ChatGPT带飞英伟达，中国芯片成色几何？
“这几天电话都快被打爆了。”谈到最近爆火的ChatGPT，英伟达中国区一位高管日前向媒体说道。
春节过后，全球AI领域最引人关注的非聊天机器人ChatGPT莫属。
在资本和舆论的吹捧下，拥有交流、创作、翻译等多种功能的ChatGPT，俨然已成为一个现象级产品。不仅背后的OpenAI和微软借此名声大噪，国内一众高调跟进的互联网大厂也赚足了眼球。
但实际上，在网友们褒贬不一，对ChatGPT持续展开讨论的同时，支撑ChatGPT诞生的算力基础——AI芯片和服务器也正在资本市场上掀起巨浪，已下跌一年的英伟达，股价在4个月里实现翻倍。
英伟达CEO黄仁勋
在国内，股市上的热情似乎更胜一筹。国产GPU厂商景嘉微股价一个月涨超60%，即便已经公开表示没有ChatGPT相关业务，依然挡不住股价的涨势，让高管们不趁机减持都不好意思。
算力，是人工智能的“三驾马车”之一，跟着ChatGPT备受追捧无可厚非。但值得关注的是，打造ChatGPT到底需要消耗多少算力？资本市场狂欢下，国内厂商又能在多大程度上受益？
在接受观察者网采访时，国内服务器厂商宁畅副总裁兼CTO赵雷指出，就ChatGPT而言，需要TB级的运算训练库，甚至是P-Flops级的算力。从目前的服务器处理能力来看，大概是几十到几百台规模的GPU服务器体量才能够实现，而且需要几日甚至几十日的训练。
市场上还有券商报告称，ChatGPT带动超算算力需求3年或将提升超过10倍，未来3年或将拉动千亿级ICT硬件投资需求。随着ChatGPT的持续爆火，英伟达真的会成为最大赢家吗？
“显卡寒冬”中带飞英伟达，市场过度乐观了？
在ChatGPT爆火出圈之前，黄仁勋最头疼的事应该还是怎么更快度过本轮“显卡寒冬”。
刚刚过去的2022年，全球独显出货量创下二十年新低，相比2021年“腰斩”。作为全球显卡市场的头号玩家，英伟达持续遭受重创，业绩连续两个季度下滑，股价一年之内暴跌70%。
但ChatGPT现象级爆火很快扭转了这一颓势。去年10月中旬以来，英伟达股价从108美元/股暴涨至228美元/股，反弹111%，市值重登美股半导体板块第一，大幅甩开英特尔等同行。
“我们一直在等待这一刻，”看到英伟达股价在市场低迷下逆势暴涨，黄仁勋对ChatGPT的赞美也毫不吝啬，直言ChatGPT对于人工智能的意义，不亚于手机领域“iPhone”的出现。
英伟达CEO黄仁勋
市场好奇的是，世界上那么多芯片公司，为什么偏偏英伟达的股价会随着ChatGPT翩翩起舞？
简言之，就是ChatGPT的底层基础是一个拥有1750亿参数的预训练大模型——GPT-3.5，它能如此睿智，主要是基于对天量数据的“吃透”，背后离不开强大算力的支撑，而英伟达的GPU能提供它需要的算力。
目前来看，全球其他正在跟进的厂商想要推出ChatGPT这种人工智能大模型，必须有三项关键技术支撑：训练数据、模型算法和算力。
浙商证券研报指出，训练数据市场广阔，技术壁垒较低，投入足够的人力物力及财力后即可获得；基础模型及模型调优对算力的需求较低，但获得ChatGPT功能需要在基础模型上进行大规模预训练，这就需要大量算力，所以算力是ChatGPT运行的关键所在。
说起AI算力，就到了GPU的主场。
最初，英伟达基于CUDA架构开发的GPU主要用于游戏，后来发现它还可用于AI训练和推理中的大规模并行计算任务，逐渐形成开发者生态。在AI发展初期，市面上没有专门的AI加速卡和硬件产品，开发者便将英伟达GPU用于AI训练和推理，开始大规模采用其产品。
