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(wǎng) 645 37
• 繁體

GPT-4推理發(fā)揮預期功效所需服務器數(shù)量為6652臺，百萬億參數(shù)基礎上，所需服務器數(shù)量將上升至66萬臺；根據(jù)硅谷披露GPT-4訓練Token數(shù)9萬億，測算得出GPT-4訓練所需服務器數(shù)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(xiàn)基建

GPT-4是一個大型的多模態(tài)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(xiàn)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(fā)的自然語言生成模型，采用Transformer神經(jīng)網(wǎng)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(tài)大模型GPT-4，ChatGPT4將輸入內(nèi)容擴展到2.5萬字內(nèi)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(xiàn)情況

ChatGPT提供變革性的用戶體驗，用戶數(shù)量飆升。ChatGPT發(fā)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(tài)功能，可以接受圖像輸入并理解圖像內(nèi)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(nèi)部對抗性真實性評估的表現(xiàn)都顯著優(yōu)于GPT-3.5，在各種專業(yè)和學術基準上已經(jīng)表現(xiàn)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(chǎn)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(jié)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(yè)網(wǎng)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(nèi)百度“文心一言”也正式推出，AI的潮流開始遍布國內(nèi)外多行業(yè)。

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(wǎng)絡“云”將所運行的巨大的數(shù)據(jù)計算處理程序分解成無數(shù)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(xiàn)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(shù)據(jù)庫、服務器、應用軟件及網(wǎng)絡等，靈活調(diào)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(fā)揮資源優(yōu)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(yōu)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(shù)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(jù)實際需求調(diào)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(shù)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(yè)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(chuàng)新和部署：云計算使得企業(yè)能夠更快地開發(fā)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(shù)量的增長云計算為AI提供算力支持，實現(xiàn)降本增效。由于ChatGPT等一系列大規(guī)模模型對算力要求較高，廠商自建足夠算力的數(shù)據(jù)中心需要耗費巨大的成本以及昂貴的后續(xù)運維成本，而云計算服務可以有效節(jié)省早期支出，并且大規(guī)模的算力集群還具有集群優(yōu)勢以提升計算性能。OpenAI的ChatGPT和其他關鍵AI產(chǎn)品依賴于微軟Azure云計算服務，通過Azure的HPC、彈性、數(shù)據(jù)存儲和計算服務來完成模型計算和算法調(diào)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(tǒng)服務器資源配置對比

云算力市場規(guī)模持續(xù)擴大，下游應用滲透提升。云算力市場根據(jù)Gartner統(tǒng)計，2021年以IaaS、PaaS、SaaS為代表的全球公有云市場規(guī)模達到3307億美元，增速達32.5%。其中，IaaS、PaaS、SaaS市場規(guī)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(jù)69.54%市場份額，國內(nèi)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(nèi)游戲、視頻、電商和金融是主要應用領域，醫(yī)療、傳統(tǒng)工業(yè)和政務領域滲透率逐步增加。

AI與云計算結合，提升大數(shù)據(jù)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(shù)據(jù)、管理云中的數(shù)據(jù)事務、識別整個云存儲基礎設施中的任何故障，幫助改善數(shù)據(jù)管理，優(yōu)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(yè)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(zhì)是將計算資源進行集中管理和調(diào)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(shù)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(shù)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(shù)據(jù)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(tài)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(yè)服務。下游應用體驗的升級需要大模型不斷調(diào)優(yōu)迭代，在深度學習框架內(nèi)進行大規(guī)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(fā)展生態(tài)。
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(chǎn)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(zhí)行周期是從內(nèi)存中提取第一條指令、解碼并決定其類型和操作數(shù)，執(zhí)行，然后再提取、解碼執(zhí)行后續(xù)的指令，重復循環(huán)直到程序運行完畢。CPU具備強大的調(diào)度、管理與協(xié)調(diào)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(shù)量與體積占比更多，且采用數(shù)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(shù)據(jù)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(shù)據(jù)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(diào)用。

3）FPGA半定制化芯片，無限次編程支持高靈活性。FPGA稱為現(xiàn)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(jù)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(shù)據(jù)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(xiàn)底層硬件控制操作技術，為算法的功能實現(xiàn)和優(yōu)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(xiàn)。ASIC是為專門目的為設計的集成電路，為實現(xiàn)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(fā)成本高、前期研發(fā)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(wěn)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(yōu)。

圖：GPU、FPGA和ASIC芯片對比

ChatGPT數(shù)據(jù)量擴張，算力需求持續(xù)增加。歷代GPT的參數(shù)量呈現(xiàn)指數(shù)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(nèi)容容量擴大到2.5萬字，所需的算力規(guī)模遠大于單純的文字交互。OpenAI首席執(zhí)行官SamAltman接受公開采訪表示，GTP-5在2024年底至2025年發(fā)布，它的參數(shù)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(xù)擴大，數(shù)據(jù)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(guī)模持續(xù)擴張。機器所產(chǎn)生的數(shù)據(jù)量在2018年首次超越人類所創(chuàng)造的數(shù)據(jù)量，從2019年，每年幾乎以倍數(shù)的幅度來增加，從2020年到2025年，全球數(shù)據(jù)增量將達到157Zetabytes，5年GAGR高達89%。龐大的數(shù)據(jù)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(xù)帶動AI芯片，尤其是高算力芯片需求。根據(jù)華經(jīng)產(chǎn)業(yè)研究院發(fā)布的《2021-2026年中國GPU行業(yè)發(fā)展監(jiān)測及投資戰(zhàn)略規(guī)劃研究報告》，2020年全球GPU行業(yè)市場規(guī)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(tài)勢。同時根據(jù)億歐智庫預測，2025年我國AI芯片市場規(guī)模將達到1780億元，2019-2025GAGR可達42.9%。

AI技術的蓬勃發(fā)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(yè)的核心組件，其價格也隨之攀升，成為科技產(chǎn)業(yè)的新增長點。隨著AI模型復雜度的增加和參數(shù)量的指數(shù)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(fā)布的GPT-5，其參數(shù)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(yè)發(fā)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(fā)的聊天機器人程序，于2022年11月30日發(fā)布。是人工智能技術驅(qū)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(jù)聊天的上下C...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