導(dǎo)讀

ChatGPT是由OpenAI公司開(kāi)發(fā)的人工智能聊天機(jī)器人程序，于2022年11月發(fā)布，達(dá)到1億用戶量用時(shí)僅2個(gè)月。ChatGPT是基于GPT-3.5微調(diào)得到的新版本模型，能夠借助人類反饋的強(qiáng)化學(xué)習(xí)（RLHF）技術(shù)來(lái)指導(dǎo)模型訓(xùn)練，實(shí)現(xiàn)模型輸出與人類預(yù)期的需求，使對(duì)話內(nèi)容更加人性化和富有邏輯性。

01.ChatGPT激起AI浪潮

1.1 AI創(chuàng)新浪潮興起，多模態(tài)賦能下游行業(yè)

ChatGPT是生成式人工智能技術(shù)（AIGC）的一種，與傳統(tǒng)的決策/分析式AI相比，生成式AI并非通過(guò)簡(jiǎn)單分析已有數(shù)據(jù)來(lái)進(jìn)行分析與決策，而是在學(xué)習(xí)歸納已有數(shù)據(jù)后進(jìn)行演技創(chuàng)造，基于歷史進(jìn)行模仿式、縫合式創(chuàng)作，生成全新的內(nèi)容。AIGC的應(yīng)用非常廣泛，包括自然語(yǔ)言生成、圖像生成、視頻生成、音樂(lè)生成、藝術(shù)創(chuàng)作等領(lǐng)域。

AIGC產(chǎn)業(yè)鏈主要分為上游算力硬件層、中游數(shù)據(jù)/算法軟件層和下游行業(yè)應(yīng)用層。硬件層依靠高性能AI芯片、服務(wù)器和數(shù)據(jù)中心為AIGC模型的訓(xùn)練提供算力支持，是承載行業(yè)發(fā)展的基礎(chǔ)設(shè)施；數(shù)據(jù)/算法層軟件層主要負(fù)責(zé)AI數(shù)據(jù)的采集、清洗、標(biāo)注及模型的開(kāi)發(fā)與訓(xùn)練，多方廠商入局自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、多模態(tài)模型等領(lǐng)域；行業(yè)應(yīng)用層目前主要涉及搜索、對(duì)話、推薦等場(chǎng)景，未來(lái)有望在多個(gè)行業(yè)呈現(xiàn)井噴式革新。

資料來(lái)源：甲子光年，中泰證券研究所

多模態(tài)大模型有望成為AI主流，賦能下游行業(yè)智能升級(jí)。生成式AI主要依賴于人工智能大模型，如Transformer、BERT、GPT系列等。這些模型通常包含數(shù)十億至數(shù)萬(wàn)億個(gè)參數(shù)，需要龐大的數(shù)據(jù)集進(jìn)行訓(xùn)練，致使AI算力的需求也呈現(xiàn)出指數(shù)級(jí)的增長(zhǎng)。多模態(tài)是一種全新的交互、生成模式，集合了圖像、語(yǔ)音、文本等方式，因其可以結(jié)合多種數(shù)據(jù)類型和模態(tài)的學(xué)習(xí)，將有望徹底改變我們與機(jī)器互動(dòng)的方式，快速占據(jù)人工智能主導(dǎo)地位。我們認(rèn)為多模態(tài)大模型長(zhǎng)期來(lái)看不僅可以從成本端降本增效，需求端也將通過(guò)快速滲透推廣為下游行業(yè)帶來(lái)持續(xù)增長(zhǎng)需求，從而快速推動(dòng)下游行業(yè)智慧化應(yīng)用升級(jí)。

