25AIGC算力时代系列报告：ChatGPT芯片算力：研究框架_29页_1mb

ChatGPT芯片算力：研究框架总结

核心内容

随着ChatGPT等人工智能模型的快速发展，算力需求呈现爆发式增长，推动芯片产业在量和价两个维度同步提升。本报告分析了AIGC（人工智能生成内容）对芯片产业的影响，并探讨了CPU、GPU、FPGA、ASIC及光模块等关键芯片技术在AI领域的应用前景。

主要观点

• 算力需求爆发：ChatGPT的广泛应用显著提升了服务器的算力需求，尤其在训练和推理场景中，对高端芯片如英伟达A100 GPU的依赖程度大幅增加。
• 芯片量价齐升：AIGC不仅带来新的应用场景，还提高了原有场景的流量，推动芯片需求量增加。同时，高端芯片需求的上升也拉高了芯片的均价。
• 异构计算成为主流：AI服务器通常采用CPU与加速芯片（如GPU、FPGA、ASIC）的组合，以满足高吞吐量和复杂计算需求。
• Chiplet技术助力算力提升：Chiplet技术能够突破先进制程的限制，提升芯片良率、降低设计和制造成本，成为未来算力升级的重要手段。
• 存算一体技术前景广阔：通过在存储器中叠加计算能力，存算一体技术能够显著提升算力和能效，适用于大模型训练和推理等高负载场景。

关键信息

芯片种类及特性

AI服务器需求增长

• AI服务器需求大幅增加，尤其在训练和推理场景中。
• 2023年1月，ChatGPT月活跃用户达到1亿，成为算力需求增长的重要推手。
• 中国人工智能服务器工作负载预测显示，未来需求将持续增长。

未来技术趋势

• Chiplet技术：通过将多个小芯片封装在一起，提升算力和性能，同时降低成本和功耗。
• 存算一体技术：在存储器中集成计算单元，显著提升算力和能效，适用于大模型和高精度计算。
• AI芯片发展：国内外厂商如华为、寒武纪、阿里、百度等均在AI芯片领域布局，推动国产替代和技术突破。

应用场景

• 训练：需要高算力，通常使用GPU或ASIC。
• 推理：适合CPU与GPU/FPGA结合使用，实现高吞吐量和低延时。
• 计算：适用于通用计算任务，CPU为主。
• 新应用场景：包括智能客服、游戏NPC、智能音箱、陪伴型机器人、内容生产等。

风险提示

1. AI技术发展不及预期：当前NLP模型如ChatGPT仍存在缺陷，技术发展可能不达预期。
2. 版权、伦理和监管风险：AIGC内容可能涉及版权和伦理问题，监管风险不容忽视。
3. 半导体下游需求不及预期：芯片行业具有周期性，可能因宏观经济波动导致需求下降。

行业投资评级

• 看好：行业指数在6个月内相对于沪深300指数上涨超过10%。
• 中性：行业指数在-10%至+10%之间。
• 看淡：行业指数在6个月内下跌超过10%。

国内外主要厂商布局

• 谷歌：TPU v4集群，提供超1 exaflops浮点性能。
• 英伟达：GPU+CUDA，支持HPC和AI应用；基于Grace的系统与NVIDIA GPU结合，性能提升10倍。
• Habana：已被Intel收购，推出Gaudi（训练）和Goya（推理）芯片。
• 阿里巴巴：含光800AI芯片，自研架构与算法。
• 百度：昆仑2代AI芯片，采用7nm制程，性能提升2-3倍。
• 华为：昇腾910，业界算力最强的AI处理器。
• AMD：EPYC系列，采用Chiplet技术，性能持续提升。
• 英特尔：Meteor Lake，首次采用Chiplet设计，性能功耗比目标提升1.5倍。

技术演进路线

• 查存计算：早期技术，GPU用于复杂函数运算。
• 近存计算：如AMD Zen系列CPU、三星HBM-PIM。
• 存内计算：如Mythic、千芯科技等。
• 存内逻辑：满足大模型计算精度要求，如TSMC和千芯科技。

结论

ChatGPT等AI模型的广泛应用显著提升了算力需求，推动芯片产业量价齐升。未来，Chiplet和存算一体技术将成为提升算力和能效的关键。国内GPU、CPU、FPGA、AI芯片及光模块产业链具备良好的发展前景，值得关注。