ChatGPT爆火，能帶飛哪些芯片？_風聞

最近兩週，全球人民都想和一個叫ChatGPT的聊天，搞得服務器兩天宕機了五次……

這個在去年11月底，由人工智能實驗室OpenAI推出的AI程序，上線5天內收穫超100萬的註冊量，到今年1月末已經突破1億！要知道，TikTok達成1億小目標花了9個月，Twitter可是用了60個月！這“漲粉”速度不去帶貨真是可惜了……

能瞬間在全球範圍內成為“當紅炸子雞”，並且讓中國AI概念股股民狂喜的ChatGPT到底是何方神聖？它的爆火説明了什麼？它的背後又和芯片有哪些關係？

閲讀本文，你將瞭解以下內容：

1.  ChatGPT是什麼？

2.  ChatGPT背後的芯片

01

ChatGPT到底是個什麼鬼？

官方點説，ChatGPT是由OpenAI開發的一個人工智能聊天機器人程序。將它的名字拆開來，“Chat”指聊天，就是它的展現形式；“GPT”則代表Generative Pre-trained Transformer（生成型預訓練變換模型），即支撐它運行的預訓練模型。ChatGPT使用了Transformer架構並訓練了大量的文本數據，能夠進行語言翻譯、問答、對話等任務。

從體驗上來説，它像是有想法、會學習的高階版“小愛同學”，能通過不斷的對話記住你提供的信息，來不斷豐富自己的語料庫並提供答案。

沒錯，在你對面的，是一個真正的工具“人”。

ChatGPT眼中的自己

AI出現了那麼久？為什麼這個這麼火爆？

GPT的核心結構是Transformer。想要完整了解ChatGPT，得先從它説起。

Transformer是是一種採用自注意力機制的深度學習模型。簡而言之，神經網絡是一種非常有效的模型類型，用於分析圖像、視頻、音頻和文本等複雜數據類型。

在它之前，我們使用深度學習來處理輸入序列的方式是使用一種叫做循環神經網絡的RNN的模型。它要求輸入的數據必須順序正確，因為它只能按順序一對一的輸出，所以RNN很難達到並行化，這意味着我們不能通過使用更多的GPU來加快訓練。

來源：知乎用户@張俊林

Transformer則能夠一次性處理所有輸入數據，不再要求順序準確，可以非常有效地進行並行化操作。也就是説，如果有合適的硬件條件，我們可以訓練一些真正的大模型。

來源：知乎用户@張俊林

GPT便是以此架構為基礎誕生的。

第一代的GPT-1在2018年發佈，首次採用了 Transformer 架構作為特徵抽取器，解決了傳統 RNN 結構的缺陷與效率問題。然而，當時的數據量只有1億多，和現在動輒千億比起來少得可憐，因此它的表現並不好，只在問題回答、語義相似度評估、語義確定、文本分類任務中簡單應用。畢竟數據量越大，機器學習得以學習的基礎越多，效果更精準、更智能的可能性就越高。

GPT-2在下一年發佈，底層架構沒變，參數量有了大幅的提升。到了GPT-3，模型參數達到了1750億個，它已經可以完成答題、寫論文、文本摘要、語言翻譯和生成計算機代碼等真正意義的 AI 創作。

為什麼前面幾版都悄無聲息，到了ChatGPT突然大爆了呢？

簡單來説，就是能力發生了質變，一下子變得好“牛”。

ChatGPT是在GPT-3衍生而出的GPT3.5上進行微調而誕生。

ChatGPT 採用了 RHLF （Reinforcement Learning from Human Feedback，基於人類反饋的強化學習）算法，採用人工標註的方式將NLP（Natural Language Processing，自然語言處理）和RL（Reinforced Learning 強化學習）結合起來，極大地提升了模型效率和學習能力。

此前的GPT-2和GPT-3為了大幅增加參數量，都採用無監督學習模式，也就是輸入一堆數據，讓模型自己去學，不進行人工干涉。而到了ChatGPT，為了讓他更好用，引入了人工標註數據和強化學習，可以讓大模型更理解信息的含義，並進行自我判斷——也就是更貼近理想中的人工智能效果。也就是説，以前對的錯的一起全吸收了，現在則有人告訴它對錯，讓他更懂。

就像我們在使用ChatGPT的時候，前面問得越多、給出的信息越多，它提供的回答便會更符合我們的要求。

只要鋪墊夠多，2+5也可以是8

ChatGPT 代表着 AI 技術的新一輪突破，並且大概率預示着 NLP 技術有望迅速進入平民化應用時代，相關技術不僅對眾多的 C 端應用帶來革新，同時也將對 B 端應用產生重大影響。

微軟在2月7日宣佈將ChatGPT引入旗下的搜索引擎必應和Edge瀏覽器。這一下子讓整個互聯網圈炸開了鍋，一些龍頭企業火速跟上：谷歌宣佈推出AI對話機器人“Bard”（吟遊詩人）；百度宣佈類似ChatGPT的項目“文心一言”3月面世……

短時間內重磅消息頻出，ChatGPT終於破圈，遍地開花。

02

ChatGPT背後的芯片

一般內容創作分為三個階段：專業生產內容（PGC）、用户生產內容（UGC）、AI生產內容（AI Generated Content，AIGC）。早期專業視頻門户網站採用PGC模式，而現在一些主流的社交平台如抖音、小紅書、微博等是以UGC為核心的傳播方式。