CPU和GPU架构的区别
“英伟达芯片为大模型训练做了很多优化，它才是这次ChatGPT热潮的最大赢家。”有业内人士直言。
那训练ChatGPT到底需要多少算力？
海通证券援引的OpenAI测算显示，自2012年起，全球头部AI模型训练算力需求每3-4个月翻一番，每年头部训练模型所需算力增长幅度高达10倍，而ChatGPT训练阶段总算力消耗约为3640PF-days（即1 PetaFLOP/s效率跑3640天）。
在接受观察者网采访时，宁畅CTO赵雷提到，目前用户使用ChatGPT得到的反馈，是训练后的产物，主要涉及推理应用，计算时间基本上是分钟级或者秒级的。对于ChatGPT训练来说，一般是周级或是月级，至少差一个数量级，也有可能差两到三个数量级。
浙商证券研报指出，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（曾经风靡一时的AlphaGO也只需要8块GPU），一次模型训练成本超过1200万美元。
在此背景下，英伟达、AMD等可提供AI算力芯片的公司，股价也开始在半导体下行周期中逆势上涨。就在日前，英伟达中国区高管在接受媒体采访时提到，“这几天好多公司，包括云从科技，都来找我安排调货，根本就调不过来，需求特别大。”
观察者网就相关事宜联系云从科技投资者关系部，对方工作人员回应表示：采购信息只能以公告为准。不过他补充称，云从科技已和华为、寒武纪等国内厂商完成深度适配，而且以前也准备了一些库存，国际芯片供应不会对该公司造成明显影响。
市场上有业内人士测算，未来GPT-4可能会达到100万亿个参数，在不使用英伟达H100 GPU或优化架构的情况下，单日访问算力需要6万台A100，仅给英伟达的算力投入就是120亿美元。
“有没有ChatGPT这个东西，人工智能算力都是永远都不够的。”赵雷向观察者网坦言，元宇宙到现在还没有一线的3A大作游戏画面和互动性好，所以目前市场上的算力还差得远，未来5到10年，至少100倍的算力提升还是需要的。
据《2022-2023中国人工智能计算力发展评估报告》统计，2022年我国人工智能算力规模已达268百亿亿次/秒（EFLOPS），超过通用算力规模，预计未来5年，中国智能算力规模年复合增长率将达52.3%。
但具体厂商能在多大程度上受益，似乎仍值得观察。近日有台湾岛内行业人士透露，英伟达并没有因为ChatGPT在台积电加投先进工艺的4nm芯片，市场都过度乐观了。
国内厂商成色几何？
自ChatGPT爆火以来，国内大厂纷纷跟进，这也点燃了A股的算力基础设施概念，浪潮信息、神州数码、华胜天成等服务器产业链公司连日大涨，甚至浪潮信息还收到了深交所的关注函。
作为国内专注人工智能赛道的服务器厂商，宁畅虽然没有上市，但凭借与英特尔、英伟达的联手合作，在这轮ChatGPT热潮中也受到市场关注。
宁畅CTO赵雷告诉观察者网，ChatGPT的持续爆火为AIGC带来全新增量，行业对AI模型训练所需要的算力支持提出了更高要求，也为宁畅带来更多市场空间和发展机会。
根据IDC报告，2021年中国AI服务器市场规模达350.3亿元，同比增长68.6%，浪潮信息、宁畅、新华三、华为和安擎等位居前五，占据82.6%的份额。在全球AI服务器市场上，浪潮以20.9%的份额位居第一。
图源：IDC
但服务器只是整机，国内AI产业要想自主发展，最关键的还是在核心芯片上掌握主动权。
一组第三方数据显示，中国加速服务器市场近年来不断壮大，2021年规模达53.9亿美元，GPU服务器占绝对主导。其中，加速卡的采购型号主要集中在英伟达的T4、V100、V100S以及A100系列上，外加少量的AMD与英特尔。
