【文/观察者网 吕栋】

“这几天电话都快被打爆了。”谈到最近爆火的ChatGPT，英伟达中国区一位高管日前向媒体说道。

春节过后，全球AI领域最引人关注的非聊天机器人ChatGPT莫属。

在资本和舆论的吹捧下，拥有交流、创作、翻译等多种功能的ChatGPT，俨然已成为一个现象级产品。不仅背后的OpenAI和微软借此名声大噪，国内一众高调跟进的互联网大厂也赚足了眼球。

但实际上，在网友们褒贬不一、对ChatGPT持续展开讨论的同时，支撑ChatGPT诞生的算力基础——AI芯片和服务器也正在资本市场上掀起巨浪，已下跌一年的英伟达，股价在4个月里实现翻倍。

英伟达CEO黄仁勋

在国内，股市上的热情似乎更胜一筹。国产GPU厂商景嘉微股价一个月涨超60%，即便已经公开表示没有ChatGPT相关业务，依然挡不住股价的涨势，让高管们不趁机减持都不好意思。

算力，是人工智能的“三驾马车”之一，跟着ChatGPT备受追捧无可厚非。但值得关注的是，打造ChatGPT到底需要消耗多少算力？资本市场狂欢下，国内厂商又能在多大程度上受益？

在接受观察者网对话时，国内服务器厂商宁畅副总裁兼CTO赵雷指出，就ChatGPT而言，需要TB级的运算训练库，甚至是P-Flops级的算力。从目前的服务器处理能力来看，大概是几十到几百台规模的GPU服务器体量才能够实现，而且需要几日甚至几十日的训练。

市场上还有券商报告称，ChatGPT带动超算算力需求3年或将提升超过10倍，未来3年或将拉动千亿级ICT硬件投资需求。随着ChatGPT持续爆火，以英伟达为代表的AI算力产业链真的会成为最大赢家吗？

“显卡寒冬”中带飞英伟达，市场过度乐观了？

在ChatGPT爆火出圈之前，黄仁勋最头疼的事应该还是怎么更快度过本轮“显卡寒冬”。

刚刚过去的2022年，全球独显出货量创下二十年新低，相比2021年“腰斩”。作为全球显卡市场的头号玩家，英伟达持续遭受重创，业绩连续两个季度下滑，股价一年之内暴跌70%。

但ChatGPT现象级爆火很快扭转了这一颓势。去年10月中旬以来，英伟达股价从108美元/股暴涨至228美元/股，反弹111%，市值重登美股半导体板块第一，大幅甩开英特尔等同行。

“我们一直在等待这一刻，”看到英伟达股价在市场低迷下逆势暴涨，黄仁勋对ChatGPT的赞美也毫不吝啬，直言ChatGPT对于人工智能的意义，不亚于手机领域“iPhone”的出现。

英伟达CEO黄仁勋

市场好奇的是，世界上那么多芯片公司，为什么偏偏英伟达的股价会随着ChatGPT翩翩起舞？

简言之，就是ChatGPT的底层基础是一个拥有1750亿参数的预训练大模型——GPT-3.5，它能如此睿智，主要是基于对天量数据的“吃透”，背后离不开强大算力的支撑，而英伟达的GPU能提供它需要的算力。

目前来看，全球其他正在跟进的厂商想要推出ChatGPT这种人工智能大模型，必须有三项关键技术支撑：训练数据、模型算法和算力。

浙商证券研报指出，训练数据市场广阔，技术壁垒较低，投入足够的人力物力及财力后即可获得；基础模型及模型调优对算力的需求较低，但获得ChatGPT功能需要在基础模型上进行大规模预训练，这就需要大量算力，所以算力是ChatGPT运行的关键所在。

说起AI算力，就到了GPU的主场。

最初，英伟达基于CUDA架构开发的GPU主要用于游戏，后来发现它还可用于AI训练和推理中的大规模并行计算任务，逐渐形成开发者生态。在AI发展初期，市面上没有专门的AI加速卡和硬件产品，开发者便将英伟达GPU用于AI训练和推理，开始大规模采用其产品。

CPU和GPU架构的区别

“英伟达芯片为大模型训练做了很多优化，它才是这次ChatGPT热潮的最大赢家。”有业内人士直言。

那训练ChatGPT到底需要多少算力？

海通证券援引的OpenAI测算显示，自2012年起，全球头部AI模型训练算力需求每3-4个月翻一番，每年头部训练模型所需算力增长幅度高达10倍，而ChatGPT训练阶段总算力消耗约为3640PF-days（即1 PetaFLOP/s效率跑3640天）。

在接受观察者网对话时，宁畅CTO赵雷提到，目前用户使用ChatGPT得到的反馈，是训练后的产物，主要涉及推理应用，计算时间基本上是分钟级或者秒级的。对于ChatGPT训练来说，一般是周级或是月级，至少差一个数量级，也有可能差两到三个数量级。

浙商证券研报指出，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。对于ChatGPT而言，支撑其算力基础设施至少需要上万颗英伟达GPU A100（曾经风靡一时的AlphaGO也只需要8块GPU），一次模型训练成本超过1200万美元。