ChatGPT 熱潮背景下 芯片及服務器上游投資價值凸顯

• 柯壯賓 2023年5月10日 來源：中研網 645 37
• 繁體

GPT-4推理發揮預期功效所需服務器數量為6652臺，百萬億參數基礎上，所需服務器數量將上升至66萬臺；根據硅谷披露GPT-4訓練Token數9萬億，測算得出GPT-4訓練所需服務器數量為1391臺。未來隨著大語言模型不斷迭代、GPT等語言模型滲透率不斷提高，算力時代下服務器呈現基建

GPT-4是一個大型的多模態模型，相比上一代ChatGPT新增了圖像功能，同時具備更精準的語言理解能力。GPT的升級背后是OpenAI的大語言模型的進一步演進，同時帶動下游應用的拓展，涌現出新一批應用場景。

GPT升級至四代，模型能力高速提升。ChatGPT是由OpenAI開發的自然語言生成模型，采用Transformer神經網絡架構（又稱GPT-3.5架構），基于大量的語料庫使用指示學習和人工反饋的強化學習（RLHF）來指導模型訓練。模型可理解并生成對各種主題的類似人類的響應，是AIGC技術進展的成果。2023年3月15日，OpenAI正式官宣了多模態大模型GPT-4，ChatGPT4將輸入內容擴展到2.5萬字內的文字和圖像，較ChatGPT能夠處理更復雜、更細微的問題。

表：歷代GPT表現情況

ChatGPT提供變革性的用戶體驗，用戶數量飆升。ChatGPT發布后爆火，僅用5天時間用戶量便破百萬，推出2個月后用戶量破億，訪問量從1830萬增長到6.72億，成為史上用戶增長速度最快的消費級應用程序。最新版的GPT-4在ChatGPT的GPT-3.5基礎上主要提升了語言模型方面的能力，并添加了多模態功能，可以接受圖像輸入并理解圖像內容，可接受的文字輸入長度也增加到3.2萬token，在不同語言情景和內部對抗性真實性評估的表現都顯著優于GPT-3.5，在各種專業和學術基準上已經表現出人類水平，為用戶提供變革性的使用體驗。

ChatGPT帶動AI潮流，多種相關產品推出。辦公領域，微軟將GPT-4整合到Office應用程序，TeamsPremium中接入ChatGPT提供人工智能生成章節和字幕實時翻譯等功能；編程領域中，VivaSales將利用ChatGPT為電子郵件中客戶問題生成回復建議，Stripe使用GPT-4掃描商業網站并向客戶支持人員提供摘要；軟件領域，Duolingo將GPT-4構建到新的語言學習訂閱層中，國內百度“文心一言”也正式推出，AI的潮流開始遍布國內外多行業。

云計算屬于分布式計算，滿足各類算力需求。云計算可以通過網絡“云”將所運行的巨大的數據計算處理程序分解成無數個小程序，再交由計算資源共享池進行搜尋、計算及分析后，將處理結果回傳給用戶，通過這種方式可以實現隨時隨地、便捷地、隨需應變地從可配置計算資源共享池中獲取所需的資源與架構，包括存儲、數據庫、服務器、應用軟件及網絡等，靈活調配計算機相關算力存儲資源。

AI語言模型擴大算力需求，云計算進一步發揮資源優化配置功效。面對AI的需求提升，云計算可帶來4個方面的提升：

1.資源共享和優化：云計算允許多個用戶共享同一臺服務器或一組服務器的計算資源。這意味著，與每個用戶都擁有自己的獨立服務器相比，云計算可以通過提高資源利用率來減少服務器的總數量。

2.彈性可伸縮：云計算服務提供了高度的彈性和可伸縮性，使得用戶可以根據實際需求調整所需的計算資源。在計算需求降低時，用戶可以減少資源使用，從而減少服務器的數量。而在計算需求增加時，用戶可以快速擴展資源，而無需購買新的服務器。

3.成本效益：云計算通常采用按需付費的模式，用戶只需支付實際使用的計算資源。這種支付模式降低了用戶購買和維護服務器的成本，使得更多企業傾向于使用云計算服務而不是購買自己的服務器。

