為什么說AIGC帶來的產(chǎn)業(yè)影響級別或遠超5G？AI發(fā)展浪潮都是由于算力大幅提升推動應用的爆發(fā)？如何發(fā)掘中國相關的機會？浙商證券研究所所長助理、新科技首席分析師陳杭帶來“AIGC算力時代:ChatGPT芯片算力研究框架“主題分享， 以下是嘉賓部分觀點，掃碼即可回看全部會議內(nèi)容！
01
AIGC算力時代下三類投資主線
AIGC算力時代到底是一個什么樣的量級？我們將近30年來信息科技創(chuàng)新分為大小兩個種類，大的創(chuàng)新主要發(fā)生了三次，小的創(chuàng)新總共發(fā)生了七次。關于大的三次創(chuàng)新，第一次是90年代互聯(lián)網(wǎng)和PC計算發(fā)明，這是一個大幅的0到1式創(chuàng)新，使人類進入了計算時代；第二次是2008年開始的智能手機發(fā)明，至今已經(jīng)改變了我們所有人的工作和生活方式，對每個個體生產(chǎn)力的提升是巨大的，同時也重塑了全球產(chǎn)業(yè)格局，形成智能手機及背后的產(chǎn)業(yè)鏈；現(xiàn)在極有可能正在發(fā)生第三次大創(chuàng)新，我們稱之為人工智能計算時代。這一次的創(chuàng)新會對整個全要素生產(chǎn)力，對計算機、人和IOT相關的生產(chǎn)關系都是巨大的拉動和顛覆式的創(chuàng)新。
我們發(fā)現(xiàn)，科技創(chuàng)新背后都是由算力和芯片來決定的，包括這次的人工智能。實際上，我們梳理出AI發(fā)展的四次浪潮，每一次都是由于算力的大幅提升推動了應用的爆發(fā)。而應用奇點的來臨，又反過來拉動了算力芯片的需求爆發(fā)。我們看到第一次浪潮是AI推理、計算能力的崛起；第二次AI浪潮以專家系統(tǒng)、現(xiàn)代計算機的出現(xiàn)為代表，逐步滲透到一些商用市場；第三次AI崛起是深度神經(jīng)網(wǎng)絡讓AI具備了學習能力，在部分場景下能夠以超越人類的方式來解決問題，代表產(chǎn)物是AlphaGo和GPT大模型。它的現(xiàn)實意義在于奠定了通用大模型加場景小模型的技術(shù)路線，為后續(xù)的商業(yè)化打下了基礎；現(xiàn)在我們正處于全新的第四次AI算力革命浪潮中，代表產(chǎn)品就是ChatGPT。由于它使得AI擁有了創(chuàng)造力，有望成為效率和生產(chǎn)力工具，直接拉動每個人的全要素生產(chǎn)力。它可以在文本、圖像、音頻、視頻生成方面接近于商業(yè)化的需求。
這一次浪潮的開始，一是由于芯片算力達標，二是有巨大的下游應用場景。這兩方面疊加到底有多大量級的提升？由于內(nèi)容生成的成本大幅下降，能夠滿足下游的需求，再加上生產(chǎn)效率的大幅提升，可以達到類似于光伏平價上網(wǎng)的一個奇點，會導致生態(tài)流量的快速爆發(fā)。我們可以看到ChatGPT的月活數(shù)過億，花了最短的時間，所以為商業(yè)化創(chuàng)造了條件。在文本、圖像、視頻生成方面，主要可以看三類主線，第一類是AIGC產(chǎn)業(yè)鏈的下游，即各種場景的應用，第二類是AI的中游，各種算法、框架、大模型廠商；第三類是AIGC的基礎設施，以芯片算力為主。
02
算力需求爆發(fā)將拉動芯片量價齊升
我們再詳細看一下算力需求對量和價的拉動。它是一個乘數(shù)效應，之前沒有用上AI的場景會逐步加入AI功能，之前用過的場景會大幅提升流量，所以對算力芯片的量價方面是一個數(shù)量級的拉動。
技術(shù)原理方面，ChatGPT是基于GPT-3.5架構(gòu)開發(fā)的對話模型，它經(jīng)歷過3次迭代，這一次引入了人類反饋強化學習算法，從而使它有能力去進化。由于模型的不斷迭代，它的層數(shù)越來越多，導致對算力的需求也越大，當然預測的結(jié)果也越準確。ChatGPT要完美運行，需要三個要素，第一是訓練所用的數(shù)據(jù)，第二個是模型算法，第三是算力。其中訓練數(shù)據(jù)市場非常廣闊，我們可以看到國家在推動數(shù)據(jù)要素發(fā)展等，但是供給壁壘相對較低。難度較高的實際上是模型及模型的調(diào)優(yōu)、算力的適配。獲得ChatGPT功能是需要建立在大模型預訓練的基礎上，儲存知識的能力實際上來自于1750億的參數(shù)，需要極大量的算力，所以算力就成為ChatGPT能否正常快速商業(yè)化落地的最關鍵點。
