AI加速器协同高速通信：如何共促AI发展？投资前景如何？『附报告下载』 - 热点洞察

本次为大家解读的报告是《AI加速器协同高速通信技术，加速AI创新发展》，报告共22页，更多重要内容、核心观点，请参考报告原文，文末有完整版获取方式。

报告核心内容解读

本报告旨在深入探讨AI加速器与高速通信技术之间的协同作用，阐述其如何共同加速AI创新发展的进程。报告从训练端计算集群渗透率的提升和AI计算加速器需求增长的趋势入手，分析了网络优化对计算集群性能提升的重要性，以及Infiniband与RoCE方案在市场中的逐渐普及。最后，报告展望了AI 大模型领域的投资前景。

首先，随着AI大模型训练需求的日益增长以及模型参数的显著提升，训练端计算集群的渗透率正呈现出稳健的增长态势，同时AI计算加速器的需求也呈现出明显的上行趋势。研究指出，大模型的参数、样本数与训练所需GPU卡数之间呈现正相关关系，大模型参数的持续增加将进一步推动AI计算加速器的需求增长。预计至2027年，全球用于数据中心的AI计算加速芯片市场规模将以年均复合增速约72.7%的速度扩张。

其次，网络优化在提升计算集群性能方面扮演着举足轻重的角色。在大模型训练过程中，GPU通信时间占比超过50%，因此，提高同一机器内GPU与各硬件的传输效率，以及不同服务期间信息的传输效率，对于提升大模型训练效率具有至关重要的作用。目前，业界在解决GPU集群跨服务器通信问题时，多采用InifiniBand和RoCE解决方案，这两种方案的市场渗透率正在持续提高。其中，RoCE网络方案的普及有望带动DPU市场的蓬勃发展，预计我国DPU市场规模将以年均复合增速170%的速度快速增长。

此外，随着技术的不断进步，RoCE以太网正逐步向更高速度升级演进。全球数据中心领域对高性能以太网交换机设备及以太网交换芯片的需求正不断增长。同时，NVMe-oF+NVMeSSD方案因其卓越的性能、低延迟和高可扩展性，在人工智能、物联网、数据安全等多种需求的推动下，其市场规模有望实现快速增长。

最后，从投资视角来看，AI大模型领域的竞争日益加剧，模型参数的持续增长将进一步推动算力平台从依赖单一计算机向依赖计算集群的转变。这一转变将催生对优化算力集群间跨服务器信息传输效率的需求，从而持续提振AI加速器（GPU、FPGA、ASIC）的市场需求，并推动Infiniband及RoCE网络方案的市场渗透率进一步提升。因此，高性能IB交换机、以太网交换机、IB网卡、以太网智能网卡、DPU以及NVMeSSD等多种半导体硬件的需求有望在中长期内持续受益。