ChatGPT專題市場簡析1

ChatGPT專題市場簡析一、現象級AI應用狂飆破壁，ChatGPT引發(fā)范式革命ChatGPT用戶量兩月破億，現象級應用橫空出世ChatGPT（ChatGenerativePre-trainedTransformer）是由OpenAI開發(fā)的人工智能聊天機器人程序，于2022年11月推出。據瑞銀集團，ChatGPT推出僅兩個月后，即2023年1月末的月活用戶已經突破了1億，成為史上用戶增長速度最快的消費級應用程序。作為比較，TikTok達到1億用戶用了9個月，Instagram花了2年半的時間。智能化生產工具，提高生產效率ChatGPT是一個虛擬助手，可以幫助用戶解決問題、提供信息和建議。通過人工智能技術實現自然語言處理和自然語言理解，ChatGPT能夠快速準確地回答用戶提出的問題。可以通過文本或語音與用戶交互，并通過不斷學習和改進來提高能力和服務質量。現有使用案例中，用戶可通過ChapGPT實現代碼生成、修改程序bug、寫詩等。重新定義搜索，跨時代AI產品ChatGPT在智能化方面有跨越式進步，在多輪對話能力以及對話交互友好性上展示了驚艷效果。能夠較準確理解問題，把生成的答案用易于人類理解的語言組織起來，生成類似人類語言的文本答案。同時，ChatGPT的模型優(yōu)化目標為有用、可信、無害，在道德上友善，符合大眾的道德觀。GPT-3大模型驅動，引發(fā)AIGC范式革命以ChatGPT為代表的AIGC應用在2022年的爆發(fā)，主要是得益于深度學習模型方面的技術創(chuàng)新。不斷創(chuàng)新的生成算法、預訓練模型、多模態(tài)等技術融合帶來了AIGC（AIGeneratedContent）技術變革，擁有通用性、基礎性多模態(tài)、參數多、訓練數據量大、生成內容高質穩(wěn)定等特征的AIGC模型成為了自動化內容生產的“工廠”和“流水線”。基礎層是核心，GPT-3模型起關鍵支撐作用。GPT-3一個大規(guī)模的通用語言模型，已經在來自各種來源的大量文本數據上進行了訓練。能夠產生類似人類的反應，并可用于廣泛的語言相關任務。ChatGPT基于目前較新的GPT-3.5模型版本進行研發(fā)，專注于自然語言對話，接受了更廣泛的語言模式和風格培訓，因此，能較GPT-3產生更多樣化和微妙的響應。C端應用時代降臨，拉開AI商業(yè)變現帷幕OpenAI在2023年2月1日推出訂閱服務，名為ChatGPTPlus，每月收費20美元。訂閱用戶將獲得全天候服務，并在高峰時段享有優(yōu)先訪問。用戶還可提前使用新功能及改進功能，應用的響應時間也更快。OpenAI預計2023年ChatGPT將實現2億美元的收入。微軟計劃將旗下所有產品全線整合ChatGPT。除了搜索引擎必應、辦公軟件Office外，微軟還將在云計算平臺Azure中整合ChatGPT，Azure的OpenAI服務將允許開發(fā)者訪問AI模型。政策反應迅速，國內科技巨頭布局2023年2月13日，北京市經濟和信息化局發(fā)布《2022年北京人工智能產業(yè)發(fā)展白皮書》，提出全面夯實人工智能產業(yè)發(fā)展底座。支持頭部企業(yè)打造對標ChatGPT的大模型，著力構建開源框架和通用大模型的應用生態(tài)。加強人工智能算力基礎設施布局。加速人工智能基礎數據供給。國內科技企業(yè)紛紛對ChatGPT發(fā)表看法，百度、華為、騰訊、阿里巴巴等大多數頭部企業(yè)表示，已經擁有、在研對標ChatGPT相關的模型及產品。關注AI三駕馬車投資機會算法、算力和數據是人工智能發(fā)展的三駕馬車，也是推動人工智能發(fā)展的重要基礎。算法層面，超大規(guī)模預訓練模型推動AI效果不斷提升。當前，預訓練模型參數數量、訓練數據規(guī)模按照300倍/年的趨勢增長，繼續(xù)通過增大模型和增加訓練數據仍是短期內演進方向。算力層面，單點算力持續(xù)提升，算力定制化、多元化成為重要發(fā)展趨勢。計算技術圍繞數據處理、數據存儲、數據交互三大能力要素演進升級，類腦芯片、量子計算等方向持續(xù)探索。