大模型運行成本高昂，準入壁壘較高。大模型對于訓練時間和參數量都有高要求，以 OpenAICEO Altman 在推特上回復馬斯克的留言可知，ChatGPT 平均一次聊天成本為幾美分。根據Similar Web 數據，2023 年１月 27 日至 2 月 3 日 ChatGPT 日活躍用戶達 2500 萬人。中性假設下，以平均單人單日對話 7 次，每次 3 美分成本進行測算，對應一年支出對話成本約為19.2 億美元。根據英偉達官網，A100 作為 DGX A100 系統的一部分進行銷售，該系統搭載 8個 A100 GPU，一個由 5 臺 DGX A100 系統組成的機架可替代一個包括 AI 訓練和推理基礎設施的數據中心，且功耗僅為其 1/20，成本為其 1/10，系統售價 19.9 萬美元。因此，在中性假設條件下，考慮到服務器約占數據中心成本的 70%（中商產業研究院），則 ChatGPT 運營一年將需要 6741 個 DGX A100 系統用于支撐訪問量。

ChatGPT帶動大模型競品發布，海內外科技巨頭先后加碼AI布局。

1）谷歌向AI公司Anthropic投資近 4 億美元，后者正在測試生成式 AI 工具 Claude，且谷歌也推出對標 ChatGPT 的聊天機器人 Bard。

2）微軟以 100 億美元投資 ChatGPT 的開發商 OpenAI，并獲得其 49%股權。2023年 2 月，微軟發布基于 ChatGPT 的 new Bing。

3）亞馬遜云服務 AWS 宣布與 AI 公司 HuggingFace 開展合作，Hugging Face 將在 AWS 上開發針對 ChatGPT 的開源競品，構建開源語言模型的下個版本 Bloom。

4）阿里達摩院正研發類 ChatGPT 的對話機器人，目前已處于內測階段。

5）百度開發類 ChatGPT 項目“文心一言”（ERINE Bot）。

6）京東推出產業版 ChatJD。

基于昆侖芯+飛槳+文心大模型 AI 底座，百度推出“文心一言”拉開國產生成式 AI 序幕。2023年 3 月 16 日，百度正式推出國內首款生成式 AI 產品“文心一言”，可支持文學創作、文案創作、數理推算、多模態生成等功能，目前已有多家廠商宣布接入。“文心一言”基于全棧自研的 AI 基礎設施進行學習和訓練：

? 昆侖芯 2 代 AI 芯片：“文心一言”的芯片層核心能力，采用自研 XPU-R 架構，通用性和性能顯著提升；256 TOPS@INT8 和 128 TFLOPS@FP16 的算力水平，較一代提升 2-3 倍，保障“文心一言”算力需求；采用 7nm 先進工藝，GDDR6 高速顯存，支持虛擬化，芯片間互聯和視頻編解碼等功能。

? 飛槳深度學習平臺：“文心一言”的框架層核心能力，系業內首個動靜統一的框架、首個通用異構參數服務器架構，支持端邊云多硬件和多操作系統，為文心大模型提供有效、快捷、完整的訓練框架。

? 文心知識增強大模型：“文心一言”的模型層核心能力，該產品主要采用 ERNIE 系列文心NLP 模型，擁有千億參數級別的 ERNIE 3.0 Zeus 為該系列最新模型，進一步提升了模型對于不同下游任務的建模能力，大大拓寬了“文心一言”的應用場景。

以 GPT-3 為例測算：大算力需求驅動 AI 硬件市場空間提升

GPT-3（Generative Pre-trained Transformer 是 GPT-3.5 的上一代語言模型，目前一般所說的 GPT-3 即為擁有 1750 億參數的最大 GPT-3 模型，OpenAI 在公開發表的論文《Language Models are Few-Shot Learners》中對 GPT-3 模型進行了詳細分析。對于以 ChatGPT 為例的大模型算力需求，根據測算，我們預計用于高端 GPGPU 顯卡的訓練及推理部分市場空間合計約 145.32 億元，其中訓練市場規模為 27.84 億元，推理市場規模為 117.48 億元。

英偉達引領硬件端產品升級，國產 GPU 靜待花開

大 GPU 優勢在于通過并行計算實現大量重復性計算。GPGPU（General Purpose GPU）即通用GPU，能夠幫助 CPU 進行非圖形相關程序的運算。在類似的價格和功率范圍內，GPU 能提供比CPU 高得多的指令吞吐量和內存帶寬。

GPT-4 模型算力需求擴增，架構升級降本增效未來可期

根據 OpenAI 官網顯示，目前 GPT-4 每 4 小時只能處理 100 條消息，且并沒有開放圖片識別功能。大模型升級帶來的運算需求逐漸加碼，且可推測目前算力已處于供不應求狀態。

多模態拓展，圖片識別算力需求升級十倍以上。關于從圖片到 token 的轉換方式，OpenAI 未公布 GPT-4 的模型參數,假設 GPT-4 處理圖片視覺任務使用 VisionTransformer 模型（ViT），則輸入圖片尺寸必須為 224×224（ViT-B/16 版本）。根據 2021 年 ICLR 論文，模型原理大致為把一張圖片分成 nxn 個 Patch，每一個 Patch 作為一個 Token。即把一張 224×224×3 的圖片，切分為 16×16 大小的 Patch，每個 Patch 是三通道小圖片，得到 16×16×3=768 個 token并作為向量輸入。相較之下，根據前文 GPT-3 部分假設，假設每個文字問題 50-100 詞，即67-133token。我們可以粗略推論，圖像識別的所需算力是文字推理部分所需算力的十倍以上級別。

審核編輯 ：李倩