作為一個收錄了龐大信息量和訓練量的模型產品，chatGPT對大規模并行計算必然有較高要求，這也是英偉達由此率先受益、股價應聲而漲的原因所在，除了GPU，涉及計算能力的芯片類型還包括CPU、FPGA、ASIC等，不同類型的計算芯片進行組合，可以滿足不同模型的計算需要。此外，與計算相匹配必然還需存儲、接口等類型芯片。
在當前的半導體下行周期中，突然涌現的需求像是給市場打了一劑強心針，相關計算類產業鏈芯片公司由此將會受益于此多大比重成為重要命題。
比如據花旗集團預估，ChatGPT將可能促使英偉達相關產品在12個月內銷售額達到30億至110億美元。這意味著，ChatGPT以及類ChatGPT應用對于高端芯片的需求增加會拉動芯片均價。
需要關注的是，涉及高算力的AI芯片，目前在國內同時面臨著內部仍待持續發展、外部環境持續變化等諸多挑戰，高算力芯片的發展，更需國內軟硬件生態鏈企業攜手推進。
芯片迎新機遇？
在目前消費類市場持續疲軟的震蕩影響下，半導體行業進入了周期的下行階段，chatGPT對計算能力的需求能否成為拉升半導體產業的關鍵要素?
從當下時點看，判斷chatGPT對半導體需求帶來多大影響還難以完全量化，這更要視具體AI公司的產品進度和訓練量而定。
目前只有chatGPT是相對可見的。CINNO Research半導體事業部總經理Elvis Hsu對21世紀經濟報道記者分析，目前ChatGPT發展到GPT-3.5代，約為人腦的500分之一，參數量超過1750億，約由1萬個以上的GPU組成高性能網絡集群。
因此其所需要的技術條件包含強大的AI算力芯片以及海量數據的供應，這解釋了擅長GPU設計的英偉達是首先受益的公司，并直接對其營收有最大超過30億美金以上貢獻。另外由于需要海量數據，所以對研發高端存儲芯片的公司也有莫大助益。
這里提到的高端存儲芯片，指DRAM為主的存儲類型，這類芯片讀寫速度快、延遲低，但存取速度偏慢。經過幾十年市場大浪淘沙后，目前的龍頭以海外為主，如三星、美光、SK海力士等。此前也有市場消息顯示，三星和SK海力士已經有一定新增訂單情形。
一名芯片行業從業者則對記者分析，但凡涉及到數據都需要存儲芯片，chatGPT目前呈現的成果更像是一款加強版人工智能產品，與之前相比的差異可能在于架構不同。但是在應用端對存儲芯片的新要求，暫時還沒有看到明顯不同。
“我理解這是一個分析能力更強大的數據庫，涉及后臺的各類學習算法、信息整理算法、模型搭建等。但是如果說對存儲企業的業績，我認為還沒有那么快體現出來。”他續稱，這是一個需要長期積累和訓練的市場，隨著更多相關平臺有計劃推出，或許在長遠市場中會逐漸浮現出業績增益，但并不是短期。
總體來說，Elvis認為，在計算芯片領域，除GPU率先受益外，FPGA/CPU、ASIC/DPU/TPU等AI 類腦芯片在未來均具有高度需求發展的市場。
從國內產業鏈公司角度看，他進一步分析，相關AI芯片/GPU/CPU/FPGA/AI SoC產業鏈在ChatGPT風潮盛行的帶動之下均蘊含無限商機。例如研發AI芯片的寒武紀和瀾起科技，CPU的龍芯中科和海光，GPU的景嘉微，FGPA的紫光國微，AI SoC的瑞芯微以及IP接口的芯原股份等。
當然需要指出的是，這只是從長遠的行業發展視角來看，并不是眼下就可以迅速在企業中進行業績兌現，國內相關公司依然有一定的路途要走。
企業突圍機會
宏觀來說，即便沒有chatGPT，隨著通信時代更迭、進入智能化時代的我們，早已面臨數據爆炸的世界。
因此異構計算成為這些年來半導體公司頻繁提及的方向，也是英特爾收購Altera，AMD收購賽靈思的原因所在。用CPU+FPGA/ASIC+GPU等異構方式，應對有越來越多龐大計算量的數字世界。
在這些核心領域，國內廠商多在能力爬升階段。Elvis對記者表示，國內相關AI芯片的產業鏈，當務之急就是提升高端芯片的設計能力，生產高算力的GPU/FPGA/ASIC類型AI芯片，進入國際競爭的行列，以加速分食ChatGPT 未來長期廣大的市場。
同時可以關注的是，對于Chiplet應用在先進封裝的技術領域也應加強開發以取得領先的優勢，奪得商機。
所謂Chiplet，就是在SoC中原本有諸多不同類型芯片，但都為同一工藝制程，采用芯粒技術后，可以將這些芯片進一步拆解，將不同工藝制程的小芯片組合起來，采用2.5D/3D先進封裝的技術堆疊起來，產生不全部采用高工藝制程芯片組合，仍能夠達到高工藝制程效果的技術能力，也是面對后摩爾時代的重要方向。
目前采用該技術路線制成芯片的公司多在海外，如AMD、英特爾、蘋果等，此前業界已經在積極組建各類型聯盟，尚在初期發展階段，也更意味著行業各界都有機會參與其中積極成長。
浙商證券則分析認為，面對未來潛在的算力指數級增長，短期內使用Chiplet異構技術加速各類應用算法落地，長期看則要打造存算一體芯片，減少芯片內外的數據搬運，或將成為未來算力升級的潛在方式。
總體來看，硬件固然是支撐大算力AI平臺發展的核心底層能力，但這也更需要國內軟硬件廠商共同攜手推進，以期在這一市場共同成長。
