ChatGPT的降生是AI行业生长的一个里程碑，让通用人工智能距离周全商用更进一步。ChatGPT虽然属于天生式人工智能手艺（AIGC）的一种，却可以训练其他AIGC产物，好比充当AI绘图模子Midjourney 的提醒词剖析师。

由于ChatGPT的能力过于突出，其母公司2022年11月宣布ChatGPT3.5版本后，迅速吸引大量用户，同时也招来非议，最引人关注的莫过于全球首富马斯克，团结千人请愿全球住手研发类ChatGPT产物。

之以是说马斯克的呼吁吸引眼球，不是由于他否决研发类ChatGPT产物，也不是由于他全球首富的身份，而是由于他呼吁住手研发类ChatGPT产物之前，刚亮相要自建团队，自备资金研发类ChatGPT产物；其次才是作为天下首富雄厚的财力，稍微脱手，便囤了10000块GPU芯片。

马斯克对ChatGPT的亮相看似矛盾，然则思量到马斯克2015年照样ChatGPT母公司OpenAI的团结首创人，2018年就被现任CEO“奥特曼”挤走，这种类似吃不到葡萄说葡萄酸的心里也就容易明白了。更况且马斯克一直站在新兴手艺风口上，怎么可能容忍当今最新潮的手艺和自己没关系？

只不外不止一次亮相要切入人工智能（AI）赛道的马斯克，为何确立AI部门之前先抢了一万块GPU（图形处置器）芯片？抢购的又是什么型号的芯片？马斯克买了这一万块芯片，会不会影响行业供需关系，海内AI企业会不会受到影响，最主要地的是，海内有没有能做GPU的企业，做到什么境界了？

01.GPU若何搅悦耳工智能行业

马斯克购置一万块GPU芯片，主要是由于GPU的性能决议了行业天花板，相比于通用的CPU（中央处置器），GPU在人工智能行业被细分到“AI芯片”领域，也就是针对AI算法做了特殊加速设计的芯片。

狭义的人工智能芯片，指的就是专门优化过的显卡。在人工智能刚驶入快车道的2012年，前谷歌盘算机科学家Alex Krizhevsky，使用深度学习 GPU的方案在Image Net LSVRC-2010图像识别大赛中，将识别乐成率从74%提升至85%，在行业内引起普遍关注。

GPU行业龙头英伟达（NVIDIA）受此启发，投入大量人力物力又优化自家GPU的CUDA深度学习生态系统，有新闻称短短3年内，公司GPU产物性能提升了65倍，甚至还推出了基于自家GPU，笼罩后端训练至前端应用的全套方案。

众所周知，GPU通常被用于图像处置义务，由于图像是由多个像素组成，GPU想要高效完成图像处置义务，就需要大量可以完成自力运算的单元，厂商也会极尽可能，在芯片内放入更多自力盘算焦点，2018年宣布的英伟达GTX2080TI有4352个CUDA焦点，到2022年宣布的4090显卡CUDA焦点增至16384个。本就具备同时大量自力盘算的能力，以是只需要CPU给出准确的指令，GPU自然可以迅速完成深度学习型AI产物所需要的超规模盘算。

我们今天熟悉的ChatGPT已经迭代至第四代。以*代ChatGPT为例，2018年6月宣布的GPT-1只在8个GPU上训练了一个月，昔时运行TensorFlow单GPU深度学习研究，显示*的GPU是GTX2080TI，参数目约为1.17亿，展望训练数据量仅有5GB；2019年2月宣布的GPT-2预训练数据量增至40GB，参数目到达了15亿，此时需要256个Google Cloud TPU v3上训练一周。

到2020年5月宣布的GPT-3，预训练数据量猛增至45TB，参数目到达1750亿，需要在355个GPU上训练一年，且训练总成本到达1200万美元。GPT-3.5也就是我们现在熟悉的ChatGPT，和最新宣布的ChatGPT4.0尚未宣布相关数据，可以一定的是，这两代ChatGPT均使用GPU训练。据华西证券数据，ChatGPT母公司OpenAI已使用了约2.5万个英伟达的GPU。

虽然微软已经将OpenAI收入麾下，并提供代号为“雅典娜”的人工智能芯片，但由于英伟达芯片在人工智能行业深耕多年，新玩家短期内很难对其形成威胁，未来需求仍将继续上升。

