文丨財聯社

寫詩、編程、聊天互動……打著“AI聊天機器人”名頭的ChatGPT，集成了多種功能，也一躍成為史上月活用戶數增長最快的消費者應用。ChatGPT的爆火，也讓人們注意到了AI應用背后龐大的算力需求與挑戰。

中科曙光便表示，截止2月12日，曙光智算公司提供用于AI訓練與推理計算的試用資源，在開放使用后一周內已被搶注一空。通常情況下，這些計算資源要三個月左右才能被用戶注冊并使用。目前，曙光智算正協調多個計算中心，提供更多算力資源滿足用戶需求。

而在上周，浪潮信息也宣布推出AI算力服務產品，基于智算中心的算力基礎設施，客戶可申請AI算力免費試用。

實際上，以ChatGPT為首的生成式AI開發主要依托于大模型技術，這就離不開算力支撐。而在算力基建中，除了芯片之外，AI服務器、AIDC等專用數據中心建設也同樣必不可少。

就在2月13日，北京市宣布，將支持頭部企業打造對標ChatGPT的大模型。同日北京昇騰人工智能計算中心正式點亮，并與首批47家企業和科研單位簽約。該中心一期算力規模達100P，短期算力規模將達500P，遠期將達1000P，可為企業和科研單位等提供AI算力服務。

的確，AI對算力的需求已不能僅僅用“快速”來形容——據ChatGPT開發公司OpenAI 研究，2012-2018年，最大的AI訓練的算力消耗已增長30萬倍，平均每3個多月便翻倍，速度遠遠超過摩爾定律。

另據《2022-2023 中國人工智能計算力發展評估報告》，2022年我國智能算力規模已達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復合增長率將達52.3%。

圖|人工智能算法計算量發展趨勢（來源：中信建投）

生成式AI的開發需要基于海量的自然語言或多模態數據集，對擁有巨大參數的超大規模模型進行訓練。要成功訓練出更大參數、更高精度、更高能力的大模型，不僅需要巨量的高性能AI算力進行支撐，還需要依托精心清洗獲得的高質量海量數據集，同時還需要有高效的系統平臺來保障長時間的模型訓練過程。

以OpenAI的GPT-3模型為例，其存儲知識的能力來源于1750億參數，訓練所需算力高達3640PFLOPS-day，單次訓練費用約460萬美元，而ChatGPT及未來GPT-4模型訓練成本將更高。當前，微軟Azure云計算中心為ChatGPT提供算力支撐，單次訓練成本超過千萬美元。

華泰證券2月13日報告也指出，以GPT模型為代表的AI大模型訓練，需要消耗大量算力資源，隨著國產大模型開發陸續進入預訓練階段，算力需求持續釋放或將帶動算力基礎設施產業迎來增長新周期。未來擁有更豐富算力資源的模型開發者，或將能夠訓練出更優秀的AI模型，算力霸權時代或將開啟。

正如上文提到的，算力基礎設施產業鏈主要可以分為三個環節：

（1）算力芯片：GPU采用數量眾多的計算單元和超長的流水線，架構更適合進行大吞吐量的AI并行計算，相關廠商包括景嘉微、寒武紀、海光信息、龍芯中科、中國長城等；

（2）服務器：ChatGPT模型訓練涉及大量向量及張量運算，AI服務器具備運算效率優勢，大模型訓練有望帶動AI服務器采購需求放量，相關廠商包括浪潮信息、中科曙光等；

（3）數據中心：IDC算力服務是承接AI計算需求的直接形式，隨著百度、京東等互聯網廠商相繼布局ChatGPT類似產品，核心城市IDC算力缺口或將加大，相關廠商有寶信軟件等。