ChatGPT的背后：指數級增長的芯片與半導體需求

   近期ChatGPT大火。除了模型本身帶來的紅利以外，還有模型需求增加導致的算力提升，因此有望帶來指數級增長的芯片與半導體需求。

　　原文：

　　ChatGPT熱潮席卷全球。ChatGPT(Chat Generative Pre-trained Transformer)是由OpenAI于2022年12月推出的對話AI模型，一經面世便受到廣泛關注，其2023年1月月活躍用戶達到1億，是史上月活用戶增長最快的消費者應用。

　　ChatGPT主要以問答類為主，但與其他問答類AI產品不同，其具備訓練集中的所有知識，具有語言生成能力，可以實現擬人化交流，而不只是像天貓精靈、小愛同學等其他AI產品的一問一答模式。在問答模式的基礎上ChatGPT可以進行推理、編寫代碼、文本創作等等，這樣的特殊優勢和用戶體驗使得應用場景流量大幅增加。

　　▲芯片需求=量↑x價↑

　　1)量：AIGC帶來的全新場景+原場景流量大幅提高

　　① 技術原理角度：ChatGPT是基于GPT3.5架構開發的對話AI模型，歷經 GPT-1/2/3迭代，在GPT3.5模型后，開始引入代碼訓練和指令微調，加入RLHF技術(人類反饋強化學習)，從而實現能力進化。GPT作為知名的NLP模型，基于Transformer技術，隨著模型不斷迭代，層數也越來越多，對算力的需求也就越來越大。

　　② 運行條件角度：ChatGPT完美運行的三個條件：訓練數據+模型算法+算力。其中訓練數據市場廣闊，技術壁壘較低，投入足夠的人力物力及財力后即可獲得；基礎模型及模型調優對算力的需求較低，但獲得ChatGPT功能需要在基礎模型上進行大規模預訓練，存儲知識的能力來源于1750億參數，需要大量算力。所以，算力是ChatGPT運行的關鍵所在。

　　2)價：對高端芯片的需求將拉動芯片均價

　　采購一片英偉達頂級GPU成本為8萬元，GPU服務器成本通常超過40萬元。對于ChatGPT而言，支撐其算力基礎設施至少需要上萬顆英偉達GPU A100，一次模型訓練成本超過1200萬美元。

　　從芯片市場角度出發，芯片需求的快速增加會進一步拉高芯片均價。目前OpenAI已推出20美元/月訂閱模式，初步構建了優質的訂閱商業模型，未來繼續擴容的能力將會大幅提升。

　　“背后英雄”系GPU或CPU+FPGA等算力支撐

　　1)GPU可支撐強大算力需求。具體來說，從AI模型構建的角度：第一階段是用超大算力和數據構建預訓練模型；第二階段是在預訓練模型上進行針對性訓練。而GPU由于具備并行計算能力，可兼容訓練和推理，所以目前被廣泛應用，ChatGPT訓練模型中就已導入至少1萬顆英偉達GPU(曾經風靡一時的AlphaGO也只需要8塊GPU)，推理部分使用微軟的azure云服務，也需要GPU進行運作。所以，ChatGPT的火熱興起對GPU的需求可見一斑。

　　2)CPU+FPGA拭目以待。從深度學習的角度來看，雖然GPU是最適合深度學習應用的芯片，但CPU和FPGA也不可忽略。FPGA芯片作為可編程芯片，可以針對特定功能進行擴展，在AI模型構建第二階段具有一定的發揮空間。而FPGA想要實現深度學習功能，需要與CPU結合，共同應用于深度學習模型，同樣可以實現龐大的算力需求。

　　3)云計算依靠光模塊實現設備互聯。AI模型向以ChatGPT為首的大規模語言模型發展，驅動數據傳輸量和算力提升。伴隨數據傳輸量的增長，光模塊作為數據中心內設備互聯的載體，需求量隨之增長。此外，伴隨算力提升能耗增長，廠商尋求降低能耗方案，推動低能耗的光模塊發展。

　　結論：ChatGPT作為一種新興的超智能對話AI產品，無論是從技術原理角度還是運行條件角度，ChatGPT都需要強大算力作為支撐，從而帶動場景流量大幅增加，此外，ChatGPT對于高端芯片的需求增加也會拉動芯片均價，量價齊升導致芯片需求暴漲；面對指數級增長的算力和數據傳輸需求，可以進行提供的GPU或CPU+FPGA芯片廠商、光模塊廠商即將迎來藍海市場。

　　看好：看好國內GPU、CPU、FPGA、AI芯片及光模塊產業鏈玩家。

　　① GPU:海光信息、景嘉微

　　② CPU:龍芯中科、中國長城

　　③ FPGA:安路科技、復旦微電、紫光股份

　　④ AI芯片：寒武紀、瀾起科技

　　⑤ 光模塊：德科立、天孚通信、中際旭創

　　風險提示：1)半導體下游需求不及預期；2)研發進度不及預期。