ChatGPT 火爆背后，这些芯片将迎来大机遇

最近，ChatGPT 热潮席卷全球，这款由 OpenAI 于 2022 年 12 月推出的对话 AI 模型，仅用 2 个月就实现了月活突破 1 亿，成为历史上用户增长最快的消费级应用之一。ChatGPT 火出圈的背后是“人类反馈强化模型”的应用，它不仅能进行问答，还能推理、编写代码、文本创作等。然而，庞大的用户量也导致服务器频繁宕机（2 天宕机 5 次），这背后对算力基础设施，尤其是底层芯片提出了前所未有的高要求。那么，ChatGPT 究竟会带动哪些芯片的需求？本文将为你详细拆解。

AI 服务器需求激增

当前，ChatGPT 在问答模式的基础上进行推理、编写代码、文本创作等，用户人数及使用次数均大幅提升。同时，新应用场景（如智能音箱、内容生产、游戏 NPC、陪伴机器人）也产生了巨大的流量。随着终端用户使用频率提高，数据流量暴涨，对服务器的数据处理能力、可靠性及安全性要求相应提升。

从技术原理来看，ChatGPT 基于 Transformer 技术，随着模型不断迭代，层数越来越多，对算力的需求也越来越大。从运行条件来看，ChatGPT 完美运行的三个条件是：训练数据 + 模型算法 + 算力。它需要在基础模型上进行大规模预训练，存储知识的能力来源于 1750 亿参数，因此需要大量算力。

资料显示，ChatGPT 是基于 GPT-3.5 优化的模型，而 GPT-3.5 是 GPT-3.0 的微调版本。OpenAI 的 GPT-3.0 模型存储知识的能力来源于 1750 亿参数，单次训练费用约 460 万美元。GPT-3.5 在微软 Azure AI 超算基础设施上进行训练，总算力消耗约 3640 PF-days（即假如每秒计算一千万亿次，需要计算 3640 天）。

可以说，ChatGPT 拉动了芯片产业量价齐升：不仅对人工智能底层芯片数量产生了更大需求，而且对底层芯片算力也提出了更高要求，即拉动了高端芯片的需求。据悉，采购一片英伟达顶级 GPU 成本为 8 万元，GPU 服务器成本通常超过 40 万元。支撑 ChatGPT 的算力基础设施至少需要 上万颗英伟达 GPU A100，高端芯片需求的快速增加会进一步拉高芯片均价。

随着 ChatGPT 流量激增，作为算力载体的 AI 服务器将迎来重要发展机遇。预计全球 AI 服务器市场将从 2020 年的 122 亿美元成长到 2025 年 288 亿美元，年复合增长率达到 18.8%。

这些芯片将受益

从芯片构成来看，AI 服务器主要是 CPU + 加速芯片，通常搭载 GPU、FPGA、ASIC 等加速芯片，利用 CPU 与加速芯片的组合可以满足高吞吐量互联的需求。

1. CPU

CPU 作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。其优势在于有大量的缓存和复杂的逻辑控制单元，擅长逻辑控制、串行的运算；劣势在于计算量较小，且不擅长复杂算法运算和处理并行重复的操作。因此，CPU 在深度学习中可用于推理/预测。

目前，服务器 CPU 向多核心发展，满足处理能力和速度提升需要，比如 AMD EPYC 9004 核心数量最多可达 96 个。不过，系统性能优劣不能只考虑 CPU 核心数量，还要考虑操作系统、调度算法、应用和驱动程序等。