ChatGPT秒回复杂问题、自动驾驶精准识别路况的背后是万亿次/秒的算力在支撑。
AI算力是集信息计算力、网络运载力、数据存储力于一体的新型生产力，涵盖“算力芯片-服务器-光模块-PCB(印刷电路板)-液冷-AIDC(人工智能数据中心)-算力网络”等核心环节，协同支撑AI算力的高效输出。
我们以AI算力产业链的视角展开，带大家一起梳理一下。
算力产业包括上游的芯片及元器件，中游的服务器与网络设备，下游的数据中心及云服务三部分构成。
本期，我们聚焦算力产业链的上游——芯片，主要负责数据的计算，包括CPU、GPU、ASIC、FPGA等。它们有的擅长“多面手”工作，能处理各种复杂任务，有的专攻单一领域，把一件事做到极致。
先看一张对比表，快速get核心差异：
我们用职场分工来做个比喻，帮助大家更好地理解它们的核心定位和区别。
CPU(中央处理器)：“全能经理”，啥活都能扛但不偏科
CPU相当于“全能经理”，比如你用电脑写文档，CPU要同时处理文字输入、自动保存、后台杀毒等多个任务，擅长把复杂逻辑梳理得井井有条。小到手机、笔记本，大到服务器、超级计算机，都离不开 CPU，但如果让它去算1000万道加减法，效率就不如专门的“数据团队”GPU了。
ASIC(专用集成电路)：“专项专家”，把一件事做到极致
ASIC是为单一任务量身定做的芯片，相当于一个专项业务专家，只负责某一件事，但能把这件事做到极致，比如手机里的“基带芯片”，专门处理通信信号，也是ASIC的一种。但是ASIC有一个缺点，一旦设计生产，就没办法改变功能，如果任务变了，这个芯片就没用了。
FPGA(现场可编程门阵列)：“灵活项目组”，随时调整任务
FPGA有点像芯片里的“变形金刚”，它的内部有大量可适配逻辑单元，可以根据不同任务随时调整分工，不需要重新生产芯片。比如5G基站在不同地区需要支持 “不同频段信号”，用FPGA就能通过“重新编程” 快速适配，不用换芯片；再比如芯片公司研发新产品时，会先用FPGA做“原型验证”—— 先测试功能是否可行，再决定要不要量产ASIC，大大降低研发风险。
总的来说，每类芯片都有对应的下游应用和技术路线，其中目前GPU市场最为成熟且应用广泛。据Statista数据显示，2023年，全球GPU市场规模高达436亿美元，预计2029年达到2742亿美元。
而我国目前也有不少公司能够自主研发AI芯片。IDC数据显示，2024年，我国本土AI芯片品牌渗透率约30%，出货量达82万张。《中国规划2025》提出，到2025年，70%的核心基础零部件、关键基础材料实现自主保障。
芯片作为AI算力的基石，为AI服务器提供算力的底层支撑，无论是全球巨头主导的成熟赛道，还是国产厂商突围的创新领域，芯片的技术突破与产能落地，都将影响着AI算力从“够用”到“好用”的跨越，成为支撑其发展的核心引擎。
#存储芯片掀涨价潮！投资机会几何？#
$易方达科创人工智能ETF联接C(OTCFUND|023565)$
声明
本资料仅用于投资者教育，不构成任何投资建议。我们力求本资料信息准确可靠，但对这些信息的准确性、完整性或及时性不作保证，亦不对因使用该等信息而引发的损失承担任何责任，投资者不应以该等信息取代其独立判断或仅根据该等信息做出决策。基金有风险，投资须谨慎。
1、以上内容不代表对市场和行业走势的预判，也不构成投资动作和投资建议，建议持有人根据自身的风险承受能力自主审慎作出投资决策。
2、风险提示：基金有风险，投资需谨慎。投资人应当阅读《基金合同》《招募说明书》《产品资料概要》等法律文件，了解基金的风险收益特征，特别是特有风险，并根据自身投资目的、投资经验、资产状况等判断是否和自身风险承受能力相适应。基金管理人承诺以诚实信用、谨慎尽责的原则管理和运用基金资产，但不保证基金一定盈利或本金不受损失。过往业绩不预示其未来业绩，其他基金业绩不构成本基金业绩的保证。页面相关产品由易方达基金管理有限公司发行与管理,代销机构不承担产品的投资、兑付和风险管理责任。
