华福证券：电子行业专题报告：如何测算文本大模型AI训练端算力需求？

投资要点： 需求侧：ScalingLaw驱动大模型算力需求不减 ScalingLaw仍然是当下驱动行业发展的重要标准。ScalingLaw的基本原理是，模型的最终性能主要与计算量、模型参数量和数据大小三者相关，当不受其他两个因素制约时，模型性能与每个因素都呈现幂律关系。因此，为了提升模型性能，模型参数量和数据大小需要同步放大。从大模型数量上看，近年来呈现爆发式增长趋势。且由于尖端AI模型对于资源投入的大量需求，产业界对于大模型的影响力逐步加深。我们统计了产业界诸多公开披露的大模型训练数据，从大模型算力需求来看，GPT-3到GPT-4参数上从175B快速提升到1.8TB（提升9倍），训练数据量（Token数）同方向快速增长，由0.3TB提升至13TB（提升42倍）。绝对值上看，根据我们的非完全统计情况，国内外主流大模型在参数量上基本已来到千亿量级，在预训练数据规模上均已来到个位数乃至十位数的TB量级。 供给侧：黄氏定律推动英伟达GPU一路高歌 英伟达GPU持续引领全球AI算力发展，虽然“摩尔定律”逐步放缓，但“黄氏定律”仍在支撑英伟达GPU算力快速提升，一方面，英伟达寻求制程工艺迭代、更