從GPT-1到ChatGPT，模型參數(shù)與訓(xùn)練數(shù)據(jù)量不斷增加，所需算力資源不斷提升：

GPT-1：最早的GPT模型之一，包含了1.17億個(gè)參數(shù)，預(yù)訓(xùn)練數(shù)據(jù)量約為5GB。

GPT-2：參數(shù)數(shù)量達(dá)到了1.5億個(gè)，預(yù)訓(xùn)練數(shù)據(jù)量達(dá)40GB。

GPT-3：是目前為止最大的語(yǔ)言模型之一，包含了1750億個(gè)參數(shù)，預(yù)訓(xùn)練數(shù)據(jù)量為45TB。

ChatGPT：基于GPT-3模型的變種之一，參數(shù)量預(yù)計(jì)與GPT-3相近。

資料來(lái)源：OpenAI官網(wǎng)，中泰證券研究所

多模態(tài)模型是實(shí)現(xiàn)人工智能應(yīng)用的關(guān)鍵。3月14日OpenAI發(fā)布GPT-4多模態(tài)大模型，擁有1）強(qiáng)大的識(shí)圖能力；2）文字輸入限制提升至2.5萬(wàn)字；3）回答準(zhǔn)確性顯著提高；4）能夠生成歌詞、創(chuàng)意文本、實(shí)現(xiàn)風(fēng)格變化。在各種專業(yè)和學(xué)術(shù)基準(zhǔn)上，GPT-4已具備與人類水平相當(dāng)表現(xiàn)。如在模擬律師考試中，其分?jǐn)?shù)在應(yīng)試者前10%，相比下GPT-3.5在倒數(shù)10%左右。多模態(tài)大模型在整體復(fù)雜度及交互性上已有較大提升，模型升級(jí)有望加速細(xì)分垂直應(yīng)用成熟，賦能下游智慧化升級(jí)，帶動(dòng)需求快速增長(zhǎng)。

AIGC下游市場(chǎng)滲透率低，增長(zhǎng)空間廣闊。根據(jù)Gartner數(shù)據(jù)，目前由人工智能生成的數(shù)據(jù)占所有數(shù)據(jù)的1%以下，預(yù)計(jì)2023年將有20%的內(nèi)容被生成式AI所創(chuàng)建，2025年人工智能生成數(shù)據(jù)占比將達(dá)到10%。根據(jù)前瞻產(chǎn)業(yè)研究院數(shù)據(jù)，2025年中國(guó)生成式商業(yè)AI應(yīng)用規(guī)模將達(dá)2070億元，CAGR（2020-2025）為84.06%。

1.2 算力芯片迎來(lái)產(chǎn)業(yè)機(jī)遇

AI人工智能的發(fā)展主要依賴兩個(gè)領(lǐng)域的創(chuàng)新和演進(jìn)：一是模仿人腦建立起來(lái)的數(shù)學(xué)模型和算法，其次是半導(dǎo)體集成電路AI芯片。AI的發(fā)展一直伴隨著半導(dǎo)體芯片的演進(jìn)過(guò)程，20世紀(jì)90年代，貝爾實(shí)驗(yàn)室的楊立昆（Yann LeCun）等人一起開(kāi)發(fā)了可以通過(guò)訓(xùn)練來(lái)識(shí)別手寫(xiě)郵政編碼的神經(jīng)網(wǎng)絡(luò)，但在那個(gè)時(shí)期，訓(xùn)練一個(gè)深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）需要3天的時(shí)間，因此無(wú)法實(shí)際使用，而硬件計(jì)算能力的不足，也導(dǎo)致了當(dāng)時(shí)AI科技泡沫的破滅。

AI芯片是AI發(fā)展的底層基石。英偉達(dá)早在1999年就發(fā)明出GPU，但直到2009年才由斯坦福大學(xué)發(fā)表論文介紹了如何利用現(xiàn)代GPU遠(yuǎn)超過(guò)多核CPU的計(jì)算能力（超過(guò)70倍），把AI訓(xùn)練時(shí)間從幾周縮短到了幾小時(shí)。算力、模型、數(shù)據(jù)一直是AI發(fā)展的三大要素，而AI芯片所代表的算力則是人工智能的底層基石。

算力硬件層是構(gòu)成AIGC產(chǎn)業(yè)的核心底座，主要包括AI芯片、AI服務(wù)器和數(shù)據(jù)中心。

AI芯片是算力硬件層的基石。AI芯片主要分為CPU、GPU、FPGA和ASIC四類，CPU是AI計(jì)算的基礎(chǔ)，GPU、FPGA、ASIC作為加速芯片協(xié)助CPU進(jìn)行大規(guī)模計(jì)算。目前AI芯片主要被國(guó)際廠商壟斷，根據(jù)Counterpoint、IDC數(shù)據(jù)，Intel和AMD共計(jì)占2022年全球數(shù)據(jù)中心CPU市場(chǎng)收入的92.45%，Nvidia占2021年中國(guó)加速卡市場(chǎng)份額的80%以上。

AI服務(wù)器是AI芯片的系統(tǒng)集成。AI服務(wù)器采用CPU+加速芯片的架構(gòu)形式，在進(jìn)行模型的訓(xùn)練和推斷時(shí)會(huì)更具有效率優(yōu)勢(shì)。與國(guó)外AI芯片廠商的壟斷局面不同，中國(guó)AI服務(wù)器水平位于世界前列。據(jù)IDC數(shù)據(jù)，在2021H1全球AI服務(wù)器市場(chǎng)競(jìng)爭(zhēng)格局中，浪潮信息以20.2%的份額排名第一，聯(lián)想和華為分別以6.1%和4.8%的份額位列第四、五名。

