《科創闆日報》2 月 9 日訊（編輯 宋子喬） 近一個月以來，AIGC 現象級産品 ChatGPT 聊天機器人點燃、成就了一場資本狂歡。
可以說，ChatGPT 的火爆，開辟了 AI 産業化的新路徑——以大模型敲開通用人工智能的大門。為了滿足大模型應用的巨大算力需求，大廠們紛紛加大了相關基礎設施方面的投資。作為算力基礎設施中的核心硬件，AI 芯片由此進入人們的視野。
浙商證券最新報告表示，ChatGPT 的 " 背後英雄 " 系 GPU 或 CPU+FPGA 等算力支撐，該應用對于高端芯片的需求增加會拉動芯片均價，量價齊升将導緻芯片需求暴漲。信達證券也表示，AIGC 推動 AI 産業化由軟件向硬件切換，半導體 +AI 生态逐漸清晰，AI 芯片産品将實現大規模落地。
1 月下旬以來，景嘉微、寒武紀、龍芯中科等多隻個股漲幅已超 30%。今日（2 月 9 日）早盤，多隻 AI 芯片股走強，截至午間收盤，景嘉微漲超 16%，海光信息漲超 14%，中科曙光、寒武紀、龍芯中科、安路科技等紛紛跟漲。
該 AI 芯片接棒了？
▌ AI 邁向大模型時代 芯片市場成長可期
ChatGPT 的技術底座是 " 大型語言模型（Large Language Models）"，簡稱 LLMs，中文習慣稱為 " 大模型 "。算法是大模型成功的首要條件，然後要喂給算法海量的數據（數據量級躍升，能帶來更多能力的湧現），再搭配強大的發動機——大算力，才能獲得最基礎的大模型。
一個 ChatGPT 應用的算力消耗已經讓人瞠目。其大模型 GPT 經曆了三次叠代，GPT、GPT-2 和 GPT-3（當前開放的版本為 GPT-3.5）的參數量從 1.17 億增加到 1750 億，預訓練數據量從 5GB 增加到 45TB，其中 GPT-3 訓練單次的成本就已經高達 460 萬美元。最新的 GPT3.5 在訓練中使用了微軟專門建設的 AI 計算系統，由 1 萬個 V100 GPU 組成的高性能網絡集群，總算力消耗約 3640PF-days，即假如每秒計算一千萬億次，需要計算 3640 天。
同樣，國産自研的源 1.0、悟道和文心等 AI 模型，不僅在參數量上達到了千億級别，而且數據集規模也高達 TB 級别。想要搞定這些 " 龐然大物 " 的訓練，就至少需要投入超過 1000PetaFlop/s-day（PD）的計算資源。
一言以蔽之，大模型為代表的 AI 新時代，算力便是核心競争力。
而 AI 芯片是針對人工智能算法做了特殊加速設計的芯片，也被稱為 AI 加速器或計算卡，是 AI 的算力基礎。要知道，ChatGPT 有着大量複雜計算需求的 AI 模型，GPU、FPGA、ASIC 等 AI 芯片專門用于處理這些計算任務，是不可或缺的底層硬件。
據了解，采購一片英偉達頂級 GPU 成本為 8 萬元，GPU 服務器成本通常超過 40 萬元。對于 ChatGPT 而言，支撐其算力基礎設施至少需要上萬顆英偉達 GPU A100，一次模型訓練成本超過 1200 萬美元。
浙商證券分析師陳杭據此表示，ChatGPT 對于高端芯片的需求增加會拉動芯片均價，量價齊升将導緻芯片需求暴漲，" 目前 OpenAI 已推出 20 美元 / 月訂閱模式，初步構建了優質的訂閱商業模型，未來繼續擴容的能力将會大幅提升。"
中金公司認為，未來大模型趨勢下，AI 芯片市場成長可期，在 ChatGPT 應用大規模商用初期，AI 芯片行業有望創造 20 億美元左右市場空間。另據 Omdia，2022 年數據中心用 AI 芯片市場規模有望達 133 億美元。
▌多路線蘊含潛力 周邊生态有望受益
不過，在名為 "AI 芯片 " 的大籃子裡，細分品類衆多。目前英偉達主導的 GPU 憑借高算力成為主流選擇，其他 AI 芯片如 ASIC、DPU、FPGA 也蘊含潛力——
ASIC/DPU 等專用芯片在特定使用場景下高算力 / 低功耗 / 小面積的優勢仍吸引國内外廠商積極布局，如 TPU、類腦芯片等；FPGA 由于可編程而更具靈活性，相比于 CPU/GPU/ASIC 具有更高的速度和極低的計算能耗，常年來被用作專用芯片的小批量替代品。
AI 芯片根據技術架構分類圖源：信達證券研報
多樣的技術路線也意味着，AI 芯片的具體投資機會并不是那麼好把握，英偉達這樣的巨頭也面臨被超車的風險。
信達證券便表示，AIGC 的出現真正賦予了人工智能大規模落地的場景，AI 芯片也将從過去面向廠商的訓練場景為主轉變為面向消費者的推理場景為主，GPU 的高并行計算能力和高通用性的協調統一在消費者時代的統治力或許難以為繼，ASIC 芯片、國産 GPU 芯片有望切入 MaaS 産業生态。
該機構進一步認為，AIGC 推動 AI 産業化由軟件向硬件切換，半導體 +AI 生态逐漸清晰，AI 芯片産品将實現大規模落地。硬件端核心包括 AI 芯片 /GPU/CPU/FPGA/AI SoC 等，而在 AI 芯片中，算力及信息傳輸速率成為關鍵技術，芯片性能及成本的平衡也帶動周邊生态，包括 Chiplet/ 先進封裝 /IP 等産業鍊受益。
據《科創闆日報》不完全統計，相關标的包括：
