Chatgpt带来算力芯片投资机会展望

一、人工智能迎来AIGC时代，引发内容生成革命性变化

随着人工智能应用的不断落地，我们迎来了AIGC时代，这标志着人工智能在内容生成领域引发了革命性的变化。云端推理占比逐年提升，AI应用逐渐普及。数字经济和元宇宙的崛起，推动了各行业对人工智能开发的需求激增，使得人工智能进入大规模落地应用的关键期。

AIGC作为人工智能成熟度的分水岭，引发了一场范式革命。随着内容生产模式从PGC和UGC向AIGC过渡，人类脑力效率迎来了第二次飞跃。在这一进程中，ChatGPT作为AIGC的开山之作，成为人工智能领域里程碑式的产品。

ChatGPT是OpenAI推出的自然语言处理类AIGC应用，其强大的功能得到了全球用户的广泛认可。这款聊天机器人程序能够通过理解和学习人类语言进行对话，并根据聊天的上下文进行互动。更重要的是，ChatGPT还能完成撰写邮件、视频脚本、文案、翻译、代码，甚至撰写论文等任务，展示了极高的智能化水平。

GPT架构的快速迭代也带来了性能上的飞跃。从GPT到GPT-4，参数量与预训练数据量的增长带来了显著的性能提升。特别是GPT-4的多模态特性，使得其在语言处理的还具备了对图像的理解和分析能力，加速了通用人工智能的实现。

大模型训练性能的突出表现也引起了各大科技厂商的积极布局。预训练大模型的新开发范式具有良好的通用性和泛化性，可通过零样本、小样本学习获得领先效果，大幅加速了人工智能的大规模产业化进程。以谷歌的BERT、OpenAI的GPT和百度的文心一言为代表的大模型，未来将成为智能化升级中可大规模复用的重要基础设施。

在这个充满变革的时代，人工智能的发展势头迅猛，我们期待着更多的技术突破和创新应用，推动人工智能技术在各个领域的广泛应用，为人类的生活带来更多便利和效率。

二、云端算法向大模型多模态演进，AIGC掀起技术革命浪潮

随着人工智能技术的不断发展，云端算法正在向大模型多模态方向演进，AIGC技术的崛起掀起了一场技术革命的浪潮。

人工智能在各个领域的应用不断增加，而AIGC技术则是推动这一趋势的重要力量。从决策式AI到生成式AI，AI技术与应用迎来了跨越式发展。AIGC技术的出现，使得内容生产更加高效、智能，推动了内容生成范式的革命。

在AIGC技术的发展中，云端算法的提升起到了关键作用。云端推理占比的逐年提升，反映了AI应用数量的不断增加。数字经济和元宇宙的兴起，为人工智能开发提供了更广阔的应用场景和需求。

ChatGPT作为AIGC的开山之作，展现了生成式AI的潜力。这款自然语言处理工具不仅能够理解人类语言进行对话，还能完成各种任务，如撰写邮件、视频脚本、文案等。ChatGPT的推出，获得了全球用户的广泛参与和认可，成为了人工智能领域里程碑式的产品。

GPT架构的快速迭代也带来了性能上的飞跃。从GPT到GPT-4，模型参数量与预训练数据量的增长带来了显著的性能提升。GPT-4的多模态特性，使得其在语言处理的还具备了图像理解和分析能力，加速了通用人工智能的实现。

大模型训练性能的突出表现也引起了科技行业的关注。预训练大模型的新开发范式具有良好的通用性和泛化性，可通过零样本、小样本学习获得领先效果。以谷歌的BERT、OpenAI的GPT和百度的文心一言为代表的大模型，将成为未来智能化升级的重要基础设施。

在这个技术革命的浪潮中，人工智能的发展前景广阔。我们期待着更多的技术突破和创新应用，推动人工智能技术在医疗、教育、交通、金融等各个领域的广泛应用，为人类的生活带来更多便利和效率。我们也需要关注人工智能发展带来的挑战和问题，如数据安全、隐私保护等，确保人工智能技术的可持续发展。随着多模态大模型的崛起，人工智能已经迈入了全新的时代。在这个时代，GPT-4等先进模型的出现，标志着我们已经从语言模型突破走向了更广阔的多模态模型应用前景。多模态大模型，整合了图像、语音、文本等多种输入输出方式，为人工智能创造了无尽的想象空间。它们不仅有望极大地丰富人机交互场景，更能充分发挥人工智能创造价值的潜力，赋能各行各业实现降本增效，加速我们迈向通用人工智能的步伐。

而这背后，是以算力芯片为核心的硬件基础设施的强力支撑。作为人工智能发展的基石，算力芯片等设施是处理数据“燃料”的“发动机”。尤其是随着人工智能云端训练和推断计算的需求日益增长，对算力芯片、配套硬件、机箱等设施的要求也越来越高。在中国，智能算力规模正在高速增长，预计未来几年将保持高速增长态势。