數(shù)據(jù)中心的計(jì)算服務(wù)是承接AI算力需求的直接形式。AIGC的模型訓(xùn)練是通常是通過(guò)云計(jì)算服務(wù)完成的，其本質(zhì)是AIGC模型廠商借助IDC的算力資源，在云端實(shí)現(xiàn)模型的訓(xùn)練。目前國(guó)內(nèi)的數(shù)據(jù)中心廠商主要包括三大運(yùn)營(yíng)商、華為、聯(lián)想、中科曙光等，提供云計(jì)算的廠商主要有阿里、騰訊等互聯(lián)網(wǎng)企業(yè)。

資料來(lái)源：智通財(cái)經(jīng)，Counterpoint，IDC，中泰證券研究所

ChatGPT單次訓(xùn)練所需算力約27.5PFlop/s-day，單顆NVIDIAV100需計(jì)算220天。

根據(jù)OpenAI數(shù)據(jù)，GPT-3XL參數(shù)規(guī)模為13.2億，訓(xùn)練所需算力為27.5PFlop/s-day。由于ChatGPT是在13億參數(shù)的InstructGPT基礎(chǔ)上微調(diào)而來(lái)，參數(shù)量與GPT-3XL接近，因此預(yù)計(jì)ChatGPT訓(xùn)練所需算力約為27.5PFlop/s-day。以NVIDIAV100芯片為例，一顆NVLink版本V100芯片的深度學(xué)習(xí)算力為125TFlops，則ChatGPT模型的訓(xùn)練至少需要1顆V100芯片計(jì)算220天才能完成。

隨著模型參數(shù)的不斷增加，模型訓(xùn)練所需算力將進(jìn)一步提升，將進(jìn)一步拉動(dòng)對(duì)算力芯片的需求。根據(jù)OpenAI數(shù)據(jù)，隨著GPT-3系列模型參數(shù)規(guī)模由1.25億增加至1746億，訓(xùn)練所需算力從2.6PFlop/s-day上升至3640PFlop/s-day，規(guī)模參數(shù)（1396.8倍）與算力需求（1400倍）呈同比例增長(zhǎng)。

02.芯片是ChatGPT底層土壤

2.1 AI芯片有望率先受益，CPU+XPU異構(gòu)形式成為主流

機(jī)器學(xué)習(xí)主要包括訓(xùn)練（training）和推斷（inference）兩個(gè)步驟，通常需要不同類型的AI芯片來(lái)執(zhí)行。訓(xùn)練是指通過(guò)大數(shù)據(jù)訓(xùn)練出一個(gè)復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型，通過(guò)大量標(biāo)記過(guò)的數(shù)據(jù)來(lái)訓(xùn)練相應(yīng)的系統(tǒng)，使其能夠適應(yīng)特定的功能；推理是指利用訓(xùn)練好的模型，使用新數(shù)據(jù)推理出各種結(jié)論。

訓(xùn)練芯片：通過(guò)大量的數(shù)據(jù)輸入，構(gòu)建復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)模型的一種AI芯片。需要較高的計(jì)算性能、能夠處理海量的數(shù)據(jù)、具有一定的通用性，以便完成各種各樣的學(xué)習(xí)任務(wù)，注重絕對(duì)的計(jì)算能力。

推斷芯片：推斷芯片主要是指利用訓(xùn)練出來(lái)的模型加載數(shù)據(jù)，計(jì)算“推理”出各種結(jié)論的一種AI芯片，注重綜合指標(biāo)，側(cè)重考慮單位能耗算力、時(shí)延、成本等性能。

AI芯片是AI算力的核心，需求有望率先擴(kuò)張。AI芯片是用于加速人工智能訓(xùn)練和推理任務(wù)的專用硬件，主要包括GPU、FPGA、ASIC等，具有高度并行性和能夠?qū)崿F(xiàn)低功耗高效計(jì)算的特點(diǎn)。

