算力才是ChatGPT核心竞争力？AI芯片被推至聚光灯下（附概念股）

　　近一个月以来，AIGC现象级产品ChatGPT聊天机器人点燃、成就了一场资本狂欢。

　　可以说，ChatGPT的火爆，开辟了AI产业化的新路径——以大模型敲开通用人工智能的大门。为了满足大模型应用的巨大算力需求，大厂们纷纷加大了相关基础设施方面的投资。作为算力基础设施中的核心硬件，AI芯片由此进入人们的视野。

　　浙商证券最新报告表示，ChatGPT的“背后英雄”系GPU或CPU+FPGA等算力支撑，该应用对于高端芯片的需求增加会拉动芯片均价，量价齐升将导致芯片需求暴涨。信达证券也表示，AIGC推动AI产业化由软件向硬件切换，半导体+AI生态逐渐清晰，AI芯片产品将实现大规模落地。

　　1月下旬以来，景嘉微、寒武纪、龙芯中科等多只个股涨幅已超30%。今日(2月9日)早盘，多只AI芯片股走强，截至午间收盘，景嘉微涨超16%，海光信息涨超14%，中科曙光、寒武纪、龙芯中科、安路科技等纷纷跟涨。

　　该AI芯片接棒了？

　　▌AI迈向大模型时代 芯片市场成长可期

　　ChatGPT的技术底座是“大型语言模型(Large Language Models)”，简称LLMs，中文习惯称为“大模型”。算法是大模型成功的首要条件，然后要喂给算法海量的数据(数据量级跃升，能带来更多能力的涌现)，再搭配强大的发动机——大算力，才能获得最基础的大模型。

　　一个ChatGPT应用的算力消耗已经让人瞠目。其大模型GPT经历了三次迭代，GPT、GPT-2和GPT-3(当前开放的版本为GPT-3.5)的参数量从1.17亿增加到1750亿，预训练数据量从5GB增加到45TB，其中GPT-3训练单次的成本就已经高达460万美元。最新的GPT3.5在训练中使用了微软专门建设的AI计算系统，由1万个V100 GPU组成的高性能网络集群，总算力消耗约3640PF-days，即假如每秒计算一千万亿次，需要计算3640天。

　　同样，国产自研的源1.0、悟道和文心等AI模型，不仅在参数量上达到了千亿级别，而且数据集规模也高达TB级别。想要搞定这些“庞然大物”的训练，就至少需要投入超过1000PetaFlop/s-day(PD)的计算资源。

　　一言以蔽之，大模型为代表的AI新时代，算力便是核心竞争力。

　　而AI 芯片是针对人工智能算法做了特殊加速设计的芯片，也被称为AI加速器或计算卡，是AI的算力基础。要知道，ChatGPT有着大量复杂计算需求的AI模型，GPU、FPGA、ASIC等AI芯片专门用于处理这些计算任务，是不可或缺的底层硬件。

　　据了解，采购一片英伟达顶级GPU成本为8万元，GPU服务器成本通常超过40万元。对于ChatGPT而言，支撑其算力基础设施至少需要上万颗英伟达GPU A100，一次模型训练成本超过1200万美元。

　　浙商证券分析师陈杭据此表示，ChatGPT对于高端芯片的需求增加会拉动芯片均价，量价齐升将导致芯片需求暴涨，“目前OpenAI已推出20美元/月订阅模式，初步构建了优质的订阅商业模型，未来继续扩容的能力将会大幅提升。”

　　中金公司认为，融易新媒体，未来大模型趋势下，AI芯片市场成长可期，在ChatGPT应用大规模商用初期，AI芯片行业有望创造20亿美元左右市场空间。另据Omdia，2022年数据中心用AI芯片市场规模有望达133亿美元。

　　▌多路线蕴含潜力 周边生态有望受益

　　不过，在名为“AI芯片”的大篮子里，细分品类众多。目前英伟达主导的GPU凭借高算力成为主流选择，其他AI芯片如ASIC、DPU、FPGA也蕴含潜力——

　　ASIC/DPU等专用芯片在特定使用场景下高算力/低功耗/小面积的优势仍吸引国内外厂商积极布局，如TPU、类脑芯片等；FPGA由于可编程而更具灵活性，相比于CPU/GPU/ASIC具有更高的速度和极低的计算能耗，常年来被用作专用芯片的小批量替代品。

AI芯片根据技术架构分类，图源：信达证券研报

　　多样的技术路线也意味着，AI芯片的具体投资机会并不是那么好把握，英伟达这样的巨头也面临被超车的风险。