永安期货

2023年头，在青岛、济南、日照等12座都会，一座座崭新的大型数据中央拔地而起。

其中，最引人瞩目的属2月23日，在青岛崂山区的青岛人工智能盘算中央。这是山东省*个上线运行的人工智能盘算中央，算力规模可达250P。

在青岛这座都会，既有像卡奥斯这样的工业互联网平台型企业，也有像创新颖智、极视角、以萨手艺等人工智能服务商。这些企业对算力、算法和数据有着重大的需求。

像青岛人工智能盘算中央这样的项目，最近两年不在少数。而现在，人工智能再一次引爆算力需求。

前有ChatGPT诞世，后有百度“文心一言”，另有鲜为人知的claude ，由Anthropic公司开发；腾讯克日也宣布研发ChatGPT谈天机械人。

为什么ChatGPT爆火后，海内外大厂都前仆后继地介入？又为什么OpenAI的ChatGPT被称为“一直被模拟，从未被逾越”？

1956年，人工智能最先生长，60年一直不温不火，直至2017年，Alphago打败围棋天下冠军，才算AI破圈的最先。决议AI的三大焦点要素是数据、算法和算力。

首先，全球最不缺的就是数据，尤其在中国，14亿人口平均人手1.6部智能手机，未来随着物联网手艺的完善，每人会生产出更重大的数据量；其次是算法和算力，一个形象的比喻是，数据即是厨师炒菜用的食材，算法是菜谱，算力则相当于厨师的厨艺。而在中国，拖后腿的是算法和算力。

据OpenAI克日宣布的数据，停止现在人们对算力的需求已增进超30万倍。然而，就在各国加速结构算力产业之际，2022年美国商务部阻止了高端芯片装备及人工智能芯片的对华出口。这直接影响了英伟达和AMD两大供应商对A100和H100两款高端加速卡的出口。

“1万枚英伟达A100芯片是做好AI大模子的算力门槛”，这是行业内公认的尺度。H100则是比A100性能更高的芯片。

ChatGPT能有今天的突破，微软功不能没。构建“永远改变人机交互方式”的超级盘算机，是OpenAI五年前的豪言壮志。为了辅助实现这个勇敢的想法，微软斥资数亿美元做了一场赌注。这其中面临的难题是亘古未有的，好比在Azure云盘算平台上毗邻几万个英伟达A100芯片，再好比打造指数级增进的网络GPU集群规模等。还好，微软赌赢了。

在算法上，ChatGPT依然使用2017年论文中宣布的Transformer，该算法原本的应用场景是翻译，因此它不仅具备英语语言能力，也有中文语言系统，这注释了为什么GPT能够举行中文对话；但性能提升主要在算力上，ChatGPT这种大规模漫衍式训练已经超出了摩尔定律的限制，上万个A100芯片让算力暴涨1万倍，这种算力消耗亘古未有。现在，ChatGPT依赖于A100芯片，未来若投入H100，性能会有更大提升。

AI手艺不停演进，对算力的需求也呈指数增进。据中国信通院展望，到2030年，近70%的公司都市用到人工智能。企业数字化转型也需要算力支持，在中国和美国的芯片竞争博弈靠山下，自建算力系统迫在眉睫。

王坚在3月30日出席财富全球科技论坛时也谈及到算力的主要性，“算力与‘电气化’一致主要。而算力和电力一样，只有少少数手艺能辅助人类去做创新，这就是算力的主要性。”。

回到文章开篇的两个问题，之以是海内外大厂有能力开发谈天机械人，是由于其背后所需的手艺并不难，像百度和华为都有自研芯片，文心一言就依赖于百度自研的昆仑芯；而之以是“从未被逾越”，是由于ChatGPT背后伟大的算力支持，至少从现在来看，海内还需要时间。

一、一个万亿级的算力市场

ChatGPT打破了摩尔定律的限制，也引爆了对AI算力的需求。GPT-4的算力消耗远大于GPT-3和3.5，OpenAI也在不停对Plus付用度户调低阈值，将接见限制由*天的150 msg/4hr降至最近的25msg/3hr，简言之，就是削减用户的提问次数，从而降低算力消耗。

详细来看，据GPT-4的公然数据，在32K的上下文长度下，每1000个token的提问成本为0.06美金，回覆完成成本为0.12美金。与GPT-3的成本对比，GPT-4的输入成本增添了50％-200％，输出升本增添200％-500％。

由ChatGPT带来的算力恐慌也伸张到了海内。

克日，多只国产芯片股大涨。住手3月29日13:39，芯片 ETF 龙头涨幅 4.37%，立昂微、北方华创涨停，中微公司涨超 9%，思瑞浦、澜起科技涨超 8%，沪硅产业-U、兆易创新、景嘉微涨超 5%。

