2023年02月14日 16:04:35

写诗、编程、聊天互动……打着“AI聊天机器人”名头的ChatGPT，集成了多种功能，也一跃成为史上月活用户数增长最快的消费者应用。ChatGPT的爆火，也让人们注意到了AI应用背后庞大的算力需求与挑战。

中科曙光便表示，截止2月12日，曙光智算公司提供用于AI训练与推理计算的试用资源，在开放使用后一周内已被抢注一空。通常情况下，这些计算资源要三个月左右才能被用户注册并使用。目前，曙光智算正协调多个计算中心，提供更多算力资源满足用户需求。

而在上周，浪潮信息也宣布推出AI算力服务产品，基于智算中心的算力基础设施，客户可申请AI算力免费试用。

实际上，以ChatGPT为首的生成式AI开发主要依托于大模型技术，这就离不开算力支撑。而在算力基建中，除了芯片之外，AI服务器、AIDC等专用数据中心建设也同样必不可少。

就在2月13日，北京市宣布，将支持头部企业打造对标ChatGPT的大模型。同日北京N腾人工智能计算中心正式点亮，并与首批47家企业和科研单位签约。该中心一期算力规模达100P，短期算力规模将达500P，远期将达1000P，可为企业和科研单位等提供AI算力服务。

的确，AI对算力的需求已不能仅仅用“快速”来形容――据ChatGPT开发公司OpenAI 研究，2012-2018年，最大的AI训练的算力消耗已增长30万倍，平均每3个多月便**，速度远远超过摩尔定律。

另据《2022-2023 中国人工智能计算力发展评估报告》，2022年我国智能算力规模已达268百亿亿次/秒(EFLOPS)，超过通用算力规模。预计未来5年，中国智能算力规模年复合增长率将达52.3%。

生成式AI的开发需要基于海量的自然语言或多模态数据集，对拥有巨大参数的超大规模模型进行训练。要成功训练出更大参数、更高精度、更高能力的大模型，不仅需要巨量的高性能AI算力进行支撑，还需要依托精心清洗获得的高质量海量数据集，同时还需要有高效的系统平台来保障长时间的模型训练过程。

以OpenAI的GPT-3模型为例，其存储知识的能力来源于1750亿参数，训练所需算力高达3640PFLOPS-day，单次训练费用约460万美元，而ChatGPT及未来GPT-4模型训练成本将更高。当前，微软Azure云计算中心为ChatGPT提供算力支撑，单次训练成本超过千万美元。

华泰证券2月13日报告也指出，以GPT模型为代表的AI大模型训练，需要消耗大量算力资源，随着国产大模型开发陆续进入预训练阶段，算力需求持续释放或将带动算力基础设施产业迎来增长新周期。未来拥有更丰富算力资源的模型开发者，或将能够训练出更优秀的AI模型，算力霸权时代或将开启。

正如上文提到的，算力基础设施产业链主要可以分为三个环节：

（1）算力芯片：GPU采用数量众多的计算单元和超长的流水线，架构更适合进行大吞吐量的AI并行计算，相关厂商包括景嘉微、寒武纪、海光信息、龙芯中科、中国长城等；

（2）服务器：ChatGPT模型训练涉及大量向量及张量运算，AI服务器具备运算效率优势，大模型训练有望带动AI服务器采购需求放量，相关厂商包括浪潮信息、中科曙光等；

（3）数据中心：IDC算力服务是承接AI计算需求的直接形式，随着百度、京东等互联网厂商相继布局ChatGPT类似产品，核心城市IDC算力缺口或将加大，相关厂商有宝信软件等。

文丨财联社