IDC的数据凸显了英伟达的主导地位：2021年中国加速卡数量出货超过80万片，其中英伟达占据超过80%的市场份额。
去年9月，英伟达被限制向中国供货A100和H100 GPU的消息引发业内广泛关注。虽然英伟达积极争取美国政府许可，并提供低配版产品，但这也再次给国内产业界敲响了警钟。
观察者网注意到，在这轮ChatGPT爆火中，A股也有不少芯片股随之大涨，但炒作意味浓厚。
例如，国产GPU厂商景嘉微曾同时透露“产品未涉及AI训练与ChatGPT相关业务”和“JM9系列图形处理芯片可用于人工智能计算领域”两则消息。在市场信息不对称的情况下，景嘉微股价一个月里大涨超过60%，随后高管很快披露了减持公告。
深交所互动易截图
但也有一些上市公司明确表示拥有类GPU芯片业务。
例如，海光信息在招股书中透露，该公司DCU（协处理器）系列产品以GPGPU架构为基础，可广泛应用于大数据处理、人工智能、商业计算等应用领域。自1月中旬以来，海光信息股价累计涨近30%。
此外近几年在市场上连续大额融资的初创公司，像天数智芯、壁仞科技、摩尔线程等公司，也都推出了自研的通用GPU产品。例如，去年8月壁仞科技发布首款7nm制程的通用GPU芯片BR100，称其可与英伟达的旗舰H100一较高下，但尚未量产上市。
英伟达的“霸权”之下，这些新创公司的产品要想在市场上打开局面，一方面要解决性能和生态适配问题，甚至要反向适配英伟达的生态，另一方面要寄望于国内芯片制造的突破。以在芯片量产方面走在同行前列的天数智芯为例，2022年底累计销售订单为3亿元，与数十亿的融资相比仍差距显著。
除了GPU，CPU、ASIC（专用集成电路）和FPGA（现场可编程门阵列）等芯片被视为也可为AI不同计算任务提供算力，例如寒武纪就推出了一系列ASIC加速芯片，华为也设计了昇腾310和昇腾910系列ASIC芯片，但ASIC芯片通常针对AI应用专门设计了特定架构，通用性不如GPU。
图源：浙商证券
谈到高端算力芯片的市场竞争，海光信息在招股书中指出，在通用处理器领域，英特尔、AMD的CPU产品在全球市场中占据绝对优势地位；在协处理器领域，英伟达、AMD的GPGPU产品占据绝对优势地位。总体上国内厂商的市场份额与国际龙头企业相比差距较大，面临着该领域激烈的市场竞争。
“今天芯片产业面临的问题不是科研问题，更不是资本运作的问题，而是在成熟的产业生态体系里，我们没有占到核心关键点，更没有核心掌控力。”海银资本创始合伙人王煜全2月8日撰文指出。
他提到，今天非常主流的CPU、GPU芯片生态，是美国政府和众多欧美科技企业花了30多年时间逐步培育、发展起来的。这个领域，从最上游的指令集、芯片设计软件，到下游制造需要的光刻机，都已经有非常成熟的布局。除了表面上能看到的各种技术专利、行业标准，还有大量沉淀在业内，很难快速传播和复制的制造、生产经验，已经形成了壁垒森严的体系。
王煜全呼吁，在系统芯片异构计算时代，芯片企业、人工智能企业和产生大量数据的应用企业，这三方要深度合作，这样芯片的制造水平未必是最好，但芯片训练的模型是最好的。
“虽然英伟达占据先发优势，但其他厂商也在迎头赶上。”近期还有行业指出，对ChatGPT这类大模型训练，包括商业巨头和头部的研发机构都有持续在投入，像国内的百度、智源、华为、阿里等，其投入规模至今应该超百亿，主要是数据、硬件和人才的持续投入。可预知的是，还有很长的路要走，大模型应用正处于行业爆发的前夜，可以拭目以待。