我们认为今后三年是国产GPU发展关键窗口期，生态建设至关重要。以ROCm为代表的生态实现了并行计算软件库的广覆盖，对主流AI框架如Pytorch等的完善支持都是生态建设的核心。优先推荐性能优良、软件库覆盖率高且能够持续迭代、已获得客户认可的公司如海光信息。昇腾NPU率先获得Pytorch原生支持，且研发资源强大，未来有望持续领先。建议关注华为昇腾整机合作伙伴。

▍国产GPU发展窗口期已至，生态构筑核心优势。

AI发展带动算力硬件需求，我们认为未来三年可能是国产GPU发展关键窗口期。目前国产算力硬件理论性能可接近国际主流，但软件生态是限制理论性能和开发者使用的重要因素。

▍CUDA：GPU生态先驱，AI时代基础设施。

CUDA是GPU生态的先驱，实现了GPU从图形硬件向算力硬件的转变。2006年CUDA推出后，开发者无需再通过图形API来调用GPU，而是可以直接操控GPU。CUDA在长期发展中逐步渗透了HPC与AI生态，2023年已经迭代到第12代API，具备了巨量软件组件，塑造了用户习惯，如今要将其取代需要巨量的时间和资源投入。以CUDA为模板，我们可以发现，其他算力芯片的生态要接近CUDA的地位，应当尽可能在（并行计算相关）软件库覆盖率以及AI框架支持度方面进行投入。

▍并行计算软件库覆盖度：以ROCm为例。

CUDA为用户提供便利的同时，也带来了代价，一是需要承受英伟达硬件不低的成本，二是闭源的CUDA导致部分使用者面临供应不确定性。因此需要CUDA的低成本替代方案，目前AMD推出的ROCm软件平台未来有望替代CUDA。

ROCm出现前为何CUDA长期没有挑战者？OpenCL与硬件均有不足。OpenCL在2015年才添加C++支持，长期对高层软件库支持不足，而CUDA早在2013年就已经支持C/C++/Fortran/Python。硬件方面，AMD在2017年首次推出MI系列数据中心GPU，但与同期的NVIDIA V100相比存在一定差距，也不利于生态的形成。

ROCm为何能够成为生态转折点？2015年Boltzman计划推出以来，全新的软硬件平台解决了此前短板。硬件方面，全新CDNA架构与NVIDIA的架构各有优势；软件方面，重构的HIP平台也全面优于OpenCL。ROCm通过Hipify工具利用现有CUDA代码；软件库方面，经过5年建设，到2020年的ROCm4.0时代，已经初步实现AI与HPC领域基础库的全面支持；基础软硬件支持方面，现有的CDNA与RDNA系列架构得到较全面的支持，虚拟化支持也为数据中心云化部署创造了条件；性能方面，ROCm在良好优化下与CUDA并无性能差距。

ROCm的未来？用开源占据大生态。ROCm作为后发者，采用开源方式，聚集开发者力量是合理选择。目前ROCm生态中，除专为AMD硬件优化的AOCC编译器外，均为开源组件。我们认为未来ROCm与CUDA可能类似Python和MATLAB的发展路线，ROCm可能在部分大型统一生态领域获得认可，而CUDA在大量细分场景的优势有望持续。

▍AI框架支持：以昇腾为例，算法库+配套软件基建。

对AI芯片而言，通用并行运算库未必都能支持，对于AI框架的完善支持相对较为关键。其主要工作包括算子库与辅助软件库的适配，我们认为对于大型公司其适配耗时大致需3-5年。华为昇腾在国内AI框架适配进度较为领先，率先实现Pytorch NPU原生支持。我们认为较高的适配时间需求可能导致先发优势持续。

▍风险因素：

信创不及预期的风险；国产GPU厂商竞争加剧的风险；供应链可持续性的风险；软件生态适配不及预期的风险；国产芯片客户接受度不及预期的风险。

▍投资建议：

参考国际行业发展情况，长期市场份额可能逐步走向集中，因此并行计算生态建设进度领先的厂商有望扩大优势。

1）优先推荐性能优良、生态完备（软件库覆盖率高且能够快速迭代）且已获得客户认可的公司。

2）针对AI框架的软件生态适配也有望形成先发优势，有利于更快占据市场份额。目前国内AI芯片赛道，昇腾率先获得Pytorch原生支持，且研发资源强大，未来有望持续领先。

3）其他上市公司方面，建议关注具备算力芯片或图形GPU等相关芯片业务的公司。

4）非上市的算力芯片相关企业。

5）其他AI服务器零部件供应商也有望受益。

本文源自：券商研报精选