《科创板日报》7月7日讯（记者 田箫） “智联世界，生成未来”，2023世界人工智能大会汇聚了行业顶流，共话AI产业新未来。

在今日的大会期间，由财联社、东浩兰生主办，安信证券联合主办的【未来已来!洞察人工智能产业投资机会】专场活动重磅开启。会议围绕人工智能和产业投资话题，特邀请到20余位首席分析师、行业专家、学术精英、企业代表等，以主题演讲、圆桌论坛形式分享行业前沿技术应用、AI未来发展新趋势、产业投资方向。

论坛上，安信证券电子首席分析师马良针对算力未来发展趋势与瓶颈，进行了主题演讲。

马良首先指出，人工智能的市场和需求目前非常旺盛，但任何技术的发展都不是空中楼阁，而是建立在稳固的地基之上，算力就是人工智能所有应用的地基。

他认为，AI是第四次科技革命的发动机，如果说计算机的诞生完成了信息数据化转型，互联网的诞生又解决了信息传输问题，那么，AI的诞生就解决了信息的高效率处理和加工的难题。与上轮的深度学习相比，现在AI模型通常都需要亿以上的参数，对于计算能力要求非常高。因此，在通用AI领域，例如典型的ChatGPT训练，未来一定将以云端算力为主， AI服务器必不可少。细分场景的垂直类AI或者推理端，边缘侧应用会百花齐放。

在硬件方面，马良表示，“我们把服务器进行分拆以后，发现绝大部分价值链就是来自于芯片。目前在云端更多使用GPGPU与ASIC，这种高壁垒的核心芯片在ai发现的过程中会受益。在边缘侧，定制化应用的FPGA可能有的机会受益。我们认为，谷歌的TPU是ASIC的典型，而英伟达和AMD是GPGPU的代表。即使在芯片领域，也会出现不同的技术路径，存在弯道超车的可能性，这就是科技产业的魅力。”

AI服务器方面，根据TrendForce数据，全球AI服务器未来几年会实现非常高的增速，年化率预计在22%左右。马良表示，目前大家非常关注训练端的服务器，因为大模型的诞生需要大量训练的。但是，一旦通用大模型做到一定的量级，或算法层面达到一定的平台之后，应用层面更多需要的是推理端服务器，看长远更大的市场空间来自于推理端，推理服务器的开发难度也低于训练端。“在推理端，我相信国内的公司追赶起来会更加迅速”，马良称。

对于制约算力的发展瓶颈，马良认为，目前的计算体系仍然基于冯·诺伊曼架构， 首先由CPU进行计算，再将运算结果交给内存，需要的时候提取出来，所以存和算并非完全一致。而且这种架构也会浪费很多能耗，所以，AI的进一步发展除了更先进的制程，还需要打破内存墙和能耗墙。

如何突破算力瓶颈？马良总结了四个发展方向。

一是提高现有存储器件和传输速度，最现实的就是HBM技术。和原来的GDDR接口相比，能够大幅度提升传输速度。

二是采用存算一体新架构。目前，三星、台积电、海力士与国内的阿里、创业公司千芯等多家都已有相关布局，虽然在算法、配套上还有一定的短板，但随着短板的一个个攻克，未来会形成大趋势。

三是Chiplet技术。用Chiplet为可以实现模块化的芯片集成，需要的地方用先进制程，不需要的地方用不那么先进的制程，一方面可以降低成本，另外一个方面能够提高整体良率，同时也降低了设计复杂程度。

四是边缘计算，可以提高算力芯片的良率，减少数据传输压力，灵活度也非常高。