>> 申萬宏源-計算機行業(yè)智聯(lián)汽車深度三十三暨華為系列深度之六-特斯拉Dojo+英偉達GPU+谷歌TPU+昇騰：趨勢是帶寬與擴展性！-230918
| 上傳日期： |
2023/9/18 |
大?。?/td>
| 2211KB |
| 格式： |
pdf 共29頁 |
來源： |
申萬宏源 |
| 評級： |
強于大市 |
作者： |
劉洋,李國盛,楊海晏 |
| 行業(yè)名稱： |
汽車 |
| 下載權限： |
此報告為加密報告 |
|
|
本期投資提示：
特斯拉Dojo芯片、華為服務器/AI能力都是近期產(chǎn)業(yè)重要事件。本篇報告分析特斯拉Dojo/英偉達GPU/谷歌TPU/華為昇騰等的異同，并做AI產(chǎn)業(yè)計算和通信趨勢的預測。
Dojo芯片與架構的特色至少包括存算一體/擴展性強/路由便捷/帶寬高。在IEEEMICRO2020上，特斯拉發(fā)布FSD《 Compute Solution for Tesla ’s Full Self-DrivingComputer》。在2022年8月hotchips 34大會上，特斯拉發(fā)布《The Microarchitectureof Dojo, Tesla’s Exa-Scale Computer》和《Dojo Super-Compute System Scaling forMLTraining》。Dojo至少有存算一體/擴展性強/路由便捷/帶寬高四個特色，詳見正文。
英偉達GPU/谷歌TPU/昇騰AI/Tesla DSA，從架構解釋異同。1）2010年以來，英偉達GPU主要架構至少包括八類，具備衍生關系。趨勢：注重互聯(lián)/注重帶寬和擴展性/對AI支持與時俱進（從Cuda Core到Tensor Core，增加對INT/BF16等AI新趨勢的支持，結構稀疏矩陣支持）。2)根據(jù)TPU五代架構，趨勢：注重互聯(lián)/注重擴展性/對AI支持與時俱進（如用脈動陣列的方法支持矩陣乘法）。3）根據(jù)華為官網(wǎng)和《機器之心》等，華為昇騰（達芬奇架構）應與谷歌TPU有類似之處。4）共同點是擴展性/AI甚至大模型下特殊操作，區(qū)別是Dojo有特殊性（不同處理器設計是“架構向后兼容”，不需要顛覆架構）。
計算部分的未來趨勢：1）與時俱進，適應AI數(shù)據(jù)精度/場景特殊運算。2）帶寬最大化，延展性關鍵化。3）核心數(shù)可能減少。正文有詳細論述。
通信部分：DIP和TTPoE是Dojo的網(wǎng)絡核心。Dojo系統(tǒng)的構架過程，以node核心為最小單元，每1個D1包含354個nodes、每1個Tile包含25個D1、每1個Tray包含6個Tiles，每個機柜包含2組Tray。Dojo Interface Processor（DIP）用于HBM內(nèi)存擴容、PCIe擴展、以及對外的網(wǎng)絡連接。Tesla Transport Protocol可以對應于CXL、NVLink等，基于以太網(wǎng)提供400Gb/s的核心網(wǎng)絡帶寬。
通信部分的未來趨勢：Dojo試圖打破馮諾依曼約束，借助軟件與網(wǎng)絡，平衡系統(tǒng)中的時延、帶寬、資源消耗量和傳輸距離。我們推算Dojo的網(wǎng)絡設備與器件使用情況，基礎BasePOD 177個機柜的規(guī)模下，假設fat-tree的2層交換架構組網(wǎng)且全部使用光通信系統(tǒng)，總共需要14160×2=28320個光模塊，對應177個機柜中的53100個D1芯片，另外Host系統(tǒng)預計也需要若干光模塊。若Dojo系統(tǒng)與Nvidia A100系統(tǒng)對標，顯著差異是網(wǎng)絡帶寬從200Gb網(wǎng)絡升級至400Gb、SRAM與DRAM容量與帶寬提升、引入15kw的液冷封裝方案，最終整體算力性能顯著提升。
流量環(huán)節(jié)：關注中際旭創(chuàng)、華工科技、新易盛、天孚通信、中興通訊、紫光股份、銳捷網(wǎng)絡等；計算環(huán)節(jié)：關注浪潮信息、勝宏科技（電子)、神州數(shù)碼（tmt）等；華為產(chǎn)業(yè)鏈：關注華大九天（tmt，EDA）、軟通動力（大模型+OS+數(shù)據(jù)庫）、長電科技（電子，封測）、潤達醫(yī)療（醫(yī)療AI）、賽意信息（MetaERP）、中軟國際、廣電運通、神州數(shù)碼等；特斯拉和智能車產(chǎn)業(yè)鏈：關注德賽西威、立訊精密（電子）、雙環(huán)傳動（機械&汽車）等。
風險：關注由于復工/宏觀環(huán)境等擾動，2022-2023年內(nèi)存在業(yè)績波動風險。GPU/DSA、智聯(lián)汽車、機器人領域一向的風險依然是研究競爭、產(chǎn)業(yè)鏈地位與管理。若難以相對準確地把握，可能會選中了次好的公司，對投資產(chǎn)生不良的結果。
|
|
