文丨財聯(lián)社

近一個月以來，AIGC現(xiàn)象級產(chǎn)品ChatGPT聊天機(jī)器人點燃、成就了一場資本狂歡。

可以說，ChatGPT的火爆，開辟了AI產(chǎn)業(yè)化的新路徑——以大模型敲開通用人工智能的大門。為了滿足大模型應(yīng)用的巨大算力需求，大廠們紛紛加大了相關(guān)基礎(chǔ)設(shè)施方面的投資。作為算力基礎(chǔ)設(shè)施中的核心硬件，AI芯片由此進(jìn)入人們的視野。

浙商證券最新報告表示，ChatGPT的“背后英雄”系GPU或CPU+FPGA等算力支撐，該應(yīng)用對于高端芯片的需求增加會拉動芯片均價，量價齊升將導(dǎo)致芯片需求暴漲。信達(dá)證券也表示，AIGC推動AI產(chǎn)業(yè)化由軟件向硬件切換，半導(dǎo)體+AI生態(tài)逐漸清晰，AI芯片產(chǎn)品將實現(xiàn)大規(guī)模落地。

1月下旬以來，景嘉微、寒武紀(jì)、龍芯中科等多只個股漲幅已超30%。今日（2月9日）早盤，多只AI芯片股走強(qiáng)，截至午間收盤，景嘉微漲超16%，海光信息漲超14%，中科曙光、寒武紀(jì)、龍芯中科、安路科技等紛紛跟漲。

該AI芯片接棒了？

▌AI邁向大模型時代 芯片市場成長可期

ChatGPT的技術(shù)底座是“大型語言模型（Large Language Models）”，簡稱LLMs，中文習(xí)慣稱為“大模型”。算法是大模型成功的首要條件，然后要喂給算法海量的數(shù)據(jù)（數(shù)據(jù)量級躍升，能帶來更多能力的涌現(xiàn)），再搭配強(qiáng)大的發(fā)動機(jī)——大算力，才能獲得最基礎(chǔ)的大模型。

一個ChatGPT應(yīng)用的算力消耗已經(jīng)讓人瞠目。其大模型GPT經(jīng)歷了三次迭代，GPT、GPT-2和GPT-3（當(dāng)前開放的版本為GPT-3.5）的參數(shù)量從1.17億增加到1750億，預(yù)訓(xùn)練數(shù)據(jù)量從5GB增加到45TB，其中GPT-3訓(xùn)練單次的成本就已經(jīng)高達(dá)460萬美元。最新的GPT3.5在訓(xùn)練中使用了微軟專門建設(shè)的AI計算系統(tǒng)，由1萬個V100 GPU組成的高性能網(wǎng)絡(luò)集群，總算力消耗約3640PF-days，即假如每秒計算一千萬億次，需要計算3640天。

同樣，國產(chǎn)自研的源1.0、悟道和文心等AI模型，不僅在參數(shù)量上達(dá)到了千億級別，而且數(shù)據(jù)集規(guī)模也高達(dá)TB級別。想要搞定這些“龐然大物”的訓(xùn)練，就至少需要投入超過1000PetaFlop/s-day（PD）的計算資源。

一言以蔽之，大模型為代表的AI新時代，算力便是核心競爭力。

而AI 芯片是針對人工智能算法做了特殊加速設(shè)計的芯片，也被稱為AI加速器或計算卡，是AI的算力基礎(chǔ)。要知道，ChatGPT有著大量復(fù)雜計算需求的AI模型，GPU、FPGA、ASIC等AI芯片專門用于處理這些計算任務(wù)，是不可或缺的底層硬件。

據(jù)了解，采購一片英偉達(dá)頂級GPU成本為8萬元，GPU服務(wù)器成本通常超過40萬元。對于ChatGPT而言，支撐其算力基礎(chǔ)設(shè)施至少需要上萬顆英偉達(dá)GPU A100，一次模型訓(xùn)練成本超過1200萬美元。

浙商證券分析師陳杭據(jù)此表示，ChatGPT對于高端芯片的需求增加會拉動芯片均價，量價齊升將導(dǎo)致芯片需求暴漲，“目前OpenAI已推出20美元/月訂閱模式，初步構(gòu)建了優(yōu)質(zhì)的訂閱商業(yè)模型，未來繼續(xù)擴(kuò)容的能力將會大幅提升?！?/p>

中金公司認(rèn)為，未來大模型趨勢下，AI芯片市場成長可期，在ChatGPT應(yīng)用大規(guī)模商用初期，AI芯片行業(yè)有望創(chuàng)造20億美元左右市場空間。另據(jù)Omdia，2022年數(shù)據(jù)中心用AI芯片市場規(guī)模有望達(dá)133億美元。

▌多路線蘊含潛力 周邊生態(tài)有望受益

不過，在名為“AI芯片”的大籃子里，細(xì)分品類眾多。目前英偉達(dá)主導(dǎo)的GPU憑借高算力成為主流選擇，其他AI芯片如ASIC、DPU、FPGA也蘊含潛力——

ASIC/DPU等專用芯片在特定使用場景下高算力/低功耗/小面積的優(yōu)勢仍吸引國內(nèi)外廠商積極布局，如TPU、類腦芯片等；FPGA由于可編程而更具靈活性，相比于CPU/GPU/ASIC具有更高的速度和極低的計算能耗，常年來被用作專用芯片的小批量替代品。

AI 芯片根據(jù)技術(shù)架構(gòu)分類

圖源：信達(dá)證券研報

多樣的技術(shù)路線也意味著，AI芯片的具體投資機(jī)會并不是那么好把握，英偉達(dá)這樣的巨頭也面臨被超車的風(fēng)險。

信達(dá)證券便表示，AIGC的出現(xiàn)真正賦予了人工智能大規(guī)模落地的場景，AI芯片也將從過去面向廠商的訓(xùn)練場景為主轉(zhuǎn)變?yōu)槊嫦蛳M者的推理場景為主，GPU的高并行計算能力和高通用性的協(xié)調(diào)統(tǒng)一在消費者時代的統(tǒng)治力或許難以為繼，ASIC芯片、國產(chǎn)GPU芯片有望切入MaaS產(chǎn)業(yè)生態(tài)。

該機(jī)構(gòu)進(jìn)一步認(rèn)為，AIGC推動AI產(chǎn)業(yè)化由軟件向硬件切換，半導(dǎo)體+AI生態(tài)逐漸清晰，AI芯片產(chǎn)品將實現(xiàn)大規(guī)模落地。硬件端核心包括AI芯片/GPU/CPU/FPGA/AI SoC等，而在AI芯片中，算力及信息傳輸速率成為關(guān)鍵技術(shù)，芯片性能及成本的平衡也帶動周邊生態(tài)，包括Chiplet/先進(jìn)封裝/IP等產(chǎn)業(yè)鏈?zhǔn)芤妗?/p>

據(jù)《科創(chuàng)板日報》不完全統(tǒng)計，相關(guān)標(biāo)的包括：