更为人熟知的CPU，与GPU相比具有显著短板。由于CPU需要较高的通用性，较为高端的产物还需要在焦点内构建3级缓存，以是单个焦点会尽可能做的大而全，这就造成CPU可用于单独盘算的焦点显著少于GPU，无法专精处置某一项义务，导致CPU在行盘算、浮点盘算以及矩阵运算方面存在显著的先天不足，这三个能力恰恰是完成ChatGPT这种深度学习型AI产物迫切需要的。

英伟达为了进一步提升旗下产物对AI深度学习的顺应性，特意推出用于超级盘算机的深度学习的Tesla显卡，最新型号为A100，2022年由于不能抗力，已经被阻止向中国出口，转而推出减配版A800。

和消费级显卡相比，Tesla显卡在完成图像处置、语音识别、机械学习、物体检测等义务时更快，凭证相关测试，同样是2020年推向市场的A100和3090，消费级显卡3090 的tensor core只有A100的四分之一。在深度学习领域，无论是常见的CNN照样ChatGPT使用的Transformer，大多数浮点盘算量，都集中于依托tensor core盘算的矩阵乘法上面，以是使用A100可以更快完成深度学习产物的开发。

基于上述剖析，不难发现外洋对中国禁运A100的意图，就是想要极大可能限制中国人工智能行业生长。

02.国产芯片露出微光

短期来看，中国人工智能行业可以选择除A100外的次等GPU，然则耐久来看，必须要突破封锁，实现人工智能芯片国产化。

聚焦人工智能芯片领域，除GPU外，可用于AI算法的芯片还包罗CPU、FPGA、MLU、TPU，以及最新研究偏向类脑芯片，后者由于看法较为先进，预计最快将于2023年成熟，尚不足以撼动AI芯片竞争名目。同时出于现实思量，海内厂商在GPU芯片上和英伟达或AMD、Intel正面硬钢，毫无胜算。

CPU方面虽然有近期龙芯有所突破，然则如前所述，CPU并行算力不足，不适合应用于AI深度学习；FPGA虽然已经用于AI算法训练，然则市场规模较小；最有可能替换GPU的就是MLU、TPU通用AI芯片。

但凭证ChatGPT生长历程，Openai在开发GPT-2时，曾经使用过谷歌TPU芯片，这是一种以ASIC作为底芯片的盘算单元，专注于神经网络所需的矩阵运算的专用芯片，*应用于AlphaGo中。

首富钟睒睒能赚多少钱？

然则鉴于使用ASIC手艺的芯片需要定制化，用户使用成本较GPU更高且更繁琐，OpenAI开发GPT-3时重新选择GPU，同时思量到GPT-3模子参数目陡增，英伟达CUDA架构较其他产物具有显著优势，间接体现了英伟达GPU在人工智能芯片领域*龙头的位置，但这不代表其他产物就没有开发和应用价值。

首先是以谷歌TPU、寒武纪MLU为代表的通用AI芯片，依附针对特定算法深度优化和加速，可以在确定性执行模子的应用需求中施展作用；FPGA芯片依赖天真多变的通用性，再加上可编程性，适用于开发周期较短的AI产物、传感器数据预处置事情以及小型开发试错升级迭代阶段等。

梳理国产芯片企业的名目，除寒武纪外，华为、国芯科技也结构了通用AI芯片（TPUMLU）；安路科技、紫光国微、复旦微电等企业结构FPGA芯片，试图在这两个领域突破外洋对我国GPU芯片的封锁。

现在寒武纪虽然尚未实现盈利，芯片市占率也不高，但芯片产物笼罩了云端智能芯片及加速卡、训练整机、边缘智能芯片及加速卡、终端智能处置器IP以及上述产物的配套软件开发平台。

另一个已经被应用于人工智能的算法训练的FPGA芯片领域，中国市场占有率最高的国产厂商是安路科技，现在公司在中低端产物线周全临标外洋龙头企业，思量到确立FPGA芯片软硬件生态系统行业壁垒较高，且用户替换产物验证周期长，安路科技未来有望依托现有市场扩大优势。

现在安路科技的产物普遍应于用网络通讯、消费电子、工业控制和数据中央等领域均能保持稳健的发展，正在拓展无人机、自动驾驶、智慧都会等涉及人工智能的应用领域。

不外现在最值得关注的国产AI芯片企业应该是千芯科技，公司生产的存算一体AI芯片，通过自研存算一体手艺，可提供能效比跨越10-100TOPS/W，在特定领域可以提供更大算力（1000TOPS以上），优于其他类型AI芯片10-40倍的算力支持，应用场景包罗自然语言处置，一旦量产，可用于类ChatGPT产物的研发。其他可以用于深度学习领域的国产芯片还包罗北京君正的AI协处置器T02，燧原科技的邃思AI训练和推理芯片等。

