通信行业点评：基于GPT40模型的通信基础设施需求测算近期关于GPT 模型的更新和进展不断，2022 年12 月Open AI 推出的基于GPT3.5 模型的chatgpt 应用在发布2 个月就拥有了1 亿用户，短短3 个多月后，2023 年3 月14 日Open AI 便发布了多模态GPT 4.0 大模型，相较于GPT 3.5 模型，GPT 4.0 模型支持图文回答并实现了回答度的大幅提升。3 月25 日，ChatGPT再次功能升级实现了对插件的初始支持，帮助ChatGPT 访问最新信息、运行计算或使用第三方服务。国内，百度发布了文心一言大模型，华为盘古大模型也将迎来发布，行业催化不断。应用层面的快速进展会直接带动以服务器-交换机-光模块为代表的硬件基础设施的需求提升。
国信通信观点：我们尝试从硬件基础设施角度对于当前以Chatgpt 为代表的AI 应用需求带来的硬件的弹性进行测算，并得到以下几个重要结论：（1）在AI 集群数据中心网络架构中，服务器：交换机：光模块对应比例为=1：1.2：11：4.；（2）短维度：从当下GPT 模型一次性角度测算，服务器、交换机、光模块的市场弹性分别为15%、5%、3%；（3）长维度：下游需求亿级别大规模响应角度测算，服务器、交换机、光模块的市场弹性分别为65%、19%、10%。
投资建议：以Chatgpt 为代表的AI 应用正在得到快速发展，并进行着快速迭代，进而有望赋能多行业、多样化新型应用落地，提升行业效率。软端的快速发展离不开硬件基础设备的保障，因此AI 数据中心内部的各类的硬件基础设施环节有望充分受益AI 行业进步带来的需求提升：建议重点关注国内ICT 领先企业【紫光股份】、【浪潮信息】、【锐捷网络】、【中兴通讯】、【菲菱科思】；光模块及光器件环节【中际旭创】、【天孚通信】、【新易盛】；IDC 温控企业【英维克】、【申菱环境】；IDC 电源端企业：【科华数据】、【科士达】；第三方IDC【奥飞数据】；建议关注：【同飞股份】、【佳力图】。
基于英伟达AI 网络架构硬件需求比例：服务器：交换机：光模块=1：1.2:11.4由于当前大部分AIGC 模型都是基于英伟达方案来部署，我们从英伟达的AI 集群模型架构进行拆解。
对于较大的AI 数据中心集群，一般可多达几千台AI 服务器的需求，在部署方面会拆分成一个个基本单元进行组件，英伟达对应的一个基本单元为SuperPOD。
根据SuperPOD 公开信息：一个标准的SuperPOD 由140 台DGX A100 GPU 服务器、HDR InfiniBand 200G网卡和170 台NVIDIA Quantum QM8790 交换机构建而成，其中交换机速率为200G，每个端口数为40 个。
网络结构上，英伟达采用Infinband 技术（“无限带宽”技术，简称IB）和fat tree（胖树）网络拓扑结构，和传统的数据中心的区别在于，在IB fat tree 结构下，使用的交换机数量更多，且因为每个节点上行下行的端口数完全一致，使得该网络是是无收敛带宽的，每个端口可采用同样速率的光模块。
光模块用量测算：我们从线缆角度测算光模块需求，一个SuperPOD 170 个交换机，每个交换机有40 个端口，最简单方式上下个70 台服务器，依次端口互联（上下1：1 连接）对应的线根，但是由于实际网络拓扑结构交换价不是该情况，连接情况更加复杂且会分为三层结构，因此线缆数需求有所提升，我们假设上升至4000 根线缆需求。
线缆的需求分为三种，第一种用在机柜内部，互联距离5m 以内，常用需求为铜缆，不需要光模块；第二类互联距离为10m 以内，可以采用AOC（有源光纤）连接，也不需要光模块；第三类，带光模块的光纤，单根需求为2 个光模块。
考虑到10m 以内的连接占据多数，我们假设铜缆：AOC：光模块光纤比例=4：4：2.
对于一个SuperPod，服务器：交换机：光模块的用量比例=140：170：1600=1：1.2：11.4.
应用层面：单GPT4.0 模型对于服务器需求用量测算从用户使用角度来测算，我们对于服务器算力的测算受大模型参数，日活人数，每日每人提问等多因素影响。
在ChatGPT 中，一个token 通常指的是响应请求所需的最小文本单位，一般一个30 词的提问大约对应40个token，推理是token 的算力调用是2N。对应模型算力的需求我们分摊在一天24h 的每一秒。
角度1 我们选择从现有完成一个类似GPT4.0 入门级别要求的需求假设去测算硬件基础设施层面需求。
假设1：结合现有各类公开数据，完成ChatGPT4.0（训练+推理）需要至少3 万张英伟达A100 卡的算力投入，对应3750 台A100 的DGX 服务器。
假设2：全球假设国内和海外有潜在20 家公司可能按照此规模进行测投入。
假设3：网络结构比例按照单个SuperPOD 方式部署，即服务器：交换机：光模块的用量比例=1：1.2：11.4。
假设4：服务器价格参考英伟达价格，为20 万美元；交换价结合Mellanox 售价，假设单价为2w 美金，光模块根据交换机速率，现在主流为200G，假设售价为250 美金。
角度2：基于下游应用呈现规模角度，即按照单GPT4.0 模型对于服务器需求用量测算。
假设2：全球假设国内和海外有潜在20 家公司可能形成同样类型规模应用。
假设3：网络结构比例按照单个SuperPOD 方式部署，即服务器：交换机：光模块的用量比例=1：1.2：11.4。
假设4：服务器价格参考英伟达价格，为20 万美元；交换价结合Mellanox 售价，假设为2.5-3w 美金，光模块根据交换机速率，现在主流为200G，假设售价为250 美金。
以Chatgpt 为代表的AI 应用正在得到快速发展，并进行着快速迭代，进而有望赋能多行业、多样化新型应用落地，提升行业效率。软端的快速发展离不开硬件基础设备的保障，因此AI 数据中心内部的各类的硬件基础设施环节有望充分受益AI 行业进步带来的需求提升：建议重点关注国内ICT 领先企业【紫光股份】、【浪潮信息】、【锐捷网络】、【中兴通讯】、【菲菱科思】；光模块及光器件环节【中际旭创】、【天孚通信】、【新易盛】；IDC 温控企业【英维克】、【申菱环境】；IDC 电源端企业：【科华数据】、【科士达】；第三方IDC【奥飞数据】；建议关注：【同飞股份】、【佳力图】。
Chatgpt 为代表的应用落地不及预期，参数假设存在偏差，实际行业需求和投入力度不及预期。
