AI算力在大模型训练及应用部署中有着不可替代的作用，具有可检测、排他性、可量化以及极度集中的供应链等特征，这使其在AI治理和AI主权中占据核心地位。2月14日，来自OpenAI、人工智能治理中心（GovAI）、剑桥大学Leverhulme未来智能中心等共同发表了论文《Computing Power andthe Governance of Artificial Intelligence》，指出算力在AI发展的关键作用以及算力治理的可行性，并讨论如何通过算力治理来引导AI技术的发展。

算力相关硬件的性能和数量是影响大模型性能的关键因素，从2010年开始，训练AI模型的算力平均每6个月翻一倍，过去13年已经增长了3.5亿倍。而算力治理具有较高的可行性，这也奠定其在AI治理中的核心地位。

1)可检测性：大规模AI训练和部署需要大量的资源，通常要在大型数据中心的高性能集群中使用数千个AI芯片，消耗大量电力。

2)排他性：芯片是硬件，其物理性质让禁止他人使用成为可能。相比之下，限制对数据、算法等软件访问要困难得多。

3)可量化：算力较容易量化和验证，比如跟芯片数量有关。

4)集中的供应链：AI芯片是通过一个高度无弹性和复杂的供应链生产的，其中几个关键步骤（例如芯片设计、EUV光刻和晶圆制造等）由极少数参与者主导。

算力相关公司是AI产业中能最快实现业绩兑现且能持续受益的。已公布业绩快报的公司中，海光信息2023年全年实现营收60.12亿元，同比+17.30%；实现归母净利润12.62亿元，同比+57.11%。Q4单季度，公司实现营收20.69亿元，同比+58.52%；实现归母净利润3.61亿元，同比+138.26%。中科曙光2023年业绩快报：2023年全年，公司实现营收143.54亿元，同比+10.35%；实现归母净利润18.38亿元，同比+19.00%。Q4单季度，公司实现营收65.96亿元，同比+17.34%；归母净利润10.87亿元，同比+22.10%。

黄仁勋强调“主权AI”概念，我们认为算力自主可控是当前国内AI发展最基础、最迫切的任务。2月12日，黄仁勋在迪拜举行的世界政府峰会上表示，各国都应该建立自己的AI主权基础设施，保护文化的同时为经济增长注入活力。过去几年，美国商务部芯片禁令多次升级，国内只有实现算力自主可控，才有追赶全球前沿大模型技术的可能。