芯片级液冷散热行业报告：AIGC加速芯片级液冷散热市场（30页）

行业报告下载 2023年02月23日 12:01 管理员

AIGC以大模型、大数据为基础。大模型是指通过在大规模宽泛的数据上进行训练后能适应下游任务的模型，大模型出现后：模型参数量级式提升： ChatGPT是OpenAI对其2020年发布的GPT-3模型微调后开发出的对话机器人， GPT-3模型参数量1750亿，2018年6月推出的GPT-1、2019年2月推出的GPT2模型参数量仅1.17亿、15亿，2021年1月Google推出的SwitchTransformer模型参数量进一步提升到1.6万亿。需求多元化加速算力多样化升级：算力按照需求匹配，可分为基础算力、智能算力及超算算力。未来，全球扩增的数据中80%以上都是非结构化数据（文本、图片、语音、视频等）。AIGC中的生成式模型/多模态，主要为对智能算力的需求。

全球算力高速发展态势：2021年，全球计算设备算力总规模达到615EFlops，增速44%。2030年，有望增至56ZFlops，CAGR达到65%，其中智能算力由232EFlops增至52.5ZFlops，CAGR超过80% ；算力翻倍时间明显缩短：大模型出现后，带来了新的算力增长趋势，平均算力翻倍时间为9.9个月。算力提升的背后，芯片必须具备更高计算效率，在更短时间内完成更多运算，因而必然伴随芯片能耗的加大：ODCC《冷板式液冷服务器可靠性白皮书》信息，2022年Intel第四代服务器处理器单CPU功耗已突破350瓦，英伟达单GPU芯片功耗突破700瓦，AI集群算力密度普遍达到50kW/柜。芯片工作温度会显著影响性能，功率密度的增加使芯片的热流密度显著升高使芯片温度升高。传统芯片中，用于冷却的体积占98%，只有2%用于计算运行，但是依然很难解决现在存在的散热问题，随着芯片性能的持续快速提升，散热问题将愈加突出。

芯片级液冷散热行业报告：AIGC加速芯片级液冷散热市场（30页）-第1张图片