圖片來源：浙商證券研究所
我們再看價格方面，對高端芯片需求的拉動會直接提升整個半導體板塊，特別是相關芯片的均價，會復制2017年由于礦機拉動整個半導體景氣度上升帶來的GPU價格提升。我們知道，現(xiàn)在采購一片英偉達頂級GPU成本是8萬元，一臺GPU服務器成本是40萬元。對于ChatGPT而言，支撐其算力基礎設施至少需要上萬顆A100系列GPU，一次模型訓練的成本實際上超過1200萬美元。算力需求是巨大的、海量的。
03
我國相關的六大投資機會
實現(xiàn)算力需要哪些基礎設施？具體分為四大塊，第一塊是計算機硬件，像GPU和DPU等加速器，特別是GPU，這些加速器芯片會提供強大的算力來支撐模型訓練和推理；第二塊是分布式的計算框架，由于Open AI使用基于Python TensorFlow的框架來構(gòu)建和訓練GPT模型，TensorFlow又具有很強的可擴展性，這也非常關鍵，我們稱之為深度學習框架；第三塊是存儲設施，很多傳統(tǒng)IDC機房的機柜服務器里存儲用的是普通磁盤，但是我們知道演算AI就全部要換成3D NAND。雖然現(xiàn)在全球閃存的供需失衡、供過于求，但是如果AIGC真正成為一次行業(yè)巨大創(chuàng)新，那么對閃存的需求也是巨大的。跟存儲相關的還有HBM，這也是在算力瓶頸上的一個關鍵突破口；第四塊是網(wǎng)絡基礎設施，為了支持分布式云計算框架的運行，OpenAI也用了一系列高速網(wǎng)絡通信設施，包括高速局域網(wǎng)和云網(wǎng)絡。ChatGPT的整個計算基礎設施我們總結(jié)一下，不僅包括了軟件相關，也包括通信、芯片和服務器等。過去5年我們也可以看到，以大模型為代表的全新AI方式直接突破了萬億參數(shù)，算力的需求也跟著水漲船高。
圖片來源：浙商證券研究所
我們做一個總結(jié)，由于量和價的雙重提升，導致集成電路特別是大算力芯片將會出現(xiàn)爆發(fā)式的增長。這是第三次大的創(chuàng)新，我們需要以30年的視角來觀察。而這次創(chuàng)新將會以指數(shù)級別拉動服務器算力，所以導致的結(jié)果是，我們會發(fā)現(xiàn)之前所有跟半導體相關的主要需求第一名是消費電子/智能手機，第二名才是HPC高性能服務器，但是極有可能從去年臺積電的收入結(jié)構(gòu)中HPC超過消費電子開始，后續(xù)集成電路的增長和創(chuàng)新都由前臺、終端轉(zhuǎn)移到后臺服務器。服務器的創(chuàng)新大概率成為后續(xù)計算創(chuàng)新的要點。
基于這個要點，如何來發(fā)掘中國相關的機會？機會來自于六大塊，其實六大投資機會只有一個目標就是提高算力。算力如何提高？有六個方法。第一個最核心的我們稱之為Chiplet，它是提高單一芯片單點算力的技術(shù)，是在沒有非常先進的芯片工藝時能夠做出的解決方案，我們可以借道超車；第二個是以光通信創(chuàng)新，以CPO為代表；第三個是提高存儲性能，不僅是HBM，還有從磁盤到3D NAND；第四個，由于數(shù)據(jù)中心的數(shù)據(jù)流有東西和南北兩個方向，南北向的數(shù)據(jù)傳輸需要高速率光模塊，而提升東西向的通信效率則需要DPU等協(xié)處理器；第五個是GPU；第六個是FPGA+CPU異構(gòu)計算。
最后再總結(jié)一下，對AIGC、ChatGPT，目前市場都認為是一次非常大的產(chǎn)業(yè)革命，但現(xiàn)在分歧點是到底是跟5G一個級別，還是遠超5G、跟移動互聯(lián)網(wǎng)的發(fā)明是一個級別？去年的元宇宙實際上我們總結(jié)下來是對生產(chǎn)關系的重塑，它并沒有提升我們?nèi)鐣纳a(chǎn)力。但是，AIGC的本質(zhì)是對生產(chǎn)力的大幅提升。按照目前AIGC的發(fā)展速度和ChatGPT目前能夠展現(xiàn)出來對下游場景的影響、對生產(chǎn)力的提升，我們先做一個預測，它的級別會遠超5G。到底能不能達到英偉達創(chuàng)始人說的“iPhone時刻”，重新回到當年能改變我們工作、生活的移動互聯(lián)這樣的大時代級別，我們還需要觀察。
聯(lián)系客服