可以说，中国是一片伟大的算力蓝海。一方面，人工智能的生长动员数据流量增进，从而使算力规模激增；另一方面，算力深度融入互联网、电信、金融、制造等行业，助推各行业各领域完成数字化转型。据中国信通院统计，住手2022年，算力需求*的行业是互联网，占整体算力份额的近一半，其次，政府、服务和电信业也在加大算力投入，占比划分为12%、10%、7.2%。

从电商到社交，从游戏到金融，从医疗到教育，互联网各行各业都需要算力。以电商巨头阿里为例，天天数十亿的生意数据，单是搜索引擎就需要处置数百亿个商品数据，这还只是在搜索和推荐商品的场景。另外，阿里另有两大块风控系统，一块是金融领域，主要营业是支付宝，另一块非金融领域，如新零售、高德、大文娱等。这些都需要伟大的算力在背后支持，举行存储和剖析数据，或识别和预防诓骗。

2022年8月30日，阿里云启动了张北超级智算中央，AI算力总规模为12 EFLOPS（每秒1200亿亿次浮点运算），听说跨越了谷歌的9 EFLOPS和特斯拉的1.8 EFLOPS，成为全球*的智算中央。2023年3月，百度也完成了阳泉智算中央的升级，算力规模达4EFLOPS，成为现在亚洲*单体智算中央。

智算中央的建设是为AI大模子训练、自动驾驶、空间地理等人工智能探索应用，提供智能算力服务。近年来，智能算力增进最为迅速。据IDC宣布的数据，2022年，我国智能算力规模达268 EFLOPS，预计未来5年，我国智能算力规模的年复合增进率将达52.3%。

而国家鼎力结构智能算力产业的背后，是智能算力存在的伟大供应“鸿沟”。据IDC展望，未来三年新发生的数据量将跨越已往三十年的总和。这个鸿沟就显示在，数据总量在增进，真正被有用行使的数据占比却不足1%。中国工程院院士王恩东在《瞭望》新闻周刊中说道，“现在无法详细统计AI算力缺口数据，但中国在加速数字化转型”，在这历程中，需要AI算法行使深度学习，训练出深度神经网络模子，这需要足够强的算力支持。

未来，74.5%的企业都市用到AI，在智能算力方面，主要应用包罗AI语音手艺、大数据剖析与机械学习、图像识别与处置及自然语言处置。像电商、智能家居、在线教育和人工智能等互联网行业对智能算力需求异常大。好比，阿里旗下的天猫需要智能算力开发“推荐算法”和“超级搜索”，或用于个性化定制和营销战略；再好比小米生态链公司Yeelight的智能家居系统，也需要算力实现智能化联动和语音控制。

现在，各国间的算力博弈进入白热化阶段。据中国信通院统计，2022年，我国服务器规模约2000万台，算力规模超150 EFlops，位居天下第二，仅次于美国；展望2023年，在ChatGPT引爆算力需求的靠山下，中国算力规模将超200EFlops。

巨头入场和“东数西算”的助推，让中国离这个万亿级算力蓝海更近了一步。

二、巨头造芯，算力能否跨越“卡脖子”逆境？

2021年，字节下场造芯了，先是从百度截胡了三位芯片相关人才，尔后又去华为海思、Arm、高通等公司“三倍（薪资）挖人”。这一波波操作引发了互联网大厂的“芯片人才热”。

早在自研芯片这一信号传出之前，字节跳动就接连投资了RISC-V公司睿思芯科、AI芯片公司希姆盘算、GPU芯片设计独角兽摩尔线程、泛半导体行业智能制造商润石科技、数据中央网络芯片公司云脉芯联、开发衍射光学芯片的公司光舟半导体等。

字节下场造芯只是一抹缩影，高薪挖人也是互联网大厂追逐芯片梦的习用手法。除了字节跳动，另有阿里、百度和腾讯。在一众互联网大厂中，*吃螃蟹的人是百度。

估值20亿的虎头局，濒临倒闭？

故事最先于2010年，“这在昔时是百度的一个隐秘项目。”百度高级副总裁曾透露。百度最初实验用FPGA架构研发AI芯片，然而它一最先并没有完全自研，而是同Arm、紫光展锐和赛灵思等公司互助，推出数款AI芯片，厥后才走上自研的蹊径。2018年7月，百度正式宣布其自研AI芯片“昆仑芯”，并于2020年量产。