现阶段，寒武纪、安路科技、千芯科技等国产AI芯片企业的产物，虽然尚不具备替换英伟达的能力，然则也给中国人工智能行业带来一丝微光。回首芯片行业的生长，无论是芯片装备照样芯片产物，只要中国企业突破封锁，就能迅速改变行业名目，这其中就包罗一种最常见的AI芯片。

03.AI芯片领域*的突破

这种最常见的AI芯片就是存储芯片，日前国产存储芯片生产商长江存储凭一己之力，让外洋大厂三星等企业的固态存储产物自动降价超50%。长江存储芯片对三星带来的危急感，是典型的弯道超车，也是国产芯片产业链追求的*发力点。

已往很长一段时间，存储芯片占全球芯片市场规模的27%，然则竞争名目较为固化，尤其是中国市场，2018年中国入口的3120亿美元的芯片中，存储芯片入口额高达1150亿美元，占比超36%。

到2020年，中国存储芯片规模增至全球存储芯片的31%，然则自给率不足1%，竞争名目高度固化，韩国三星近乎垄断高端存储市场。

同时思量到中国AI行业生长过于迅猛，有数据显示，预计到2025年，中国人工智能焦点市场规模有望到达4000亿元，鉴于当前海内芯片行业生长现状，CPUGPU等产物研发周期太长，想要短期获得海内市场的话语权难度极高，以是在国家大基金的向导下，长江存储加速3D NAND存储芯片研发进度，2019年推出64层3D NAND后，于2022年顺遂推出192层3D NAND芯片。

反观垄断中国存储市场的三星，自从2013年推出24层3D NAND闪存芯片后，直到2019年才推出96层V-NAND，虽然研发进度慢有替换手艺蹊径的缘故原由，然则同期另一家老牌存储长海力士已经推出128层4D NAND产物，三星此时已经显著落伍于同业企业，但仍*长江存储。

现现在，长江存储不仅从手艺层面实现赶超，还依附中国特有的“量大管饱”生产模式，将产物售价一降再降，迫使三星在中国市场周全接受价钱战，实现全系产物降价。

虽然现在有看法以为，三星存储产物降价，以及一季度泛起3.3万亿韩元的营业亏损，主要是由于已往几年芯片行业产能过剩，不得已降价去库存并首次减产，这种看法不能说错，但确实很片面。

从市场角度出发，现在在某电商平台上，接纳长江存储自研3D NAND闪存芯片的存储产物，2TB规格产物单价*到了479元，600元以下的选择异常多，而三星虽然大幅降价，但客单价依旧比致钛高100元，比售价*的近乎翻倍，若是三星不降价，继续接纳之前2TB规格产物动辄超2000元的单价，即是直接宣告退出中国消费级存储市场的竞争。

中国存储市场这块大蛋糕，三星可不会容易放弃。上文提及，到2025年，中国人工智能焦点市场规模将到达4000亿元，根据存储芯片27%的占比盘算，AI芯片领域存储芯片市场规模或将到达1080亿元。思量到当前存储产物售价大幅降价，守旧估量未来市场规模也有望跨越500亿。

而且在大数据时代，数据的发生和运算速率都在急速上升（参考GPT-3预训练数据量），所有云服务供应商不仅需要更强的算力，还需要容量更大、读取速率更快的存储装备，以是纵然未来存储芯片另有降价的可能，更低的产物价钱反而会催生行业内固态存储对机械存储装备的替换。

这种行业趋势实在从2019年就已经最先显露眉目。据民生证券数据，2019年企业级SSD平均容量到达2.3TB，2020年将增进至2.7TB，装备出货量年均复合增速到达15.8%。三星纵然降产断臂，也会全力平衡存储产物的供应关系，继续抢夺中国市场，只惋惜三星再也没时机躺平挣钱了。

由于长江存储的芯片制程普遍处于22nm，外洋制裁不涉及该部门，且国产装备现在已经逐步笼罩该领域的芯片制造。再想通过制裁简朴粗暴的限制中国芯片行业生长，只停留在理论层面，而一旦中国企业突破外洋封锁，将马上改变行业竞争名目，帮它们真正介入明白，什么才是“市场竞争”。