浙商证券陈杭：AIGC算力时代带来中国的六大投资机会
为什么说AIGC带来的产业影响级别或远超5G？AI发展浪潮都是由于算力大幅提升推动应用的爆发？如何发掘中国相关的机会？浙商证券研究所所长助理、新科技首席分析师陈杭带来“AIGC算力时代:ChatGPT芯片算力研究框架“主题分享， 以下是嘉宾部分观点，扫码即可回看全部会议内容！
扫码回看完整会议
01
AIGC算力时代下三类投资主线
AIGC算力时代到底是一个什么样的量级？我们将近30年来信息科技创新分为大小两个种类，大的创新主要发生了三次，小的创新总共发生了七次。关于大的三次创新，第一次是90年代互联网和PC计算发明，这是一个大幅的0到1式创新，使人类进入了计算时代；第二次是2008年开始的智能手机发明，至今已经改变了我们所有人的工作和生活方式，对每个个体生产力的提升是巨大的，同时也重塑了全球产业格局，形成智能手机及背后的产业链； 现在极有可能正在发生第三次大创新，我们称之为人工智能计算时代。这一次的创新会对整个全要素生产力，对计算机、人和IOT相关的生产关系都是巨大的拉动和颠覆式的创新。
我们发现，科技创新背后都是由算力和芯片来决定的，包括这次的人工智能。实际上， 我们梳理出AI发展的四次浪潮，每一次都是由于算力的大幅提升推动了应用的爆发。而应用奇点的来临，又反过来拉动了算力芯片的需求爆发。我们看到第一次浪潮是AI推理、计算能力的崛起；第二次AI浪潮以专家系统、现代计算机的出现为代表，逐步渗透到一些商用市场；第三次AI崛起是深度神经网络让AI具备了学习能力，在部分场景下能够以超越人类的方式来解决问题，代表产物是AlphaGo和GPT大模型。它的现实意义在于奠定了通用大模型加场景小模型的技术路线，为后续的商业化打下了基础；现在我们正处于全新的第四次AI算力革命浪潮中，代表产品就是ChatGPT。由于它使得AI拥有了创造力，有望成为效率和生产力工具，直接拉动每个人的全要素生产力。它可以在文本、图像、音频、视频生成方面接近于商业化的需求。
这一次浪潮的开始，一是由于芯片算力达标，二是有巨大的下游应用场景。这两方面叠加到底有多大量级的提升？由于内容生成的成本大幅下降，能够满足下游的需求，再加上生产效率的大幅提升，可以达到类似于光伏平价上网的一个奇点，会导致生态流量的快速爆发。我们可以看到ChatGPT的月活数过亿，花了最短的时间，所以为商业化创造了条件。 在文本、图像、视频生成方面，主要可以看三类主线，第一类是AIGC产业链的下游，即各种场景的应用，第二类是AI的中游，各种算法、框架、大模型厂商；第三类是AIGC的基础设施，以芯片算力为主。
02
算力需求爆发将拉动芯片量价齐升
我们再详细看一下 算力需求对量和价的拉动。它是一个乘数效应，之前没有用上AI的场景会逐步加入AI功能，之前用过的场景会大幅提升流量，所以对 算力芯片的量价方面是一个数量级的拉动。
技术原理方面，ChatGPT是基于GPT-3.5架构开发的对话模型，它经历过3次迭代，这一次引入了人类反馈强化学习算法，从而使它有能力去进化。由于模型的不断迭代，它的层数越来越多，导致对算力的需求也越大，当然预测的结果也越准确。 ChatGPT要完美运行，需要三个要素，第一是训练所用的数据，第二个是模型算法，第三是算力。其中训练数据市场非常广阔，我们可以看到国家在推动数据要素发展等，但是供给壁垒相对较低。难度较高的实际上是模型及模型的调优、算力的适配。获得ChatGPT功能是需要建立在大模型预训练的基础上，储存知识的能力实际上来自于1750亿的参数，需要极大量的算力，所以 算力就成为ChatGPT能否正常快速商业化落地的最关键点。