2021年，昆仑芯的营业被自力了出来，由百度芯片首席架构师欧阳剑出任昆仑芯片公司CEO。同时，该公司也在3月完成自力融资，首轮估值约130亿元，自此，中国降生了一家国产芯片超级独角兽。

阿里也紧跟措施。在百度最先“隐秘项目”的五年后，2015年，阿里巴巴宣布与集成电路设计企业杭州中天微互助，两年后又向中天微注资5亿元，宣布向芯片基础架构设计领域进军。2017年10月，阿里达摩院确立，确立之初就将芯片列为研究领域之一。到了2018年，阿里进一步收紧脚步，于8月团结中天微确立平头哥半导体芯片公司。

从这一年最先，阿里的成就就尤为显赫。从玄铁902到玄铁910，从含光800到倚天710、羽阵600，这些是阿里5年的成就单。2023年3月2日，阿里平头哥首次展示RISC-V生态全景，并展望到2025年RISC-V架构芯片有望突破800亿颗。中国工程院院士倪光南在会上示意，“今天RISC-V是中国CPU领域*的架构，中国芯片产业和整个芯片生态将会越来越多地聚焦于RISC-V架构，中国的伟大市场也将成为支持RISC-V的主要基地。”

而早有造芯意识的马化腾，却是最后一个入场，动作也略显低调。2016年，腾讯介入了可编程芯片公司Barefoot Networks的2300万美元C轮融资。随后销声匿迹了两年，在2018年，马化腾在论坛演讲中表达了做芯片的想法。三年后，才在腾讯官网上看到其宣布的招聘信息：芯片架构师、芯片验证工程师、芯片设计工程师等。对此，腾讯回应，只是在特定领域有芯片研发的实验，好比AI加速和视频编解码。

腾讯除了在芯片领域的投资，自研方面的成就在一波三折后，终于柳暗花明。

早在2015年，FPGA刚进入主流视野，没有硬件基因的腾讯做过一次“造芯”的探索，但FPGA事实是“半定制”的电路，云端商业化照样失败了，最后团队职员遗憾告辞。然而受挫之后，腾讯并没有放弃对硬件之路的思索，中国芯片行业也在2018年回暖。一年后，腾讯内部传来了声音，“AI芯片，要不要做？”虽然这一声音遭遇过否决，但腾讯照样举行了小规模地试水，“蓬莱”芯片也就此诞世。

2020年1月，蓬莱芯片流片完成，经由四次实验，“蓬莱”被点亮了。2021年11月，在腾讯数字生态大会上，又一口吻宣布了三款专用芯片：紫霄、沧海和玄灵，划分专注于AI盘算、视频优化和智能网络。

现在，字节、百度、阿里、腾讯所有跨界，齐聚芯片行业，究其缘故原由，无非是由需求端和供应侧，两者的协力配合拉动。

“字节跳动光服务器所需要的芯片就是几十万块，只要到达自产自销就能降低成本。况且另有Pico，一旦VR/AR产业发作，算力就是瓶颈，以是现在自研芯片也算是未雨绸缪。”华南一家AI芯片公司的资深架构工程师李波透露。

不仅是字节，腾讯也是云云。2019年，腾讯迎来云盘算营业上的里程碑——云服务器规模突破100万。以更低成本提供更高的网络性能，成为那时腾讯面临的一浩劫题。

除了中国的互联网巨头，美国的亚马逊、谷歌也在自研芯片。2014年，谷歌为数据中央设计了服务器芯片，2019年又在印度组建团队，其芯片用途主要在云端和智能装备上；亚马逊也于2018年宣布其*自研云服务器CPUGraviton，未来预计还会推出应用于物联网和智能装备的芯片。

从需求端来看，互联网大厂和云盘算公司造芯是未雨绸缪。未来，大部门互联网厂商都市进入物联网和智能装备等领域，而这些领域十分倚重硬件。以是，软硬一体是未来互联网公司和云盘算厂商的必由之路。另外，很主要的一点，在市场层面，想要守住市园职位，实现差异化，底层硬件设施是要害，它直接影响着上层软件的性能。

对于海内互联网大厂纷纷跨界造芯，除了美国限制高端芯片的对华出口，另有两点更主要的缘故原由——成本和针对性。早前，在英伟达芯片还没有严禁向中国出口时，许多互联网大厂就已经示意过，由于算力需求重大，英伟达的GPU芯片又太贵，大规模购置成本十分高昂。而且英伟达芯片属于通用型，并不能针对特定某家企业算法做优化。那么对芯片有差异场景需求的互联网大厂，好比在AI加速器和视频编解码场景，想实现成本功耗*、性能*，自研是必选项。

