成为最近资本市场最大的热点，引发相关概念股狂飙，2月8日，概念股汉王科技盘中继续拉升。
除了汉王科技，近日，云从科技、神思电子、天娱数科、三六零、视觉中国、壹网壹创等均有所异动。而从这些公司所处产业链不难发现，软硬件系统构成了AIGC（ ，人工智能生成内容）的基本生态。
但就最硬核的科技而言，AI芯片无疑是生态中的重中之重。
中金公司认为，未来大模型有望成为AI技术领域重要的生产工具，这将对AI芯片在训练和推理等环节支撑大量数据高效处理提出新的挑战，芯片算力、存储容量、带宽、软件栈等多个维度上的技术要求将提高，并创造出可观的AI芯片增量市场空间。
底层技术
AI此前几年经历过一阵狂飙突进，但在近年来似乎陷入沉寂，如何商业化是其面临的最大难题。
而的横空出世，或将代表着一系列AI应用在现实世界进入大规模的落地阶段。
本质上来说，并非技术的颠覆式创新，其与此前发布的某些语言模型一样，只是一个工具。但为何如此“出圈”？
归根结底，在于其高效、丝滑、智能的用户体验。这也预示着，支撑这套人工智能技术训练语言模型的底层技术正变得越来越成熟。
要完成这看似简单的交互对话，背后是对来自互联网的大量信息和数据的分析及训练。首先需要云计算基础设施作为算力底座。其次，云计算数据中心还需要一系列重要的零部件，包括服务器、芯片、光模块等。
云计算的核心是计算与存储，由于云计算的数据存储在云端，它为大量数据运行提供了一个可靠的处理方式。人的大脑也具备信息计算和存储的能力，可以说云计算也具有一定的智能条件。因此，云计算和人工智能常常互为支撑、互为促进。
但高质量的AI模型设计成本高昂，依赖深厚的技术知识和人才储备。同时，更大规模的预训练模型需要大算力支持，AI开发的一大成本就来自算力。
“这样的大规模语言模型在文本理解、文本生成、代码生成等任务上确实取得了惊人的成绩。但这样模型的商业落地也遇到很大挑战。首先，使用的GTP 3.5模型用了1750亿个参数，导致GPT 3.5需要巨大的计算量，就当前算力成本来看，大部分应用很难支付如此高昂的算力成本。但未来随着算力成本的下降，大规模语言模型肯定会得到广泛的应用。”2月8日，人工智能企业中科智云高级副总裁李源在接受21世纪经济报道记者采访时表示。
据报道显示，GPT3.5在微软Azure AI超算基础设施（由英伟达组成的高带宽集群）上进行训练，总算力消耗约-days（即每秒一千万亿次计算，运行3640个整日）。
李源还指出，的成功对整个AI技术领域有重要的启示，依赖模型对外提供服务MAAS的运营方式很可能成为AI应用的一个主流方向。但如何让模型和行业结合？如何通过MAAS方式对外提供服务将是AI领域值得积极探索的方向。总体来说，揭示了模型的重要性，但与此同时，还需要有能力快速训练模型。
当前，全球云计算产业生态已相对成熟，我国云计算也呈现出稳健发展的良好态势。根据机构研报，2021年中国云计算市场规模达3229亿美元，较2020年增长54.4%。2022年我国数据中心机架规模预计将达到670万架，5年CAGR达32.19%。
进一步分析云计算产业链，可以分为上游芯片厂商和基础设备提供商，中游云服务厂商和下游云计算服务的应用领域。可视为云计算的下游应用之一，上中游还涉及芯片、设备、云服务厂商等。
其中，AI芯片是算力的硬件基石。技术层面上，AI芯片根据其技术架构，可以分为GPU（图形处理器）、FPGA（现场可编程门阵列）、ASIC（专用集成电路）和类脑芯片，同时CPU也可用以执行通用AI计算。
根据亿欧智库数据，预计AI芯片国内市场规模将于2025年达到1780亿元，2022-2025年CAGR将达到27.9%。
产业前景
事实上，AI芯片并非被带火，早些时候就有报道显示，AI芯片已成为各家巨头争抢的领域。
据媒体报道，苹果、AMD、英伟达在AI领域竞争白热化，传出近期同步对台积电下急单，相关芯片将在4月后逐步产出。
业界还提到，从算力来看，当前AI芯片最成功应用的已导入至少1万颗英伟达高端GPU；此外，苹果M2系列新芯片持续导入AI加速器设计；AMD也发表相关新品，其最受关注的“Alveo V70”AI芯片，采用台积电5/6纳米设计，规划今年内推出。
显然，在智能手机、芯片等领域遇冷后，美科技巨头将注意力转移到了AI领域。
就AI芯片的市场格局来看，英伟达是全球GPU和AI计算平台的领军者，其高端GPU占据了AI算法训练市场绝大部分的份额。花旗集团预估，可能会在未来12个月内为英伟达带来30亿美元至110亿美元的销售额。
英伟达之外，Intel和AMD占据全球GPU主要市场。相较之下，国内自研有所推进，但仍有所欠缺。
公开信息显示，GPU芯片厂商中已上市的公司有景嘉微、AI芯片厂商寒武纪，后起之秀则有壁仞科技、摩尔线程、天数智芯、燧原科技等。
但从技术上来看，国产GPU企业与国际巨头仍有差距。例如，国产GPU领军企业景嘉微在2021年12月发布了92系列GPU，其仅与英伟达在2016年左右的中端显卡处于同一水平。
有业内专家向记者指出，“国产GPU、AI加速芯片目前缺少高端产品，能力相对单一。和英伟达GPU相比，相当于是单项运动员和全能选手。前者可能能够在某一个方面的性能超过英伟达，但从通用性来说，还达不到英伟达的性能。”
中信证券则坦言，国内大部分本土GPU厂商当前仍处于早期阶段，短期仍需克服产品验证、量产落地等潜在挑战。
除GPU迎来的市场机遇，信达证券电子团队指出，“AIGC的出现真正赋予了人工智能大规模落地的场景，AI芯片也将从过去面向厂商的训练场景为主转变为面向消费者的推理场景为主，GPU的高并行计算能力和高通用性的协调统一在消费者时代的统治力或许难以为继，ASIC芯片、国产GPU芯片有望切入MaaS产业生态。”
其认为，在技术、算法尚未成熟阶段，FPGA架构灵活改变芯片功能，有利于降低成本和风险；而随着技术、算法的普及，ASIC更具备竞争优势。
