ChatGPT芯片算力：研究框架.docxVIP

证券研究报告

ChatGPT芯片算力：研究框架

——【AIGC算力时代系列报告】

行业评级：看好2023年2月10日

分析师

陈杭

研究助理安子超

邮箱

chenhang@

邮箱anzichao@

证书编号

S1230522110004

光模块和光芯片GPUAI光模块通过AI服务器实现CPUFPGA芯片需求快速增加价 芯片均价大幅提升模型训练成本＞i1200万美元英伟达GPUA100＞1万颗芯片

光模块和光芯片

GPU

AI

光模块

通过AI服务器实现

CPU

FPGA

芯片需求快速增加

价

芯片均价大幅提升

模型训练成本＞

i1200万美元

英伟达GPUA100＞1万颗

芯片需求

Transformer

Transformer技术模型迭代

算力需求增加

量

量

AI训练计算需求

预计每3.5个月翻一番

模型算法训练数据+算力

ChatGPT完美运行

2AI

2

AI芯片（加速器）

资料来源：浙商证券研究所

.摘要

ChatGPT热潮席卷全球。ChatGPT（ChatGenerativePre-trainedTransformer）是由OpenAI于2022年12月推出的对话AI模型，一经面世便受到广泛关注，其2023年1月月活跃用户达到1亿，是史上月活用户增长最快的消费者应用。在问答模式的基础上

ChatGPT可以进行推理、编写代码、文本创作等等，这样的特殊优势和用户体验使得应用场景流量大幅增加。

1、▲芯片需求=量↑x价↑,AIGC拉动芯片产业量价齐升

1）量：AIGC带来的全新场景+原场景流量大幅提高。①技术原理角度：ChatGPT基于Transformer技术，随着模型不断迭代，层数也越来越多，对算力的需求也就越来越大；②运行条件角度：ChatGPT完美运行的三个条件：训练数据+模型算法+算力，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，需要大量算力。

2）价：对高端芯片的需求将拉动芯片均价。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GPUA100，高端芯片需求的快速增加会进一步拉高芯片均价。

2、ChatGPT的“背后英雄”：芯片，看好国内GPU、CPU、FPGA、AI芯片及光模块产业链

1）GPU：支撑强大算力需求。由于具备并行计算能力，可兼容训练和推理，目前GPU被广泛应用于加速芯片。看好海光信息、景嘉微；

2）CPU：可用于推理/预测。AI服务器利用CPU与加速芯片的组合可以满足高吞吐量互联的需求。看好龙芯中科、中国长城；

3）FPGA：可通过深度学习+分布集群数据传输赋能大模型。FPGA具备灵活性高、开发周期短、低延时、并行计算等优势。看好安路科技、复旦微电、紫光国微；

4）ASIC：极致性能和功耗表现。AIASIC芯片通常针对AI应用专门设计了特定架构，在功耗、可靠性和集成度上具有优势。看好寒武纪、澜起科技；

35）光模块：容易被忽略的算力瓶颈。伴随数据传输量的增长，光模块作为数据中心内设备互联的载体，需求量随之增长。看好德科立、天孚通信、中际旭创。

3

4

风险提示

1、AI技术发展不及预期

2、版权、伦理和监管风险

3、半导体下游需求不及预期

5

01ChatGPT带动算力芯片量价齐升

目录CONTEN

目录

CONTENTS

供底层算力支持

03光模块支撑数据传输

6

01

算力需求爆发拉动

算力需求爆发拉动芯片量价齐升

AI计算需要各类芯片支撑

算力需求爆发，芯片量价齐升

AI服务器为算力载体

CPU、GPU、FPGA、

ASIC、光模块各司其职

01人工智能四层架构，芯片为底层支撑

AI写作：弈写ChatGPT AI音乐：DeepMusic

AI写作：弈写

ChatGPT

AI音乐：DeepMusic

上层应用

AI绘画：盗梦师

AIGC

百度：文心大模型谷歌：PaLM华为：盘古大模型OpenAI：

百度：文心大模型

谷歌：PaLM

华为：盘古大模型

OpenAI：GPT3.5

大模型

Meta：PyTorch百度：PaddlePaddle 华为：MindSpore

Meta：PyTorch

百度：PaddlePaddle

华为：MindSpore

谷歌：TensorFlow

深度学习框架

GPUFPGAASICCPU底层芯片

GPU

FPGA

ASIC

CPU

底层