4.更快的創新和部署：云計算使得企業能夠更快地開發和部署新的應用程序和服務。這減少了對于購買、配置和維護自有服務器的需求，從而抑制了服務器數量的增長云計算為AI提供算力支持，實現降本增效。由于ChatGPT等一系列大規模模型對算力要求較高，廠商自建足夠算力的數據中心需要耗費巨大的成本以及昂貴的后續運維成本，而云計算服務可以有效節省早期支出，并且大規模的算力集群還具有集群優勢以提升計算性能。OpenAI的ChatGPT和其他關鍵AI產品依賴于微軟Azure云計算服務，通過Azure的HPC、彈性、數據存儲和計算服務來完成模型計算和算法調試，沒有云計算，ChatGPT的訓練時間將被一再拉長，運用云計算后GPT-3等模型的訓練成本下降了80%以上，從首次訓練開銷1200萬美元降至140萬美元。

圖：云計算的IAAS與傳統服務器資源配置對比

云算力市場規模持續擴大，下游應用滲透提升。云算力市場根據Gartner統計，2021年以IaaS、PaaS、SaaS為代表的全球公有云市場規模達到3307億美元，增速達32.5%。其中，IaaS、PaaS、SaaS市場規模分別同比增長42.7%、39.3%、23.6%至916億美元、869億美元、1522億美元。2021年亞馬遜、微軟、阿里云為全球IaaS前三廠商，占據69.54%市場份額，國內廠商阿里云、華為云、騰訊三家合計占全球17%的市場份額。目前國內游戲、視頻、電商和金融是主要應用領域，醫療、傳統工業和政務領域滲透率逐步增加。

AI與云計算結合，提升大數據分析計算能力。AI與云計算結合有助于通過自動化冗余活動、識別、排序和索引各種類型的數據、管理云中的數據事務、識別整個云存儲基礎設施中的任何故障，幫助改善數據管理，優化管理流程。例如阿里云推出的飛天智算平臺提供公共云和專有云兩種模式，為各類科研和智能企業機構提供強大的智能計算服務，可將計算資源利用率提高3倍以上，AI訓練效率提升11倍，推理效率提升6倍。云計算的本質是將計算資源進行集中管理和調度，從而滿足不同用戶的需求，而這些計算資源的核心就是服務器。因此，隨著云計算需求的提升，服務器數量的提升也是必然的趨勢。AI為云計算所帶來的巨大計算量，將直接帶動服務器數量的提升。

人工智能IT技術棧分為四層架構，算力是基礎。人工智能架構由芯片層、框架層、模型層和應用層四層架構組成。其中，芯片層主要是指人工智能芯片，為整個架構提供算力基礎支撐；框架層主要包括深度學習訓練和推理框架平臺和數據平臺等；模型層主要是自然語言處理（NLP）、計算機視覺（CV）、音視頻、多模態等各種大模型；應用層則是面向各種應用場景的人工智能專業服務。下游應用體驗的升級需要大模型不斷調優迭代，在深度學習框架內進行大規模模型的訓練和推理，每一次都對芯片提供的算力基礎提出要求，AI芯片決定了平臺的基礎架構和發展生態。
AI芯片主要有CPU、GPU、FPGA及ASIC，以GPU為主的并行計算為AI提供了主要生產力。

1）CPU（中央處理器）擅長邏輯控制，用于推理及預測。CPU主要由ALU(算術邏輯單元)、CU（控制單元）與Cache（臨時指令存儲器）構成。其中，ALU由"AndGate"（與門）和"OrGate"（或門）構成的算術邏輯單元，主要功能是進行二位元的算術運算，約占CPU空間20%；CU則負責程序的流程管理。CPU的執行周期是從內存中提取第一條指令、解碼并決定其類型和操作數，執行，然后再提取、解碼執行后續的指令，重復循環直到程序運行完畢。CPU具備強大的調度、管理與協調能力，但受限于單行運算導致算力較低。