从供应侧来看，海内芯片厂商和互联网大厂造芯都已具备足够成熟的手艺。而需求方下场做芯片*的优势在于，对需求的明白和洞察最深刻。

以阿里的含光为例，在2019年云栖大会上，阿里用4颗含光800芯片，就取代了40颗传统GPU才气完成的视频处置义务。而前者的成本，是后者的十分之一。腾讯的紫霄也打破了算力的瓶颈点，在图片和视频处置、自然语言处置、搜索推荐等应用场景下，性能是业界标品的2倍。

应用于百度“文心一言”的昆仑芯则更胜一筹。从算力和成本上，昆仑芯都要强于英伟达 A100芯片，只是在训练量上还相对较弱。据官方先容，昆仑芯基于7nm工艺打造。在业界，7nm的蚀刻尺寸意味着，芯片的工艺水平更高，单元体积内的整体管更多，芯片性能也就更强。昆仑芯的算力可到达 256TOPS@INT8 以及 128 TFLOPS@FP16。现在，昆仑芯在百度内部已落地了搜索、小度、无人驾驶等AI营业场景。

芯片是一个全球性的产业，从芯片制造角度剖析，没有任何一个国家能自己完成芯片的制造，这是不争的事实。另外，我国芯片行业生长的另一浩劫题是芯片人才欠缺。据相关数据统计，2025年我国芯片专业人才缺口将超30万人。但从久远来看，互联网大厂跨界造芯、高薪抢人，也向供应端发送了芯片人才欠缺的信号。

只管云云，互联网公司下场造芯，已经解决了一部门问题，在特定场景下，应用性更强，成本也更低。算力也因此有望跨越“卡脖子”逆境。

三、中国的算力有多大想象力？

为什么说芯片是全球性产业，任何国家都很难不借助外力造出来？

*，芯片的科学原理很难。这一点可以从芯片人才欠缺上去明白，现在，只有清华、上交、复旦、中科大、电子科技大学等几所着名高校设有芯片相关专业。从这一征象就足以窥探，芯片科学原理的难度。

第二，芯片的工艺制造很难突破瓶颈。芯片加工和制作育是两个最难的环节。芯片制造离不开光刻机，一台光刻机至少有10万个零部件，而一台汽车的使用零部件只有5000个，足以想像光刻机的制造难度之大。制造芯片更是需要数百道工艺，有些工序还要循环数十遍。

第三，EDA软件（电子设计自动化软件）也是海内一大瓶颈。EDA软件的用处是让电子设计师实现在电脑上设计芯片，否则就需要人工设计、试验，要花费的人力和时间成本不能胜数。但现在我国应用的十几种EDA软件都来自美国。若是自己做EDA研发十分难题，它的算法就决议了芯片设计的优劣。而若是EDA软件质量不够，设计师就不能能设计出高质量的芯片。

除了芯片层面，我国算力产业生长还受到建设方面的问题。好比差异芯片、操作系统、固件、整机系统兼容性不强，制约了产业的进一步生长。中国信通院王骏成以为，“算力应用存在尺度缺失、数据共享不够、资源接口不统一等壁垒”，导致算力供需失衡。

对此，国家已于2022年头提出建设“东数西算”工程，助力买通我国器械部数字产业的“大动脉”，为经济生长注入新动能。国家信息中央郭明军示意，通过该工程实现器械部算力资源的流通，依托算力网络，把算力真正用起来，实现“算力入户”、“算力入企”、“算力入园”、“算力入校”。

在算力网络建设层面，三大运营商成为算力网络的主导者。据《财经十一人》，2022年三大运营商云营业总营收1352亿元，增速跨越100%。“三大运营商每年都要破费千亿元规模的资源开支用于基础设施建设。2022年，中国移动、中国电信和中国联通的资源开支划分为，1852亿元、952亿元和742亿元。”其资源投入已跨越BAT三大互联网公司。

现在来看，国家层面、运营商和企业都在加鼎力度结构算力网络。在此条件下，这一轮天生式AI手艺演变能带来多大规模的算力发作？对产业名目会发生怎样的影响？

首先，天生式AI会消耗伟大的算力，从而动员对算力产业的需求。当下，互联网大厂BAT早已依附自身在芯片领域的多年沉淀，最先投入大模子研发。以是，*受益的会是ICT企业。

其次是头部大公司，互联网厂商自研芯片，也会将能力外溢给互助平台和客户，从而让头部厂商受益。

最后一轮时机则留给创业公司，生态产业链的完整会受益千行百业，这也是天生式AI对各行业的推翻，只是等到创业公司感受到转变，还需要一段时间。

备注：部门资料来自网络