算力需求主要分为两部分，包括训练算力和推理算力。 目前来说对训练算力需求非常高，ChatGPT的公开数据显示训练算力消耗达到了3640PF-days(即假如每秒计算一千万亿次，需要计算3640天)，换算成英伟达A100芯片，单卡算力相当于0.6P的算力，理想情况下总共需要大概6000张，在考虑互联损失的情况下，需要一万张A100作为算力基础（目前很多观点认为一万张是入局的门槛）。在A100芯片10万人民币/张的情况下，算力的硬件投资规模达到10亿人民币。 不完全统计500亿参数以上的模型正在训练的加起来30-40个，如果假设每一个模型需要8000片H100和2万片的A100，对应的需求应该是60-80万张A100，或者24-32万张H100。也就是说未来1-2年内的订单大概就有600-80亿人民币（虽然都是英伟达的），推理算力需求增速预计会随着AI生态的逐步建立高于训练，由此前三七开到七三开。 根据Verified Market Research数据，2020年，全球GPU市场规模为254.1亿美元。随着需求的不断增长，预计到2028年，这一数据将达到2465.1亿美元，年复合增长率为32.82%。潮水来临时，往往都会低估需求，乐观点拍脑袋，也许可以上调到40%+ 比起难以估计的需求，供给的研究会更有意义。如上图所示，行业格局其实蛮清晰的 至于国内AI芯片方面，一梯队，有成熟产品、批量出货的企业，包括寒武纪、华为海思、百度昆仑芯、燧原科技等；二梯队，以AI芯片起家的壁仞科技、天数智心、摩尔线程、沐曦等；三梯队，如海光、景嘉微等，已经批量生产的产品，大多都是A100的上一代；各公司正在研发的相关产品，如昆仑芯三代、思远590、燧思3.0等，都是对标A100，但由于“实体清单”的限制以及研发水平的原因，都还没有推到市场。 但···做人要有梦想，不然和咸鱼有什么区别 除了芯片之外，硬件方面可能需要更多层的PCB板，更强劲的散热解决方案，更精细的电源管理 至于AIGC，海外方面已经跑出来很多应用，办公领域的copilot、电商领域的shopify、图像创作领域的Stable Diffusion、Midjourney、金融领域的BloombergGPT，总体分为有优质应用落地场景的C端，以及有垂直领域数据积累的B端，投资上理性的看还是底层模型能力更强，掌握流量的巨头们更容易胜出，当然炒股票的话，标的的选择上可以更有想象力一些？ 可以预见的是GPT的应用会对人类的工作、生活乃至社会产生巨大的影响，解放生产力提效的同时很多岗位也会很快被GPT摧毁，更长期的视角看对于人类个体的影响似乎难以评估，本质上GPT是在利用极其丰富的互联网数据资源不断的训练、学习，是对存量知识的归集，但没有创造。未来可能人人都有一个私有GPT，它会告诉我们它所知的一切，但省略掉的是形成认知、培养创造性思维的过程，影响的不仅仅是音乐绘画文学等强调原创性的艺术领域，工业、科技行业需要的创新同样需要创造性思维，而GPT也许会让绝大多数人都变得没什么区别，依赖AI就好了。
不完全统计500亿参数以上的模型正在训练的加起来30-40个，如果假设每一个模型需要8000片H100和2万片的A100，对应的需求应该是60-80万张A100，或者24-32万张H100。也就是说未来1-2年内的订单大概就有600-80亿人民币（虽然都是英伟达的），推理算力需求增速预计会随着AI生态的逐步建立高于训练，由此前三七开到七三开。 根据Verified Market Research数据，2020年，全球GPU市场规模为254.1亿美元。随着需求的不断增长，预计到2028年，这一数据将达到2465.1亿美元，年复合增长率为32.82%。潮水来临时，往往都会低估需求，乐观点拍脑袋，也许可以上调到40%+ 比起难以估计的需求，供给的研究会更有意义。如上图所示，行业格局其实蛮清晰的 至于国内AI芯片方面，一梯队，有成熟产品、批量出货的企业，包括寒武纪、华为海思、百度昆仑芯、燧原科技等；二梯队，以AI芯片起家的壁仞科技、天数智心、摩尔线程、沐曦等；三梯队，如海光、景嘉微等，已经批量生产的产品，大多都是A100的上一代；各公司正在研发的相关产品，如昆仑芯三代、思远590、燧思3.0等，都是对标A100，但由于“实体清单”的限制以及研发水平的原因，都还没有推到市场。 