ChatGPT所需芯片，国内厂商能否分得一杯羹？

21世纪经济报道记者骆轶琪 广州报道

火热的chatGPT再度引发AI市场热情。这背后除了对各类型大模型的构建外，备受关注则是背后训练、计算所需要的底层技术能力支持。

作为一个收录了庞大信息量和训练量的模型产品，chatGPT对大规模并行计算必然有较高要求，这也是英伟达由此率先受益、股价应声而涨的原因所在，除了GPU，涉及计算能力的芯片类型还包括CPU、FPGA、ASIC等，不同类型的计算芯片进行组合，可以满足不同模型的计算需要。此外，与计算相匹配必然还需存储、接口等类型芯片。

在当前的半导体下行周期中，突然涌现的需求像是给市场打了一剂强心针，相关计算类产业链芯片公司由此将会受益于此多大比重成为重要命题。

比如据花旗集团预估，ChatGPT将可能促使英伟达相关产品在12个月内销售额达到30亿至110亿美元。这意味着，ChatGPT以及类ChatGPT应用对于高端芯片的需求增加会拉动芯片均价。

需要关注的是，涉及高算力的AI芯片，目前在国内同时面临着内部仍待持续发展、外部环境持续变化等诸多挑战，高算力芯片的发展，更需国内软硬件生态链企业携手推进。

芯片迎新机遇？

在目前消费类市场持续疲软的震荡影响下，半导体行业进入了周期的下行阶段，chatGPT对计算能力的需求能否成为拉升半导体产业的关键要素？

从当下时点看，判断chatGPT对半导体需求带来多大影响还难以完全量化，这更要视具体AI公司的产品进度和训练量而定。

目前只有chatGPT是相对可见的。CINNO Research半导体事业部总经理Elvis Hsu对21世纪经济报道记者分析，目前ChatGPT发展到GPT-3.5代，约为人脑的500分之一，参数量超过1750亿，约由1万个以上的GPU组成高性能网络集群。

因此其所需要的技术条件包含强大的AI算力芯片以及海量数据的供应，这解释了擅长GPU设计的英伟达是首先受益的公司，并直接对其营收有最大超过30亿美金以上贡献。另外由于需要海量数据，所以对研发高端存储芯片的公司也有莫大助益。

这里提到的高端存储芯片，指DRAM为主的存储类型，这类芯片读写速度快、延迟低，但存取速度偏慢。经过几十年市场大浪淘沙后，目前的龙头以海外为主，如三星、美光、SK海力士等。此前也有市场消息显示，三星和SK海力士已经有一定新增订单情形。

一名芯片行业从业者则对记者分析，但凡涉及到数据都需要存储芯片，chatGPT目前呈现的成果更像是一款加强版人工智能产品，与之前相比的差异可能在于架构不同。但是在应用端对存储芯片的新要求，暂时还没有看到明显不同。

“我理解这是一个分析能力更强大的数据库，涉及后台的各类学习算法、信息整理算法、模型搭建等。但是如果说对存储企业的业绩，我认为还没有那么快体现出来。”他续称，这是一个需要长期积累和训练的市场，随着更多相关平台有计划推出，或许在长远市场中会逐渐浮现出业绩增益，但并不是短期。

总体来说，Elvis认为，在计算芯片领域，除GPU率先受益外，FPGA/CPU、ASIC/DPU/TPU等AI 类脑芯片在未来均具有高度需求发展的市场。

从国内产业链公司角度看，他进一步分析，相关AI芯片/GPU/CPU/FPGA/AI SoC产业链在ChatGPT风潮盛行的带动之下均蕴含无限商机。例如研发AI芯片的寒武纪和澜起科技，CPU的龙芯中科和海光，GPU的景嘉微，FGPA的紫光国微，AI SoC的瑞芯微以及IP接口的芯原股份等。

当然需要指出的是，这只是从长远的行业发展视角来看，并不是眼下就可以迅速在企业中进行业绩兑现，国内相关公司依然有一定的路途要走。

企业突围机会

宏观来说，即便没有chatGPT，随着通信时代更迭、进入智能化时代的我们，早已面临数据爆炸的世界。

因此异构计算成为这些年来半导体公司频繁提及的方向，也是英特尔收购Altera，AMD收购赛灵思的原因所在。用CPU+FPGA/ASIC+GPU等异构方式，应对有越来越多庞大计算量的数字世界。

在这些核心领域，国内厂商多在能力爬升阶段。Elvis对记者表示，国内相关AI芯片的产业链，当务之急就是提升高端芯片的设计能力，生产高算力的GPU/FPGA/ASIC类型AI芯片，进入国际竞争的行列，以加速分食ChatGPT 未来长期广大的市场。

同时可以关注的是，对于Chiplet应用在先进封装的技术领域也应加强开发以取得领先的优势，夺得商机。

所谓Chiplet，就是在SoC中原本有诸多不同类型芯片，但都为同一工艺制程，采用芯粒技术后，可以将这些芯片进一步拆解，将不同工艺制程的小芯片组合起来，采用2.5D/3D先进封装的技术堆叠起来，产生不全部采用高工艺制程芯片组合，仍能够达到高工艺制程效果的技术能力，也是面对后摩尔时代的重要方向。

目前采用该技术路线制成芯片的公司多在海外，如AMD、英特尔、苹果等，此前业界已经在积极组建各类型联盟，尚在初期发展阶段，也更意味着行业各界都有机会参与其中积极成长。

浙商证券则分析认为，面对未来潜在的算力指数级增长，短期内使用Chiplet异构技术加速各类应用算法落地，长期看则要打造存算一体芯片，减少芯片内外的数据搬运，或将成为未来算力升级的潜在方式。

总体来看，硬件固然是支撑大算力AI平台发展的核心底层能力，但这也更需要国内软硬件厂商共同携手推进，以期在这一市场共同成长。