随着类ChatGPT等先进人工智能技术的迅猛崛起，AI大模型已经成为科技界的新宠，它们不仅在自然语言处理、图像识别、语音识别等领域取得了显著进展，还正逐步渗透到医疗健康、智能制造、金融服务、智慧城市等众多领域，展现出广泛的应用前景。这一趋势极大地推动了AI芯片的研发与演进，形成了“无芯片，不AI”的鲜明格局。

虽然在技术角度看，可能存在分歧，但对国内的服务器厂商来说，这实际上是利好的消息。他们至少能在国内市场稳步的提升技术，并保持持续的需求输入。预期的话，国内的Al服务器市场会随着国内芯片生产商的产能趋势继续发展。因此，我们关注国内Al服务器增长的话，可能更应该关注产能方面的情况。

进一步来看整体服务器市场，之前可能有担忧的声音，认为数据中心对Al服务器投产的增加，会挤占传统服务器开销的预算，导致整体服务器出货量下降。但从我们的实际调研来看，这样的担忧并不必要。

因为，服务器需求增长主要受到两个因素的推动：一是云服务器的渗透率提升，二是Al技术的广泛应用。首先，就云服务而言，目前全球云服务渗透率约为40%到50%,而中国市场实际上还更低。因此，随着Al需求的增加，很多中小客户可能会更倾向于选择云业务开展他们的业务，而非自建服务器。因此，随着云服务渗透率的提升，数据中心的服务器需求会持续增长其中包括传统服务器的需求。

其次，Al服务器其实不能独立部署，因此需要配合传统服务器的使用。譬如用于存储或者数据交换，这反过来也会带动服务器，包括通用服务器的需求增长。

在应用落地端，国内大模型产业已经风起云涌，参数规模庞大的通用大模型目前尚未看到高性价比的落地应用场景，但靠近用户与企业业务的边端设备玩家已经开始探索大模型的深度应用。

考虑到边端设备的核心特性，后摩智能的目标很明确，就是为合作伙伴提供足够便宜、功耗低、易用性强的芯片，这样的产品目标与当下大模型产业下沉趋势的需求十分契合。

伴随着更靠近数据源、响应更快、延迟更低的边端大模型展现出腾飞的可能，芯片玩家与之协同探索产业变革的机遇点，以后摩智能为代表的国内AI芯片玩家已经拿出了更强的解决方案，这也同样是在GPU、CPU架构之外，创新架构的市场机遇。

在此背景下，锚定对解决大模型存储墙有着天然优势存算一体架构的后摩智能，将有望更快找到大模型深入行业的更大价值。

免责声明：

1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。

2、 本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。

3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。