算力才是ChatGPT核心竞争力？AI芯片被推至聚光灯下
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，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。
信达证券便表示，AIGC的出现真正赋予了人工智能大规模落地的场景，AI芯片也将从过去面向厂商的训练场景为主转变为面向消费者的推理场景为主，GPU的高并行计算能力和高通用性的协调统一在消费者时代的统治力或许难以为继，ASIC芯片、国产GPU芯片有望切入MaaS产业生态。
该机构进一步认为，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。硬件端核心包括AI芯片/GPU/CPU/FPGA/AI SoC等，而在AI芯片中，算力及信息传输速率成为关键技术，芯片性能及成本的平衡也带动周边生态，包括Chiplet/先进封装/IP等产业链受益。
据《科创板日报》不完全统计，相关标的包括：