數據層面，以深度學習為代表的人工智能技術需要大量的標注數據，這也催生了專門的技術和服務，隨著面向問題的不斷具體化和深入，數據服務走向精細化和定制化。二、巨量數據規(guī)模引發(fā)質變，AI模型算力緊缺大型預訓練模型引發(fā)質變Transformer基礎算法模型的出現，為NLP和CV訓練領域提供了強大支持。OpenAI的GPT預訓練模型，以及百度的ERNIE模型，都是基于Transformer模型建立。Al預訓練模型，又稱為大模型、基礎模型(foundationmodel)，即基于大量數據(通常使用大規(guī)模自我監(jiān)督學習)訓練的、擁有巨量參數的模型，能適應廣泛的下游任務。預訓練模型能夠滿足真實內容消費場景中的靈活多變、高精度、高質量等需求。隨著2018年谷歌發(fā)布基于Transformer機器學習方法的自然語言處理預訓練模型BERT，人工智能領域進入了大煉模型參數的預訓練模型時代。預訓練模型成為AI技術發(fā)展的范式變革，許多跨領域的AI系統(tǒng)將直接建立在預訓練模型上。AI模型數據規(guī)模增長，AI算力需求井噴當前，預訓練模型參數數量、訓練數據規(guī)模按照300倍/年的趨勢增長，繼續(xù)通過增大模型和增加訓練數據仍是短期內演進方向。未來使用更多種圖像編碼、更多種語言、以及更多類型數據的預訓練模型將會涌現。當前算力距離AI應用存巨大鴻溝。根據OpenAI數據，模型計算量增長速度遠超人工智能硬件算力增長速度，存在萬倍差距。英特爾表示，目前的計算、存儲和網絡基礎設施遠不足以實現元宇宙愿景，而要想實現真正的元宇宙，目前的計算能力需量要再提高1000倍。據IDC預計，2021-2026年期間，中國智能算力規(guī)模年復合增長率達52.3%。2022年智能算力規(guī)模將達到268.0EFLOPS，預計到2026年智能算力規(guī)模將進入每秒十萬億億次浮點計算（ZFLOPS）級別，達到1,271.4EFLOPS。運算數據規(guī)模的增長，帶動了對AI訓練芯片單點算力提升的需求，并對數據傳輸速度提出了更高的要求。算力升級：AI訓練芯片空間廣闊IDC預計，到2025年人工智能芯片市場規(guī)模將達726億美元。IDC全球范圍調研顯示，人工智能芯片搭載率將持續(xù)增高。目前每臺人工智能服務器上普遍多配置2個GPU，未來18個月，GPU、ASIC和FPGA的搭載率均會上升。通用性遞減，專用性增強，為AI芯片的主要發(fā)展方向。2021年中國以GPU為主實現數據中心計算加速，GPU在算力芯片的市場占有率接近90%。ASIC，FPGA，NPU等非GPU芯片市場占有率超過10%。國際科技網絡巨頭公司谷歌、臉書，亞馬遜等等在AI芯片領域從云端訓練到終端產品應用，在開源框架賦能產業(yè)行業(yè)上有一定的領先優(yōu)勢。國內企業(yè)也在打造從AI芯片注重云端訓練+AI芯片終端響應+AI算法框架開源的生態(tài)體系。算力升級：馮氏架構“破壁者”，存算一體突破瓶頸馮氏架構以計算為中心，計算和存儲分離，二者配合完成數據的存取與運算。然而，由于處理器的設計以提升計算速度為主，存儲則更注重容量提升和成本優(yōu)化，“存”“算”之間性能失配，從而導致了訪存帶寬低、時延長、功耗高等問題，即通常所說的“存儲墻”和“功耗墻”。存算一體作為一種新的計算架構，被認為是具有潛力的革命性技術。核心是將存儲與計算完全融合，有效克服馮·諾依曼架構瓶頸，并結合后摩爾時代先進封裝、新型存儲器件等技術，減少數據的無效搬移，從而提升計算效率。中國移動已將存算一體納入算力網絡的十大關鍵技術。當前NORFlash、SRAM等傳統(tǒng)器件相對成熟可率先開展存內計算產品化落地推動。新型器件中RRAM各指標綜合表現較好，MRAM壽命和讀寫性能較好，均有各自獨特優(yōu)勢與發(fā)展?jié)摿沙掷m(xù)推動器件成熟，同步進行存內計算探索。三星電子、SK海力士、臺積電、美光、IBM、英特爾等都在進行存算一體技術的研究。國內公司中，億鑄科技、千芯科技、后摩智能專注于大算力存算一體芯片，閃易半導體、蘋芯科技、知存科技、智芯科、九天睿芯專注于小算力存算一體芯片。