ChatGPT带火AI芯片 英伟达：都来找我们调货 需求特别大

《科创板日报》2月11日讯（记者 张洋洋） “我这几天，带都找电话都快打爆了。火A货需”聊起最近火爆出圈的片英ChatGPT，英伟达中国区一位高管用略带抱怨但难掩高兴的伟达语气向《科创板日报》记者说道，其中逻辑在于，求特为ChatGPT供应算力的带都找核心基建——AI芯片，成为各厂商们投资的火A货需关键，“这几天好多公司，片英包括，伟达都来找我安排调货，求特根本就调不过来，带都找需求特别大。火A货需”

英伟达成最大赢家？片英

ChatGPT等AI应用需要基于大量模型训练，它能如此睿智基于对天量数据的伟达“吃透”，背后是求特强大算力的支撑，以GPT-3模型为例，其存储知识的能力来源于1750亿参数，训练所需的算力高达3650PFLOPS-day。

研报的数据显示，此前用于AI训练的算力增长符合摩尔定律，大约每20个月翻一番；深度学习的出现加速了性能的扩展，用于AI训练的算力大约每6个月翻一番；而目前大规模模型出现，其训练算力是原来的10到100倍。

这也难怪OpenAI在大炼GPT-3之前，让微软花10亿美元给自己独家定制了一台当时全世界排名前五的超级计算机。ChatGPT在2月7日宣布由于满负荷运行而暂停服务，主要原因是网络等资源的限制，且此前ChatGPT也出现多次宕机，这体现了AI应用对算力的旺盛需求。

ChatGPT主要涉及AI自然语言处理相关技术，底层算力芯片以高性能GPU为主。国内一名人工智能公司高管告诉《科创板日报》记者，该类芯片中英伟达占据主要市场，英伟达的芯片为大模型训练做了很多优化，“很好用”，它才是这次ChatGPT热潮的最大赢家。

从芯片技术角度来看，鲲云科技创始人兼CEO牛昕宇告诉《科创板日报》记者，英伟达的CUDA架构最初用于游戏GPU，相比于CPU更适用于大规模并行计算，基于其CUDA生态，积累了完善的开发者生态。这一轮人工智能产业发展的初期，市面上没有专门的AI加速芯片和硬件产品，开发者发现其产品可以应用于AI的训练和推理过程，就多采用其产品。

另外，英伟达的产品在通用性和算力密度方面有优势，而且因为算法模型巨大，对系统级的多芯片互联合作，高带宽的网络贮存要求以指数级的增长，英伟达对此早有布局，以收购和研发整合的手段，已形成完整成熟的解决方案。

在此番半导体产业下行周期下，英伟达成为跌跌不休半导体股中的“逆行者”。年初至今，该公司股票已经涨超55%，反映了投资者在ChatGPT热潮下对英伟达的看好。

就芯片采购问题，《科创板日报》记者以投资者身份致电云从科技，相关人士仅表示，公司和国产芯片公司有深度的适配，而且以前也有一些库存，芯片这一块不会受到国际芯片供应量影响。

不仅要自主“大模型” 还要芯片技术弯道超车

目前，全球主要科技公司已经相继公布了各自在ChatGPT领域的进展，先且不论各家接下来投入程度高低以及这些类ChatGPT产品“钱”景如何，可以预见的是，手握关键底层芯片的公司们，无疑将从这次ChatGPT浪潮中受益。

认为，ChatGPT热潮席卷全球、AIGC将产生巨大算力市场的背景下，芯片需求将迎来量价齐升。

不过，在产业界看来，ChatGPT从西兴起，而后席卷至至大洋彼岸的中国，这给我国科技行业敲响警钟。

海银资本创始合伙人王煜全在2月7日发声称，中国不仅需要产生自主“大模型”，也应当在人工智能上进行芯片技术的“弯道超车”。

他认为，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。

“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。”王煜全称。

具体到产业，王煜全号召，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”。

人工智能发展多年，近年间的商业化进程在加快，但“针对AI底层算力的研究更早。”牛昕宇告诉记者，对ChatGPT这类大模型的训练，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。

芯片领域，“虽然英伟达占据先发优势，但其他的厂商也在迎头赶上。”牛昕宇称，像百度、、燧原、壁仞、鲲云等都有高性能的AI算力产品推出，百度的paddlepaddle生态也在完善中，鲲云也通过多个垂直行业的规模落地积累了生态和应用基础。

(责任编辑：百科)