目前以PGC、UGC為主，AIGC為輔，AIGC被認為是繼PGC和UGC後，新的內容創作方式。

ChatGPT只是AIGC中的一環，如AI寫作、AI作曲以及此前爆火的AI繪畫等都屬於AIGC中的一種。隨着AI技術的成熟，過去的“人工智障”已經蜕變成“數字人”，在娛樂、金融、零售業等發揮着作用：早在2016年的里約奧運會上，寫稿機器人就參與了賽事報道。光百度推出的數字人系列就包括AI手語主播、虛擬偶像、虛擬編輯等，其AI技術已經用於央視，並參與了去年兩會的報道。

ChatGPT是一種基於大規模語言模型的超智能對話AI產品，無論是探討概念化的AIGC，還是爆火的ChatGPT，本質上是在探討其背後的AI產業鏈。

人工智能三大要素：數據、算法、算力，這三大要素相輔相成，缺一不可。

如前文所述，ChatGPT是基於OpenAI的第三代大模型GPT-3升級而來，從GPT一代到三代，模型參數量已經來到1750億個，理論上參數量會隨着算力的增長而增長，極限在哪尚未知。

而算力的來源就是芯片。ChatGPT的爆紅，勢必會推動AI芯片產業的發展。

來源：ChatGPT——生成式AI迎來拐點，商用落地前景可期，國泰君安證券

AIGC產業鏈可以分為計算硬件層、雲計算平台、模型層及應用層。雖然ChatGPT比拼的是模型層和應用層，但計算硬件層無疑是背後的支柱。

AI算力芯片泛指加速AI類應用用，主要分為GPU、FPGA、ASIC。由於CPU的算力很有限，且處理並行操作比較吃力，因此一般將CPU搭配加速芯片使用。具體來看，GPU最初是用於圖像處理的芯片，但其通用性強，適用於大規模並行計算，且算力遠優於CPU，因此很適合人工智能，這一數據密集型的應用場景；FPGA的優勢在於開發週期短、靈活性高，大量應用在線上數據中心、軍工領域等；ASIC的優勢在於小型化、低功耗、高性能，一般用於消費電子，同時也適合AI運算場景。

ChatGPT背後的計算集羣使用的是英偉達的AI芯片。OpenAI曾表示，ChatGPT 是與英偉達和微軟合作完成的超級AI。微軟在自己的雲——Azue HPC Cloud中構建了超級計算機集羣，將其提供給OpenAI。據悉，該超級計算機擁有 285000個CPU（中央處理器）內核和10000多顆AI芯片。

除了算力芯片外，AI對話程序在執行計算期間需要大容量、高速的存儲支持，預計高性能存儲芯片需求也會增長。三星電子就表示，為GPU和人工智能加速器提供數據的高性能高帶寬內存 (HBM) 的需求將會擴大。從長遠來看，隨着AI聊天機器人服務的擴展，對用於CPU的128GB 或更大容量的高性能 HBM 和高容量服務器 DRAM 的需求預計會增加。

降本、降功耗成為發展AI專用芯片的方向。據瞭解，採購一片英偉達頂級GPU成本為8萬元，GPU服務器成本通常超過40萬元。對於ChatGPT而言，一次模型訓練成本超過1200萬美元。正如OpenAI CEO SamAltman曾在推文中所説的那樣：“用户每次與ChatGPT進行聊天，會花費幾美分。”

隨着SoC技術的發展，越來越多的企業開始推出自研的AI專用芯片，如谷歌的張量處理器TPU、英偉達的數據處理器（DPU）BlueField系列、百度的崑崙系列、華為的昇騰系列、阿里巴巴平頭哥的含光800等。億歐智庫的數據顯示，隨着大算力中心的增加以及終端應用的逐步落地，中國AI芯片需求也持續上漲。2021年疫情緩解，市場回暖，產生較大增幅；類腦等新型芯片預計最早於2023年進入量產，因此2024及2025年或有較大增長，預計市場規模將於2025年達到1740億元。

從AI芯片的計算功能來看，由於AI應用模型首先要在雲端經過訓練、調優與測試，計算的數據量與執行的任務量數以萬計，雲端訓練需求是AI芯片市場的主流需求。而到後期，訓練好的AI應用模型轉移到端側，結合實時數據進行推理運算、釋放AI功能，推理需求逐漸取代訓練需求，帶動推理芯片市場崛起。2025年，雲端推理與端側推理成為市場規模增長的主要拉動力，提升了逐漸下滑的AI芯片市場規模同比增速。

中國AI芯片市場入局者眾多，海思半導體已成為國內營收規模最大的集成電路設計企業，以昇騰系列為主要GPU產品，在AI終端芯片具有優勢。雲端領域，百度可提供雲上GPU服務器；海光信息、天數智心與登臨科技均以GPU為主打，是國內特定細分領域的主要競爭對手。

以下是2022年中國人工智能芯片企業TOP50：

03

結語

早幾年，AI創業的熱潮、資本的瘋狂湧入還歷歷在目，那時憑空出現的“AI專家”，被搶上天的“AI程序員”，終於在潮水退去後，沉寂下來。ChatGPT的成功破圈，似乎又看到了當初那股子“激情”再現。

但ChatGPT還需要多久能落地？落地到底能給人們帶來些什麼？落地過程中要花費多少成本？這個成本是否能夠承擔得起？

小冰CEO李笛在談到成本問題時表示，如果用ChatGPT的方法，小冰每天成本將高達3億元，一年成本超千億元。

且不説這沒日沒夜的電費賬單，就高昂的芯片價格和運營成本或許都能勸退不少“雄心壯志”的企業。所以，ChatGPT能發展到哪一步？又能帶動高端芯片產業幾分？一切難以下定論。

參考資料：

【1】ChatGPT 引領 AI 新浪潮，AIGC 商業化啓程，東方證券，2023