人工智能技术不断发展，继AlphaGO之后，ChatGPT又在全世界掀起了一波AI热潮。
最近大家都被这个软件反复刷屏，当我们都以为ChatGPT的开发公司Open AI赢麻了的时候，其实真正赢麻的却另有其人。
赢家另有其人
人工智能之所以能崛起，依赖的不外乎两个方面：一方面是模仿人脑建立的数学模型和算法；另一方面是集成电路硬件技术的发展。我们也可以直接把后者理解为：芯片。
回望人工智能发展历程，AI技术主要得益于算法、数据和计算能力三方面的突破。芯片为复杂的计算任务提供了有力的支撑，也是算力的保障。
ChatGPT作为人工智能的产物，运行条件自然离不开算法、算力和数据。
数据显示，ChatGPT的总算力消耗约为3640PF-days（即假如每秒计算一千万亿次，需要计算3640天），需要7-8个投资规模30亿、算力500P的数据中心才能支撑运行。
ChatGPT对于强大算力的需求就等于对高端芯片的需求。
OpenAI CEO Sam Altman也曾表示，ChatGPT处理用户查询的每笔成本约为2美分，这是引入和使用英伟达AI芯片所需的成本。
（图源：浙商证券股份有限公司 陈杭）
证券公司也帮我们算了一笔账，为了支撑如此强大的算力消耗，ChatGPT需要1w颗以上英伟达GPU A100芯片，一次模型训练成本就超过1200w美元。
今年年初至今，英伟达股票已经涨超55％。
要知道从去年Q3开始英伟达营收就在走下坡路，但随着超大型人工智能需求的增加，英伟达的营收也有望获得大幅增长。
人工智能背后的芯片
我们常说AI芯片，但AI芯片并不是一个具体的芯片种类，更多的是指应用领域。为人工智能提供基础算力的芯片都可以称为AI芯片。
目前市面上能作为AI芯片使用的芯片类型主要有4种。
第一种是CPU。CPU可以拿来执行AI算法，但是因为体系结构和逻辑限制，很难满足高吞吐量和低时延计算的要求。用于AI计算性价比较低。
第二种是GPU。诞生于英伟达的GPU最初确实主要应用于图形渲染，这是在后来科研和应用中逐渐用于AI计算领域。GPU拥有较强的并行推算能力，能够支撑强大的算力需求，目前主要用于加速。
第三种是FPGA。可对芯片硬件层进行灵活编译，且功耗远远小于CPU和GPU。
第四种是ASIC。主要是定制专用的AI芯片，可以在芯片架构和电路上进行优化，用来满足特定的应用需求。性能高、功耗低，但成本也较高。
要知道，AI的应用必须要跨过成本和性能的临界点，要足够低成本、低功耗、高效能。芯片是让AI从庙堂之高的云端服务走向更广泛行业的最优选。
芯片是竞争壁垒
如今，巨头企业在AI领域竞争激烈。
2月7日，谷歌官宣了ChatGPT竞品Bard，并发布演示Demo。2月8日，微软上线了ChatGPT版Bing+Edge。
国内也传出消息，阿里达摩院正在研发类ChatGPT的对话机器人，目前已开放给公司内员工测试。预测其他大厂也会陆续跟进研发相关产品。
可以预见的是，ChatGPT势必会引爆一波AI芯片的热潮，这一次赢的不仅只有Open AI和英伟达，国内一众芯片厂商或许也能分上一杯羹。
从芯片卡脖子至今，字节跳动、百度、腾讯、阿里等大厂已陆续入场AI芯片领域。放眼国内，还有寒武纪、燧原、壁仞、景嘉微、澜起等GPU/AI芯片企业。
无论是AI芯片领域，还是其他芯片领域，大家都希望国内芯片企业能够抓住每一次机遇，交出一份令人满意的答卷。
【免责声明】：本站部分文章为转载或网友发布，目的在于传递和分享信息，并不代表本网赞同其观点和对其真实性负责；文章版权归原作者及原出处所有，如涉及作品内容、版权和其它问题，我们将根据著作权人的要求，第一时间更正或删除。