資料來(lái)源：IDC，中泰證券研究所

目前CPU+XPU異構(gòu)形式成為AI服務(wù)器主流架構(gòu)。傳統(tǒng)的CPU單元對(duì)于AI計(jì)算任務(wù)的處理能力有限，而XPU（包括GPU、FPGA、ASIC等）則可以提供更強(qiáng)大的計(jì)算能力，因此將CPU和XPU結(jié)合起來(lái)使用可以實(shí)現(xiàn)計(jì)算任務(wù)的高效處理和資源的最優(yōu)利用。一般來(lái)說(shuō)，CPU負(fù)責(zé)整個(gè)系統(tǒng)的管理和控制，而加速芯片則負(fù)責(zé)AI計(jì)算任務(wù)的加速，兩者相互協(xié)作，共同提升整個(gè)系統(tǒng)的性能。

服務(wù)器計(jì)算架構(gòu)從單核的串行走向多核的并行，又進(jìn)一步從同構(gòu)并行走向異構(gòu)并行，未來(lái)或?qū)漠悩?gòu)并行走向超異構(gòu)并行。目前在AI服務(wù)器中，常見(jiàn)的異構(gòu)組合有8xGPU+2xCPU、4xGPU+2xCPU、8xFPGA+1xCPU、4xFPGA+1xCPU。在異構(gòu)計(jì)算的趨勢(shì)下，AI加速芯片搭載率將持續(xù)增高。根據(jù)IDC全球范圍調(diào)研顯示，2022年每臺(tái)AI服務(wù)器上普遍多配置2個(gè)GPU，未來(lái)18個(gè)月GPU、ASIC、FPGA的搭載率均會(huì)上升。根據(jù)IDC數(shù)據(jù)，2021H1全球AI服務(wù)器市場(chǎng)規(guī)模達(dá)66.6億美元，同比增長(zhǎng)率超過(guò)全球AI整體市場(chǎng)增長(zhǎng)率22.4%。預(yù)計(jì)在2025年全球AI服務(wù)器市場(chǎng)規(guī)模將達(dá)到277億美元，CAGR（2020-2025）為20.3%。

2.2AI算力需求，存儲(chǔ)芯片受益

ChatGPT帶動(dòng)AI服務(wù)器需求，存儲(chǔ)芯片受益。ChatGPT的數(shù)據(jù)獲取、數(shù)據(jù)整理、訓(xùn)練、推理除大算力芯片外，還需存儲(chǔ)芯片支持。

服務(wù)器成本構(gòu)成：服務(wù)器成本包括算力芯片、存儲(chǔ)器等，根據(jù)IDC 2018年服務(wù)器成本構(gòu)成，在高性能服務(wù)器/推理型服務(wù)器/機(jī)器學(xué)習(xí)型服務(wù)器中存儲(chǔ)占比29%/25%/16%。AI服務(wù)器，除了內(nèi)存需要128GB或更大容量的高性能HBM和高容量服務(wù)器DRAM，還需硬盤(pán)去存儲(chǔ)大量數(shù)據(jù)。

存儲(chǔ)下游市場(chǎng)：智能手機(jī)+服務(wù)器+PC是主要下游。智能手機(jī)端出貨量增速有限，單機(jī)容量提升是主要推動(dòng)力；服務(wù)器端，受益人工智能、物聯(lián)網(wǎng)和云計(jì)算等應(yīng)用興起，服務(wù)器出貨量及單機(jī)容量提升推動(dòng)增長(zhǎng)。

資料來(lái)源：IDC、Dramexchange，SIA，中泰證券研究所

03.芯片需求增長(zhǎng)拉動(dòng)產(chǎn)業(yè)鏈機(jī)會(huì)

3.1 封測(cè)：Chiplet是AI芯片大勢(shì)所趨

當(dāng)前AI芯片呈現(xiàn)幾大趨勢(shì)：

1）制程越來(lái)越先進(jìn)。從2017年英偉達(dá)發(fā)布Tesla V100 AI芯片的12nm制程開(kāi)始，業(yè)界一直在推進(jìn)先進(jìn)制程在AI芯片上的應(yīng)用。英偉達(dá)、英特爾、AMD一路將AI芯片制程從16nm推進(jìn)至4/5nm。

2）Chiplet封裝初露頭角。2022年英偉達(dá)發(fā)布H100 AI芯片，其芯片主體為單芯片架構(gòu)，但其GPU與HBM3存儲(chǔ)芯片的連接，采用Chiplet封裝。在此之前，英偉達(dá)憑借NVlink-C2C實(shí)現(xiàn)內(nèi)部芯片之間的高速連接，且Nvlink芯片的連接標(biāo)準(zhǔn)可與Chiplet業(yè)界的統(tǒng)一標(biāo)準(zhǔn)Ucle共通。而AMD2023年發(fā)布的Instinct MI300是業(yè)界首次在AI芯片上采用更底層的Chiplet架構(gòu)，實(shí)現(xiàn)CPU和GPU這類核心之間的連接。