但···做人要有梦想，不然和咸鱼有什么区别 除了芯片之外，硬件方面可能需要更多层的PCB板，更强劲的散热解决方案，更精细的电源管理 至于AIGC，海外方面已经跑出来很多应用，办公领域的copilot、电商领域的shopify、图像创作领域的Stable Diffusion、Midjourney、金融领域的BloombergGPT，总体分为有优质应用落地场景的C端，以及有垂直领域数据积累的B端，投资上理性的看还是底层模型能力更强，掌握流量的巨头们更容易胜出，当然炒股票的话，标的的选择上可以更有想象力一些？ 可以预见的是GPT的应用会对人类的工作、生活乃至社会产生巨大的影响，解放生产力提效的同时很多岗位也会很快被GPT摧毁，更长期的视角看对于人类个体的影响似乎难以评估，本质上GPT是在利用极其丰富的互联网数据资源不断的训练、学习，是对存量知识的归集，但没有创造。未来可能人人都有一个私有GPT，它会告诉我们它所知的一切，但省略掉的是形成认知、培养创造性思维的过程，影响的不仅仅是音乐绘画文学等强调原创性的艺术领域，工业、科技行业需要的创新同样需要创造性思维，而GPT也许会让绝大多数人都变得没什么区别，依赖AI就好了。
至于国内AI芯片方面，一梯队，有成熟产品、批量出货的企业，包括寒武纪、华为海思、百度昆仑芯、燧原科技等；二梯队，以AI芯片起家的壁仞科技、天数智心、摩尔线程、沐曦等；三梯队，如海光、景嘉微等，已经批量生产的产品，大多都是A100的上一代；各公司正在研发的相关产品，如昆仑芯三代、思远590、燧思3.0等，都是对标A100，但由于“实体清单”的限制以及研发水平的原因，都还没有推到市场。 但···做人要有梦想，不然和咸鱼有什么区别 除了芯片之外，硬件方面可能需要更多层的PCB板，更强劲的散热解决方案，更精细的电源管理 至于AIGC，海外方面已经跑出来很多应用，办公领域的copilot、电商领域的shopify、图像创作领域的Stable Diffusion、Midjourney、金融领域的BloombergGPT，总体分为有优质应用落地场景的C端，以及有垂直领域数据积累的B端，投资上理性的看还是底层模型能力更强，掌握流量的巨头们更容易胜出，当然炒股票的话，标的的选择上可以更有想象力一些？ 可以预见的是GPT的应用会对人类的工作、生活乃至社会产生巨大的影响，解放生产力提效的同时很多岗位也会很快被GPT摧毁，更长期的视角看对于人类个体的影响似乎难以评估，本质上GPT是在利用极其丰富的互联网数据资源不断的训练、学习，是对存量知识的归集，但没有创造。未来可能人人都有一个私有GPT，它会告诉我们它所知的一切，但省略掉的是形成认知、培养创造性思维的过程，影响的不仅仅是音乐绘画文学等强调原创性的艺术领域，工业、科技行业需要的创新同样需要创造性思维，而GPT也许会让绝大多数人都变得没什么区别，依赖AI就好了。
至于AIGC，海外方面已经跑出来很多应用，办公领域的copilot、电商领域的shopify、图像创作领域的Stable Diffusion、Midjourney、金融领域的BloombergGPT，总体分为有优质应用落地场景的C端，以及有垂直领域数据积累的B端，投资上理性的看还是底层模型能力更强，掌握流量的巨头们更容易胜出，当然炒股票的话，标的的选择上可以更有想象力一些？ 可以预见的是GPT的应用会对人类的工作、生活乃至社会产生巨大的影响，解放生产力提效的同时很多岗位也会很快被GPT摧毁，更长期的视角看对于人类个体的影响似乎难以评估，本质上GPT是在利用极其丰富的互联网数据资源不断的训练、学习，是对存量知识的归集，但没有创造。未来可能人人都有一个私有GPT，它会告诉我们它所知的一切，但省略掉的是形成认知、培养创造性思维的过程，影响的不仅仅是音乐绘画文学等强调原创性的艺术领域，工业、科技行业需要的创新同样需要创造性思维，而GPT也许会让绝大多数人都变得没什么区别，依赖AI就好了。