在算力领域，CPU虽然性能提升遭遇瓶颈，但在现代计算系统中仍不可或缺。与此CPU+xPU的异构方案已经成为大算力场景的标配。GPU的并行计算优势在AI算力需求增长的情况下得到了充分展现，而NPU在特定场景下的性能和效率优势也日渐凸显。

面对英伟达、AMD等厂商的高端GPU芯片供应受限的情况，国产算力芯片厂商迎来了重要的发展窗口期。在这个时期，国产厂商有望通过技术创新和市场拓展实现突破，成为行业内的领军企业。

人工智能的快速发展离不开硬件基础设施的支持，而国产算力芯片厂商也在这个领域迎来了重要的发展机遇。建议投资者关注各环节龙头厂商，共同见证这个领域的蓬勃发展。随着全球半导体产业的深度调整，中国算力芯片市场迎来了国产替代的重要窗口期。特别是在美国持续打压中国半导体产业发展的背景下，英伟达和AMD的供应链变动进一步激发了国产算力芯片的需求。在这一浪潮中，涌现出了寒武纪、龙芯中科等一大批国产算力芯片厂商，它们正积极研发创新产品，为中国半导体产业的崛起贡献力量。

尤其值得关注的是人工智能芯片领域的领军企业寒武纪。自2016年成立以来，寒武纪一直致力于打造人工智能领域的核心处理器芯片。其推出的思元系列智能加速卡持续迭代，最新产品思元370已经采用了7nm制程工艺和chiplet技术，最高算力达到了惊人的256TOPS（INT8）。寒武纪还重视自身软硬件生态建设，为云、边、端全系列智能芯片与处理器产品提供了统一的平台级基础系统软件。

在软件生态方面，寒武纪的基础系统软件平台包括训练软件平台和推理软件平台，它们支持丰富的图形图像、语音、推荐以及训练任务，并提供了模型快速迁移方法和推理加速引擎MagicMind。这些创新技术和产品让寒武纪在人工智能芯片领域保持领先地位。

与此海光信息也在GPGPU领域取得了显著进展。其深算系列GPGPU提供了高性能算力，支撑高复杂度和高吞吐量的数据处理任务。海光DCU作为GPGPU的一种，具有高性能、高能效比的特点，其研发工作正在稳步推进。海光DCU兼容类“CUDA”环境，降低了迁移成本，丰富了软硬件生态。

龙芯中科也在GPU自研方面取得了实质进展。公司正在加大GPU研发的投入，规划了高性能通用图形处理器芯片及系统研发项目，总投资金额高达10.5亿元。未来，龙芯中科的GPU产品有望与CPU形成协同效益，进一步提升公司在AI领域的核心竞争力。

在这个替代窗口期中，国产芯片厂商不仅在技术层面取得了显著进步，还在生态建设方面下了大力气。它们与产业端强强联合，促进生态融合应用。例如，百度飞桨深度学习平台就与主流人工智能芯片厂商联合建设生态，为开发者提供了强大的工具链和丰富的应用场景。

中国算力芯片产业正在迎来重要的发展机遇。在这个时期，国产芯片厂商不断加大研发投入，推出创新产品，完善软硬件生态，提升核心竞争力。未来，它们将在全球半导体产业中发挥越来越重要的作用。AMD的限制对中国半导体产业来说更像是一次挑战与机遇并存的事件。一方面确实会带来短期的供应链压力和挑战；另一方面也激发了国产自研芯片的发展需求与自主创新能力的进一步提升。在这场全球半导体产业的深度调整中中国国产算力芯片产业正以其独特的优势和潜力在全球范围内崭露头角成为推动全球半导体产业发展的重要力量之一。桥片7A2000已经全新发布于2022年，这款芯片集成了自主研发的全新统一渲染架构GPU核心，可以构建独立的显示解决方案，显著降低了系统的成本。紧接着，通用SoC芯片2K2000在2023年1月成功流片，它集成了龙芯自主研发的LG120GPU核心，图形算法和性能得到了进一步优化。

我们的公司正倾力打造高通用性、高可扩展性的GPGPU芯片产品，同时构建相应的软硬件体系。我们的目标不仅仅是提升图形渲染的速度，更是将加速对象扩展到科学计算领域。我们致力于在提高算力密度的降低单位算力的功耗，并全面支持视觉、语音、自然语言以及传统机器学习等各类人工智能算法。

随着这些项目的不断推进和完善，我们的CPU产品将形成强大的协同效应，进一步提升公司的核心竞争力。我们相信，这些创新技术将为行业带来革命性的变革，推动整个领域的发展。