2）GPU圖形處理器，并行計算滿足強大算力需求。在結構方面，與CPU相比，GPU中同樣具備ALU與CU等架構，但ALU數量與體積占比更多，且采用數量眾多的計算單元和超長流水線，具備高并行結構，通過多核并行計算支撐大算力需求，且擁有更高浮點運算能力，在處理圖形數據和復雜算法方面擁有比CPU更高的效率，滿足深度學習領域海量數據運算的需求。但GPU管理控制能力弱，無法單獨工作，需由CPU進行控制調用。

3）FPGA半定制化芯片，無限次編程支持高靈活性。FPGA稱為現場可編程門陣列，基本結構包括可編程輸入輸出單元和可配置邏輯塊等?；谄浣Y構，用戶可根據自身的需求進行重復編程重組電路，具有高度實時性和靈活性，可以同時進行數據并行和任務并行計算，在處理特定應用時有更加明顯的效率提升，可以實現底層硬件控制操作技術，為算法的功能實現和優化留出了更大空間。

4）ASIC全定制化芯片，高速處理速度疊加低功耗表現。ASIC是為專門目的為設計的集成電路，為實現特定要求而定制的專用AI芯片，能夠在特定功能上進行強化，具有更高處理速度與更低能耗。缺點是研發成本高、前期研發投入周期長，且由于定制化屬性，可復制性一般，缺乏一定靈活性。深度學習算法穩定后，AI芯片可采用ASIC設計方法進行全定制，使性能、功耗和面積等指標面向深度學習算法做到最優。

圖：GPU、FPGA和ASIC芯片對比

ChatGPT數據量擴張，算力需求持續增加。歷代GPT的參數量呈現指數級增長，ChatGPT的總算力消耗約為3640PF-days(每秒計算一千萬億次，需要計算3640天);GPT-4在ChatGPT的基礎上增加了圖像、視頻等交互信息類型，內容容量擴大到2.5萬字，所需的算力規模遠大于單純的文字交互。OpenAI首席執行官SamAltman接受公開采訪表示，GTP-5在2024年底至2025年發布，它的參數量為GTP-3的100倍，需要的計算量為GTP-3的200-400倍。隨著ChatGPT的用戶和應用范圍的持續擴大，數據處理的壓力增大，將提出龐大的算力需求。

算力需求帶動高算力芯片市場，AI芯片市場規模持續擴張。機器所產生的數據量在2018年首次超越人類所創造的數據量，從2019年，每年幾乎以倍數的幅度來增加，從2020年到2025年，全球數據增量將達到157Zetabytes，5年GAGR高達89%。龐大的數據增量，必須運用各種具備高速運算的人工智能芯片來過濾、處理分析、訓練及推理，這將持續帶動AI芯片，尤其是高算力芯片需求。根據華經產業研究院發布的《2021-2026年中國GPU行業發展監測及投資戰略規劃研究報告》，2020年全球GPU行業市場規模達254.1億美元，預計2027年將達到1853.1億美元，復合年均增長率32.82%，GPU市場保持高速增長態勢。同時根據億歐智庫預測，2025年我國AI芯片市場規模將達到1780億元，2019-2025GAGR可達42.9%。

AI技術的蓬勃發展和廣泛應用，導致對高性能計算能力的需求空前旺盛。AI芯片作為行業的核心組件，其價格也隨之攀升，成為科技產業的新增長點。隨著AI模型復雜度的增加和參數量的指數級擴張，對計算能力的要求不斷提高。例如預計在2024年底至2025年發布的GPT-5，其參數量將是GPT-3的100倍，所需算力為GPT-3的200-400倍。由于高性能AI芯片在滿足這種日益增長的算力需求方面具有不可替代的作用，算力快速增長需求下，芯片供給的不確定性有望提升芯片價格提升。

• 相關深度報告REPORTS

  

  2023-2028年中國ChatGPT行業發展前景及投資風險預測分析報告

  ChatGPT，美國“開放人工智能研究中心”研發的聊天機器人程序，于2022年11月30日發布。是人工智能技術驅動的自然語言處理工具，它能夠通過學習和理解人類的語言來進行對話，還能根據聊天的上下C...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