傳輸升級：高速光模塊放量傳輸速度迭代不止，高速光模塊出貨預計大幅增長。據lightCounting統(tǒng)計，2021年，200G、400G和800G的高速以太網光模塊發(fā)貨量達222萬只，2022年預計將達600萬只，同比170%以上，800G的產品有望在2022年開始逐步放量。據lightcounting2022年3月預測，未來隨著AI、元宇宙等新技術不斷發(fā)展，以及網絡流量長期保持持續(xù)增長，以太網光模塊銷售額也將保持較快增長并不斷迭代升級。預計到2027年，以太網光模塊市場將達到100.11億美元。傳輸升級：CPO與硅光技術降本增效CPO（協(xié)同封裝光子技術）提升數據中心應用中的光互連技術。CPO將光學器件和ASIC緊密結合在一起，通過Co-packaging的封裝方式，大體積的可插拔模塊被簡單的光纖配線架所取代，因此前面板的物理擁塞得以緩解。而交換機和光學器件之間的電氣通道大大縮短，因此CPO將增加帶寬和縮小收發(fā)器尺寸，提升系統(tǒng)集成度，同時降低功耗和封裝成本。據lightcounting預測，數據中心將率先使用CPO封裝技術。同時，隨著AI集群和HPC的架構正在不斷演進發(fā)展，可能會看到CPO部署在GPU、TPU以及以太網、InfiniBand或NVLink交換機上，另外有許多基于FPGA的加速器也可能受益于CPO。預測在2027年，CPO端口將占總800G和1.6T端口的近30%。據機構CIR預測，CPO市場規(guī)模將在2025年超過13億美元，2027年達到27億美元。硅光芯片基于絕緣襯底上硅（Silicon-On-Insulator，SOI）平臺，兼容互補金屬氧化物半導體(ComplementaryMetalOxideSemiconductor，CMOS）微電子制備工藝，同時具備了CMOS技術超大規(guī)模邏輯、超高精度制造的特性和光子技術超高速率、超低功耗的優(yōu)勢。硅光芯片商業(yè)化至今較為成熟的領域為數據中心、通信基礎設施等光連接領域。目前，硅光技術在第一代4x25G光模塊中主要應用于500m內的100GQSFP28PSM4；在第二代1x100G產品中，應用有100GQSFP28DR1/FR1和LR1，作用于500m-10km場景中；在400G產品中，主要聚焦在2km以內的中短距離傳輸應用場景，產品有400GDR4。未來隨著技術逐漸成熟，激光雷達、光子計算等領域的應用有望實現突破。三、AIGC跨越數據鴻溝，合成數據與日精進ChatGPT狂飆出圈，AIGC迎發(fā)展快車道AIGC（人工智能生成內容）的狹義概念是利用AI自動生成內容的生產方式。在AIGC場景下，人工智能可靈活運用于寫作、編曲、繪畫和視頻制作等創(chuàng)意領域。初步估計，到2025年，人工智能生成數據占比將達到10%。根據《GenerativeAI：ACreativeNewWorld》的分析，AIGC有潛力產生數萬億美元的經濟價值。ChatGPT屬于AIGC技術在自然語言對話場景的應用。ChatGPT的火速出圈，將AIGC推向新的高度。AIGC提供數據燃料，驅動AI技術發(fā)展AIGC正朝著效率和品質更高、成本更低的方向發(fā)展。根據ChatGPT能夠快速、準確地生產聊天內容的表現，可大膽推測，未來AIGC技術將會把創(chuàng)造和知識工作的邊際成本降至零，以產生巨大的勞動生產率和經濟價值。數據是人工智能的燃料和驅動力，人工智能發(fā)展所需的海量數據也能通過AIGC技術生成、合成出來，即合成數據(syntheticdata)。合成數據可以在數學上或統(tǒng)計學上反映真實世界數據的屬性，因此可以作為真實世界數據的替代品，來訓練、測試、驗證Al模型?？缭綌祿櫆希铣蓴祿七M實現AI2.0合成數據將極大拓展人工智能發(fā)展應用的數據基礎。Forrester將合成數據和強化學習、Transformer網絡、聯邦學習、因果推理視為實現人工智能2.0的五項關鍵技術進展，可以解決人工智能1.0所面臨的一些限制和挑戰(zhàn)，諸如數據、準確性、速度、安全性、可擴展性等。Gartner預測稱，到2030年合成數據將徹底取代真實數據成