专用集成电路(ASIC)、神经拟态芯片(NPU) 等。GPU凭借其强大的并行运 算能力、深度学习能力、极强的通用性和成熟的软件生态，成为数据中心加速的首选，90%左右的AI服务器采用GPU作为加速芯片。

受云厂商资本开支影响AI服务器市场或将短期增速放缓。

北美云厂商资本开支有所放缓。人工智能服务器多采取公有云、私有云加本地部署的混合架构，以北美 四家云厂商资本开支情况来跟踪人工智能服务器市场需求变动， 2022 年四家云厂商资本开支合计 1511      亿美元， 同比增长 18.5% 。Meta 预计 2023 年资本开支的指引为 300-330 亿美元之前，与 2022 年基本 持平，低于此前 22Q3 预计的 340 亿到 390 亿美元；谷歌预计 2023 年资本开支将于 2022 年基本持平， 但是会加大 AI 及云服务的建设投资。

信骅科技短期营收下滑有所缓解。作为全球最大的 BMC 芯片企业，信骅科技(Aspeed) 的营收变化情 况一般领先云厂商资本开支一个季度，其月度营收数据可以作为云厂商资本开支的前瞻指标，信骅科技 近期营收下滑有所缓解。

5、GPU在超算服务器中的市场规模保持稳定增长

GPGPU 在高性能计算领域渗透率不断提升。在高性能计算领域，CPU+GPU 异构协同计算架构得到越 来越多的应用， 全球算力前 500 的超级计算机中， 有 170 套系统采用了异构协同计算架构， 其中超过 90%以上的加速芯片选择了英伟达的 GPGPU 芯片。

GPU 在超算服务器中的市场规模保持稳定增长。根据 Hyperion Research 数据，全球超算服务器的市场 规模将从 2020 年的 135 亿美金上升到 2025 年的 199 亿美金， 按照GPU 在超算服务器中成本占比为

27.3%核算， GPU 在超算服务器中的市场规模将从 2020 年的 37 亿上升至 2025 年的 54 亿美金， CAGR 为 8%。

6、  自动驾驶领域 GPU市场保持高成长性

在自动驾驶领域， 各类自动驾驶芯片得到广泛的应用。根据 Yole 数据， 全球自动驾驶市场 2025 年将达 到 780 亿美金，其中用于自动驾驶的 AI 芯片超过 100 亿美元。

自动驾驶GPU市场保持较高高成长性。根据 ICVTank 的自动驾驶渗透数据， 假设 GPU 在 L2 中渗透 率 15%，在 L3-L5 中渗透率 50%，估算得到 GPU 在自动驾驶领域的市场规模， 整体规模将从 2020 年 的 7.1 亿美元上升至 2025 年的 44 亿美金， CAGR 为 44%。