图片来源：浙商证券研究所
我们再看价格方面， 对高端芯片需求的拉动会直接提升整个半导体板块，特别是相关芯片的均价，会复制2017年由于矿机拉动整个半导体景气度上升带来的GPU价格提升。我们知道，现在采购一片英伟达顶级GPU成本是8万元，一台GPU服务器成本是40万元。对于ChatGPT而言，支撑其算力基础设施至少需要上万颗A100系列GPU，一次模型训练的成本实际上超过1200万美元。算力需求是巨大的、海量的。
03
我国相关的六大投资机会
实现算力需要哪些基础设施？具体分为四大块，第一块是计算机硬件，像GPU和DPU等加速器，特别是GPU，这些加速器芯片会提供强大的算力来支撑模型训练和推理；第二块是分布式的计算框架，由于Open AI使用基于Python TensorFlow的框架来构建和训练GPT模型，TensorFlow又具有很强的可扩展性，这也非常关键，我们称之为深度学习框架；第三块是存储设施，很多传统IDC机房的机柜服务器里存储用的是普通磁盘，但是我们知道演算AI就全部要换成3D NAND。虽然现在全球闪存的供需失衡、供过于求，但是如果AIGC真正成为一次行业巨大创新，那么对闪存的需求也是巨大的。跟存储相关的还有HBM，这也是在算力瓶颈上的一个关键突破口；第四块是网络基础设施，为了支持分布式云计算框架的运行，OpenAI也用了一系列高速网络通信设施，包括高速局域网和云网络。 ChatGPT的整个计算基础设施我们总结一下，不仅包括了软件相关，也包括通信、芯片和服务器等。过去5年我们也可以看到，以大模型为代表的全新AI方式直接突破了万亿参数，算力的需求也跟着水涨船高。
图片来源：浙商证券研究所
我们做一个总结， 由于量和价的双重提升，导致集成电路特别是大算力芯片将会出现爆发式的增长。这是第三次大的创新，我们需要以30年的视角来观察。而这次创新将会以指数级别拉动服务器算力，所以导致的结果是，我们会发现之前所有跟半导体相关的主要需求第一名是消费电子/智能手机，第二名才是HPC高性能服务器，但是 极有可能从去年台积电的收入结构中HPC超过消费电子开始，后续集成电路的增长和创新都由前台、终端转移到后台服务器。服务器的创新大概率成为后续计算创新的要点。
基于这个要点，如何来发掘中国相关的机会？ 机会来自于六大块，其实六大投资机会只有一个目标就是提高算力。算力如何提高？有六个方法。第一个最核心的我们称之为 Chiplet，它是提高单一芯片单点算力的技术，是在没有非常先进的芯片工艺时能够做出的解决方案，我们可以借道超车；第二个是以 光通信创新，以CPO为代表；第三个是提高 存储性能，不仅是HBM，还有从磁盘到3D NAND；第四个，由于数据中心的数据流有东西和南北两个方向，南北向的数据传输需要高速率光模块，而提升东西向的通信效率则需要 DPU等协处理器；第五个是 GPU；第六个是 FPGA+CPU异构计算。
最后再总结一下，对AIGC、ChatGPT，目前市场都认为是一次非常大的产业革命，但现在分歧点是到底是跟5G一个级别，还是远超5G、跟移动互联网的发明是一个级别？去年的元宇宙实际上我们总结下来是对生产关系的重塑，它并没有提升我们全社会的生产力。 但是，AIGC的本质是对生产力的大幅提升。按照目前AIGC的发展速度和ChatGPT目前能够展现出来对下游场景的影响、对生产力的提升，我们先做一个预测，它的级别会远超5G。到底能不能达到英伟达创始人说的“iPhone时刻”，重新回到当年能改变我们工作、生活的移动互联这样的大时代级别，我们还需要观察。