ChatGPT帶飛英偉達，中國芯片成色幾何？
【文/觀察者網 呂棟】
“這幾天電話都快被打爆了。”談到最近爆火的ChatGPT，英偉達中國區一位高管日前向媒體説道。
春節過後，全球AI領域最引人關注的非聊天機器人ChatGPT莫屬。
在資本和輿論的吹捧下，擁有交流、創作、翻譯等多種功能的ChatGPT，儼然已成為一個現象級產品。不僅背後的OpenAI和微軟藉此名聲大噪，國內一眾高調跟進的互聯網大廠也賺足了眼球。
但實際上，在網友們褒貶不一、對ChatGPT持續展開討論的同時，支撐ChatGPT誕生的算力基礎——AI芯片和服務器也正在資本市場上掀起巨浪，已下跌一年的英偉達，股價在4個月裏實現翻倍。
英偉達CEO黃仁勳
在國內，股市上的熱情似乎更勝一籌。國產GPU廠商景嘉微股價一個月漲超60%，即便已經公開表示沒有ChatGPT相關業務，依然擋不住股價的漲勢，讓高管們不趁機減持都不好意思。
算力，是人工智能的“三駕馬車”之一，跟着ChatGPT備受追捧無可厚非。但值得關注的是，打造ChatGPT到底需要消耗多少算力？資本市場狂歡下，國內廠商又能在多大程度上受益？
在接受觀察者網採訪時，國內服務器廠商寧暢副總裁兼CTO趙雷指出，就ChatGPT而言，需要TB級的運算訓練庫，甚至是P-Flops級的算力。從目前的服務器處理能力來看，大概是幾十到幾百台規模的GPU服務器體量才能夠實現，而且需要幾日甚至幾十日的訓練。
市場上還有券商報告稱，ChatGPT帶動超算算力需求3年或將提升超過10倍，未來3年或將拉動千億級ICT硬件投資需求。隨着ChatGPT持續爆火，以英偉達為代表的AI算力產業鏈真的會成為最大贏家嗎？
“顯卡寒冬”中帶飛英偉達，市場過度樂觀了？
在ChatGPT爆火出圈之前，黃仁勳最頭疼的事應該還是怎麼更快度過本輪“顯卡寒冬”。
剛剛過去的2022年，全球獨顯出貨量創下二十年新低，相比2021年“腰斬”。作為全球顯卡市場的頭號玩家，英偉達持續遭受重創，業績連續兩個季度下滑，股價一年之內暴跌70%。
但ChatGPT現象級爆火很快扭轉了這一頹勢。去年10月中旬以來，英偉達股價從108美元/股暴漲至228美元/股，反彈111%，市值重登美股半導體板塊第一，大幅甩開英特爾等同行。
“我們一直在等待這一刻，”看到英偉達股價在市場低迷下逆勢暴漲，黃仁勳對ChatGPT的讚美也毫不吝嗇，直言ChatGPT對於人工智能的意義，不亞於手機領域“iPhone”的出現。
英偉達CEO黃仁勳
市場好奇的是，世界上那麼多芯片公司，為什麼偏偏英偉達的股價會隨着ChatGPT翩翩起舞？
簡言之，就是ChatGPT的底層基礎是一個擁有1750億參數的預訓練大模型——GPT-3.5，它能如此睿智，主要是基於對天量數據的“吃透”，背後離不開強大算力的支撐，而英偉達的GPU能提供它需要的算力。
目前來看，全球其他正在跟進的廠商想要推出ChatGPT這種人工智能大模型，必須有三項關鍵技術支撐：訓練數據、模型算法和算力。
浙商證券研報指出，訓練數據市場廣闊，技術壁壘較低，投入足夠的人力物力及財力後即可獲得；基礎模型及模型調優對算力的需求較低，但獲得ChatGPT功能需要在基礎模型上進行大規模預訓練，這就需要大量算力，所以算力是ChatGPT運行的關鍵所在。
説起AI算力，就到了GPU的主場。
最初，英偉達基於CUDA架構開發的GPU主要用於遊戲，後來發現它還可用於AI訓練和推理中的大規模並行計算任務，逐漸形成開發者生態。在AI發展初期，市面上沒有專門的AI加速卡和硬件產品，開發者便將英偉達GPU用於AI訓練和推理，開始大規模採用其產品。
