疫情消散之后的2023年，科技领域最火的概念非ChatGPT莫属，比尔盖茨将其称之为第二次革命性技术，黄仁勋将其为AI的iPhone时刻，创投界更是有王慧文、李开复、李沐、贾扬清等领军人物纷纷下场，在大模型领域开启新的创业之旅，这个赛道已经足够热闹。
业界和投资界对ChatGPT的热情，基于ChatGPT有赋能千行百业的潜力。
UGC方面，BuzzFeed首席执行官乔纳·佩雷蒂在一份给员工的备忘录中表示，今年由AI创造的内容将从研发阶段转变为核心业务的一部分，而在其他的用户生产平台上，也已经有很多账号通过AI个性化生产来生产内容并已经实现盈利。
ChatGPT还能赋能教育，一方面用AI创造儿童绘本，能够作为对寓言故事的教育延伸，另一方面也能帮助成人做英语口语的对话练习，进一步提高人类生活和工作的效率......
半导体作为为ChatGPT提供算力支撑的基石产业，自然也会在这波浪潮中受到影响，被美国钳制的中国半导体产业更是如此。
ChatGPT究竟如何影响中国半导体的发展格局？
AI 带动算力及存力需求快速提升
ChatGPT 是 OpenAI 开发的一款聊天机器人，能够更高层次理解人类需求并解决复杂问 题。ChatGPT 基于 Transformer 架构算法，可用于处理序列数据模型，通过连接真实世 界中大量的语料库来训练模型，可进行语言理解并通过文本输出，做到与真正人类几乎 无异的聊天场景进行交流。 ChatGPT 应用场景广泛，海外已有龙头落地成功案例： 1）文字创意的生成：快速生成文章段落结构。 2）客服系统：与客户更流畅的交流。 3）虚拟人物对话：传统虚拟人物会设定对话标准答案，ChatGPT 能够更自然真实地与人 对话。 4）结合 Office 软件：生成文档、表格、PPT 等。 5）搜索：替代部分搜索需求。 6）咨询领域：提供值得思考或探索的方向。 ChatGPT 海外已有应用方案落地：为 BuzzFeed 提供个性化测试服务以及为 Amazon 解 决工程师技术难题等。
ChatGPT 带动算力需求飙升，存算侧硬件全面增量需求。据 NVIDIA 估算，训练 GPT3，假设单个机器的显存/内存容量足够的前提下，8 张 V100 显卡训练时长预计达 36 年， 1024 张 80GBA100 显卡完整训练 GPT-3 的时长为 1 个月，算力侧硬件需求全面增长。
ChatGPT4 多模态演绎，算力需求进一步激增。ChatGPT4 为多模态模型，使用图像、 视频等多媒体数据进行训练，文件大小远超文字，进一步驱动算力需求飙升。以 LAION5B 图文数据集为例，其包含 58.5 亿个 CLIP 过滤的图像文本数据集，我们认为图像、视 频类训练数据将驱动算力需求进一步飙升。此外，大模型训练需要海量数据传输，由此 将对以服务器交换机为代表的数据传输设备产生更多需求，相关高算力芯片需求量将相 应增长。
高算力时代，Chiplet 助力突破芯片制程瓶颈。在速度方面，采取 3D 封装技术的 chiplet 缩短了线路传输距离，指令的响应速度得到大幅提升，寄生性电容和电感也得以降低， 此外，更多更密集的 I/O 接点数，电路密度提升将提高功率密度。3D 封装由于采用更细 小、更密集的电路，信号传输不需要过多的电信号，从而功耗也会相应降低。
整体来看，ChatGPT 将从算力侧和数据传输端全面带动显卡及高算力芯片需求，由此将 从算力芯片、应用端、存算一体、先进封装、封装设备、IC 载板等多个领域带动硬件市场增量需求。
AI驱动半导体产业周期回暖，刺激产业链四大领域
自摩尔定律诞生以来，消费电子产业一直充当着推动半导体产业发展的主要驱动力，手机业务增长放缓后，PC又在疫情期间拉动了一波内需，成为刺激半导体产业持续上涨的主要驱动力。如今进入后疫情时代，消费电子需求不再旺盛，半导体行业进入下行周期，急需新的应用刺激成为驱动力。
凯联资本董事总经理姚宁波在大会上介绍到，以前半导体周期都是由手机驱动，如今手机销量每年下降10%，疫情期间PC成为主要驱动力，未来新能源汽车会成为新的驱动力。
“AI、HPC和云服务持续起量，计算会成为下个半导体周期的主要驱动力”，姚宁波说道。
另外，姚宁波还强调，三星近期宣布减产，意味着半导体周期即将触底，下一个半导体周期将在Q3或Q4到来。
芯榜CEO班可可则认为，ChatGPT给芯片产业带来的机遇体现在产业链上，主要集中在四大领域，计算芯片、存储芯片、封测产业和PCB产业链。
