📰 研报摘要
查看全文 ➔摘要： 本报告深入分析了面向大模型推理的 LPU（语言处理单元）及其核心 TSP 架构。LPU 通过软件定义硬件和采用 SRAM 替代 HBM，显著提升了内存带宽，有效解决了大模型推理在 Decode 阶段的延迟瓶颈，旨在提供极速的实时交互体验。随着 Token 消耗量的爆发式增长，AI 产业重心正由训练转向推理，LPU 凭借其能效比和低延迟优势，有望在推理芯片市场快速渗透。
行业主线：
- 技术路径突破：LPU 采用 TSP 架构消除硬件复杂性，实现指令执行的确定性，通过极高的片上内存带宽（约 80TB/s）降低大模型推理延迟。
- 市场空间广阔：全球推理 AI 芯片市场规模预计 2031 年将达到 690.1 亿美元，推理需求在 Agent 时代将持续高增长。
关键变化与分歧：
- 性能侧重转移：相比 GPU 擅长多用户高并发吞吐，LPU 更擅长单用户实时交互，在推理速度和成本上更具竞争力。
- 量产进程加速：海外 Groq 已步入量产初期并与英伟达签署技术许可协议；国内元川微等企业已推出基于 LPU 架构的产品。
受益方向与风险：
- 受益方向：关注 LPU 芯片设计及其带动的高端 PCB 机会，重点关注智微智能、星宸科技及英伟达 PCB 供应商。
- 核心风险：AI 技术迭代不及预期、大模型发展不及预期或 LPU 行业渗透率低于预期。