3）2020年以來(lái)頭部廠商加速在AI芯片的布局。AI芯片先行者是英偉達(dá)，其在2017年即發(fā)布Tesla V100芯片，此后2020以來(lái)英特爾、AMD紛紛跟進(jìn)發(fā)布AI芯片，并在2022、2023年接連發(fā)布新款A(yù)I芯片，發(fā)布節(jié)奏明顯加快。

據(jù)相關(guān)論文，芯片成本變化有以下規(guī)律：

1）封裝形式越復(fù)雜，封裝成本、封裝缺陷成本占芯片成本比重越大：具體來(lái)說(shuō)，SoC＜MCM＜InFO小于2.5D。

2）芯片面積越大，芯片缺陷成本、封裝缺陷成本占比越大；

3）制程越先進(jìn)，芯片缺陷成本占比越高，而Chiplet封裝能有效降低芯片缺陷率，最終達(dá)到總成本低于SoC成本的效果。

制程越先進(jìn)、芯片組面積越大、小芯片（Chips）數(shù)量越多，Chiplet封裝較SoC單芯片封裝，成本上越有優(yōu)勢(shì)：

Chiplet主要封裝形式有MCM/InFO/2.5D這三種。14nm制程下，當(dāng)芯片面積超過(guò)700mm2時(shí)，Chiplet封裝中的MCM成本開(kāi)始較SoC低，當(dāng)面積達(dá)900mm2時(shí)，MCM較SoC成本低近10%（2顆chips）、或低20%（3顆chips）、或低25%（5顆chips）；

7nm制程下，芯片面積超過(guò)400mm2時(shí)，MCM成本開(kāi)始低于SoC，面積超過(guò)600mm2時(shí)，InFO成本開(kāi)始低于SoC，當(dāng)面積達(dá)900mm2時(shí)，5顆chips情況下，MCM較SoC成本低40%、InFO較SoC成本低20%；5nm制程下，芯片面積超過(guò)300mm2時(shí)，MCM成本開(kāi)始低于SoC，成本超過(guò)500mm2時(shí)，InFO成本開(kāi)始低于SoC，當(dāng)面積達(dá)900mm2時(shí)，5顆chips情況下，MCM較SoC成本低50%、InFO較SoC成本低40%、2.5D較SoC成本低28%。

鑒于當(dāng)前AI芯片朝高算力、高集成方向演進(jìn)，制程越來(lái)越先進(jìn)，Chiplet在更先進(jìn)制程、更復(fù)雜集成中降本優(yōu)勢(shì)愈發(fā)明顯，未來(lái)有望成為AI芯片封裝的主要形式。

3.2 PCB：AI服務(wù)器基石

ChatGPT數(shù)據(jù)運(yùn)算量增長(zhǎng)快速，帶動(dòng)服務(wù)器/交換機(jī)/顯卡等用量提升，布局相應(yīng)領(lǐng)域PCB公司顯著受益。ChatGPT帶來(lái)了算力需求的激增，與之對(duì)應(yīng)亦帶來(lái)相應(yīng)服務(wù)器/交換機(jī)等作為算力核心載體和傳輸?shù)挠布?，帶?lái)PCB需求大幅增長(zhǎng)，同時(shí)隨著對(duì)算力的要求越來(lái)越高，對(duì)于大容量、高速、高性能的云計(jì)算服務(wù)器的需求將不斷增長(zhǎng)，對(duì)PCB的設(shè)計(jì)要求也將不斷升級(jí)，提升對(duì)于高層數(shù)、大尺寸、高速材料等的應(yīng)用。

以23年發(fā)布的新服務(wù)器平臺(tái)為例，Pcie5.0服務(wù)器用PCB層數(shù)、材料、設(shè)計(jì)工藝均有升級(jí)，PCB價(jià)格提升顯著，其層數(shù)從4.0的12-16層升級(jí)至16-20層，根據(jù)Prismark的數(shù)據(jù)，2021年8-16層板的價(jià)格為456美元/平米，而18層以上板的價(jià)格為1538美元/平米，PCB價(jià)值量增幅明顯；另外配套新服務(wù)器，交換機(jī)、傳輸網(wǎng)產(chǎn)品都需要同步升級(jí)，預(yù)計(jì)400G、800G交換機(jī)對(duì)PCB板子拉動(dòng)巨大，進(jìn)一步帶動(dòng)數(shù)通板景氣度提升。