CPU和GPU架構的區別
“英偉達芯片為大模型訓練做了很多優化，它才是這次ChatGPT熱潮的最大贏家。”有業內人士直言。
那訓練ChatGPT到底需要多少算力？
海通證券援引的OpenAI測算顯示，自2012年起，全球頭部AI模型訓練算力需求每3-4個月翻一番，每年頭部訓練模型所需算力增長幅度高達10倍，而ChatGPT訓練階段總算力消耗約為3640PF-days（即1 PetaFLOP/s效率跑3640天）。
在接受觀察者網採訪時，寧暢CTO趙雷提到，目前用户使用ChatGPT得到的反饋，是訓練後的產物，主要涉及推理應用，計算時間基本上是分鐘級或者秒級的。對於ChatGPT訓練來説，一般是周級或是月級，至少差一個數量級，也有可能差兩到三個數量級。
浙商證券研報指出，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，支撐其算力基礎設施至少需要上萬顆英偉達GPU A100（曾經風靡一時的AlphaGO也只需要8塊GPU），一次模型訓練成本超過1200萬美元。
在此背景下，英偉達、AMD等可提供AI算力芯片的公司，股價也開始在半導體下行週期中逆勢上漲。就在日前，英偉達中國區高管在接受媒體採訪時提到，“這幾天好多公司，包括雲從科技，都來找我安排調貨，根本就調不過來，需求特別大。”
觀察者網就相關事宜聯繫雲從科技投資者關係部，對方工作人員回應表示：採購信息只能以公告為準。不過他補充稱，雲從科技已和華為、寒武紀等國內廠商完成深度適配，而且以前也準備了一些庫存，國際芯片供應不會對該公司造成明顯影響。
市場上有業內人士測算，未來GPT-4可能會達到100萬億個參數，在不使用英偉達H100 GPU或優化架構的情況下，單日訪問算力需要6萬台A100，僅給英偉達的算力投入就是120億美元。
“有沒有ChatGPT這個東西，人工智能算力都是永遠都不夠的。”趙雷向觀察者網坦言，元宇宙到現在還沒有一線的3A大作遊戲畫面和互動性好，所以目前市場上的算力還差得遠，未來5到10年，至少100倍的算力提升還是需要的。
據《2022-2023中國人工智能計算力發展評估報告》統計，2022年我國人工智能算力規模已達268百億億次/秒（EFLOPS），超過通用算力規模，預計未來5年，中國智能算力規模年複合增長率將達52.3%。
但具體廠商能在多大程度上受益，似乎仍值得觀察。近日有台灣島內行業人士透露，英偉達並沒有因為ChatGPT在台積電加投先進工藝的4nm芯片，市場都過度樂觀了。
國內廠商成色幾何？
自ChatGPT爆火以來，國內大廠紛紛跟進，這也點燃了A股的算力基礎設施概念，浪潮信息、神州數碼、華勝天成等服務器產業鏈公司連日大漲，甚至浪潮信息還收到了深交所的關注函。
作為國內專注人工智能賽道的服務器廠商，寧暢雖然沒有上市，但憑藉與英特爾、英偉達的聯手合作，在這輪ChatGPT熱潮中也受到市場關注。
寧暢CTO趙雷告訴觀察者網，ChatGPT的持續爆火為AIGC帶來全新增量，行業對AI模型訓練所需要的算力支持提出了更高要求，也為寧暢帶來更多市場空間和發展機會。
根據IDC報告，2021年中國AI服務器市場規模達350.3億元，同比增長68.6%，浪潮信息、寧暢、新華三、華為和安擎等位居前五，佔據82.6%的份額。在全球AI服務器市場上，浪潮以20.9%的份額位居第一。
圖源：IDC
但服務器只是整機，國內AI產業要想自主發展，最關鍵的還是在核心芯片上掌握主動權。