随着ChatGPT的关注度持续上涨，相关机构预测，GPU的全球增长率将从32.82%上涨到39%，计算芯片的需求暴涨引发晶圆厂的业务变化，从台积电的业务营收可以看出，其高性能计算持续高增长，占总营收比高达41%，首次超过智能手机业务领域，英伟达数据中心HPC芯片业绩的年增长则将高到200%-250%。
在存储芯片领域，班可可表示HBM作为一款新型的CPU、GPU内存芯片，量价齐升，在能够满足ChatGPT对存储的新需求的同时，为处在灰暗中的存储行业带来一抹亮色。
2022年6月，SK海力士宣布量产HBM3并出货给英伟达，与H100 GPU搭配，实现加速计算，目前SK海力士和三星的HBM订单激增，HBM成为存储芯片行业的新赛点。
在封测领域，近几年大火的Chiplet的需求更甚。
在PCB板行业，服务器中的主板，电源背板，硬盘背板、网卡等核心部分均需要用到PCB板，算力革命提升了PCB板用量的同时，也推动着PCB向高频高速方向发展。对于内资厂商而言，英伟达的A100/H100显卡的PCB供应商胜宏科技将直接受益。
或许面对美国的禁令，由于无法购买到A100，中国只能基于A800做出阉割版本的ChatGPT，但除了GPU，国内半导体厂商也可以在产业链其他环节找到新机会。
换道超车的存算一体，为中国AI大算力芯片注入新动力
ChatGPT最本质的需求是对算力的需求，虽然我们目前在GPU领域无法与英伟达匹敌，但我们可以通过另一种方式，提高算力效率。致力于打破内存墙的存算一体技术目前已经成为产业期待，资本追逐的一大方向。
亿铸科技高级副总裁徐芳在研讨会上解释到，从大环境来看，目前算力需求越来越大，摩尔定律接近终结，市场对能效比要求持续提升，但能效比以及算力密度已经接近天花板了，这正是产业发展存算一体的原因和必要性。
另一方面，从科学发展的规律来看，阿姆达尔定律一直是硬件加速设计的基本定律，代表处理器并行计算之后效率提升的能力，根据公式推导显示，存算一体的AI加速效能远优于GPGPU。
也就是说，某种程度上，存算一体发展到一定程度上，是能够为算力提升贡献力量的，甚至比GPU更有优势。
除了亿铸科技这类专门研发存算一体芯片的公司，国内其他存储芯片公司 也都已经在存算一体方面有所涉足。
在CITE大会上，存储芯片厂商忆芯科技说道，ChatGPT的训练需要有大规模数据集，数据首先需要存取，有了海量的数据存储之后，需要有能够读取大量数据的带宽足够大的双向接口，给存储芯片行业带来了机会。
“忆芯本身就是做存储的，我们支持大带宽数据传输，离线端支持数据加密，独立完成数据存储、计算、传输和加密工作，落地到具体的场景中，能够帮助用户加强场景下数据应用的要求。”
“针对客户的AI应用需求，可以有针对性地训练出个性化的应用，但这对存储和计算都提出了新要求，因此传统的静态存储没有太多价值，而是需要把存储的数据提取出来，对模型进行优化，才能更近一步满足客户的需求”。忆芯科技市场高级总监熊明霞解释道。
推动更多AI细分市场的发展
如前文所述，AIGC的出现有望撬动AI大规模落地的场景。同时，相关企业在多个AI产业链的布局将更深入。比如，在硬件层包括芯片和传感器，其中AI芯片主要有通用型的GPU、可定制的FPGA、专用的ASIC，以及类脑芯片。英伟达的Orin芯片基于通用GPU，地平线的征程5芯片，既是ASIC芯片，也是DSA(特定领域架构)芯片；类脑芯片有IBM的TrueNorth、英特尔的Loihi、高通的Zeroth、西井科技的DeepSouth、杭州电子科技大学的达尔文、aiCTX的DynapCNN处理器等。
整体而言，AI芯片供应商主要有英伟达、AMD、Intel、VelociHOST、景嘉微、地平线、寒武纪、比特大陆、复旦微、赛灵思、Altera(英特尔旗下)、异构智能、谷歌等；传感器部分有舜宇光学、禾赛科技等供应商；算法层有商汤科技、旷视科技、云从科技、依图科技、第四范式等；应用层有海康威视、科大讯飞、锐明技术等。
虽然智能计算机并不追求太大的算力频率，但是其对芯片的功耗和散热要求较高，所以，低功耗的FPGA和ASIC芯片在智能计算机上有更大的用武之地。与此同时，AI芯片也将从面向厂商的训练场景为主，转变为面向消费者的推理场景为主。业内AI专家对此评价称，GPU的高并行计算能力和高通用性的协调统一，在消费者时代的统治力或许难以为继，未来ASIC芯片、中国产GPGPU芯片或将能切入MaaS(出行即服务)产业生态。