一組第三方數據顯示，中國加速服務器市場近年來不斷壯大，2021年規模達53.9億美元，GPU服務器佔絕對主導。其中，加速卡的採購型號主要集中在英偉達的T4、V100、V100S以及A100系列上，外加少量的AMD與英特爾。
IDC的數據凸顯了英偉達的主導地位：2021年中國加速卡數量出貨超過80萬片，其中英偉達佔據超過80%的市場份額。
去年9月，英偉達被限制向中國供貨A100和H100 GPU的消息引發業內廣泛關注。雖然英偉達積極爭取美國政府許可，並提供低配版產品，但這也再次給國內產業界敲響了警鐘。
觀察者網注意到，在這輪ChatGPT爆火中，A股也有不少芯片股隨之大漲，但炒作意味濃厚。
例如，國產GPU廠商景嘉微曾同時透露“產品未涉及AI訓練與ChatGPT相關業務”和“JM9系列圖形處理芯片可用於人工智能計算領域”兩則消息。在市場信息不對稱的情況下，景嘉微股價一個月裏大漲超過60%，隨後高管很快披露了減持公告。
深交所互動易截圖
但也有一些上市公司明確表示擁有類GPU芯片業務。例如，海光信息在招股書中透露，該公司系列產品可以廣泛應用於大數據處理、人工智能、商業計算等應用領域。自1月中旬以來，海光信息股價累計漲近30%。
此外近幾年在市場上連續大額融資的初創公司，像天數智芯、壁仞科技、摩爾線程等公司，也都推出了自研的通用GPU產品。例如，去年8月壁仞科技發佈首款7nm製程的通用GPU芯片BR100，稱其可與英偉達的旗艦H100一較高下，但尚未量產上市。
英偉達的“霸權”之下，這些新創公司的產品要想在市場上打開局面，一方面要解決性能和生態適配問題，甚至要反向適配英偉達的生態，另一方面要寄望於國內芯片製造的突破。以在芯片量產方面走在同行前列的天數智芯為例，到2022年底累計銷售訂單為3億元，與數十億的融資相比仍差距顯著。
除了GPU，CPU、ASIC（專用集成電路）和FPGA（現場可編程門陣列）等芯片被視為也可為不同AI計算任務提供算力，例如寒武紀就推出了一系列ASIC加速芯片，華為也設計了昇騰310和昇騰910系列ASIC芯片，但ASIC芯片通常針對AI應用專門設計了特定架構，通用性不如GPU。
圖源：浙商證券
談到高端算力芯片的市場競爭，海光信息在招股書中指出，在通用處理器領域，英特爾、AMD的CPU產品在全球市場中佔據絕對優勢地位；在協處理器領域，英偉達、AMD的GPGPU產品佔據絕對優勢地位。總體上國內廠商的市場份額與國際龍頭企業相比差距較大，面臨着該領域激烈的市場競爭。
“今天芯片產業面臨的問題不是科研問題，更不是資本運作的問題，而是在成熟的產業生態體系裏，我們沒有佔到核心關鍵點，更沒有核心掌控力。”海銀資本創始合夥人王煜全2月8日撰文指出。
他提到，今天非常主流的CPU、GPU芯片生態，是美國政府和眾多歐美科技企業花了30多年時間逐步培育、發展起來的。這個領域，從最上游的指令集、芯片設計軟件，到下游製造需要的光刻機，都已經有非常成熟的佈局。除了表面上能看到的各種技術專利、行業標準，還有大量沉澱在業內，很難快速傳播和複製的製造、生產經驗，已經形成了壁壘森嚴的體系。
王煜全呼籲，在系統芯片異構計算時代，芯片企業、人工智能企業和產生大量數據的應用企業，這三方要深度合作，這樣芯片的製造水平未必是最好，但芯片訓練的模型是最好的。
“雖然英偉達佔據先發優勢，但其他廠商也在迎頭趕上。”近期還有行業人士指出，對ChatGPT這類大模型訓練，包括商業巨頭和頭部的研發機構都有持續在投入，像國內的百度、智源、華為、阿里等，其投入規模至今應該超百億，主要是數據、硬件和人才的持續投入。可預知的是，還有很長的路要走，大模型應用正處於行業爆發的前夜，可以拭目以待。