1761
近期，一个叫“ChatGPT”的聊天机器人在半导体界声名大噪。这个由人工智能实验室Open AI在去年11月底推出的AI程序，在上线5天内就收获超100万的注册量，到今年1月末已经突破1亿。
ChatGPT的火爆一定程度上缓和了半导体行业的低落气氛，近期市场消息显示，台积电5nm需求突然大增，第二季度产能利用率或将满载。半导体供应链业内人士透露，台积电急单来自英伟达、AMD与苹果的AI、数据中心平台，ChatGPT的爆火让客户拉货动能上升。
官方表示，ChatGPT的“Chat”指聊天，就是它的展现形式；“GPT”则代表Generative Pre-trained Transformer（生成型预训练变换模型），即支撑它运行的预训练模型。
总体而言，ChatGPT是一种基于大规模语言模型的超智能对话AI产品，无论是讨论当下互联网这种最新的内容创作方式AIGC（AI Generated ContentAI生产内容），还是爆火的ChatGPT，其本质都是在探讨其背后的AI产业链。
Part.1、AI芯片：GPU、FPGA、ASIC将受益
人工智能三大要素分别是数据、算法、算力。基于OpenAI的第三代大模型GPT-3升级而来的ChatGPT，其而算力的最终来源也就是芯片，ChatGPT的爆火代表着AI芯片技术的新一轮突破。公开资料显示，AI算力芯片泛指加速AI类应用，主要分为GPU、FPGA、ASIC。
01、GPU
由于CPU的算力很有限，且处理并行操作比较吃力，因此一般将CPU搭配加速芯片使用。在AI时代的云端训练芯片中，GPU占据较大的份额，被视为AI时代的算力核心。在GPU市场格局上，英伟达、AMD、英特尔三家的营收几乎垄断整个GPU行业。
目前，ChatGPT背后的计算集群使用的是英伟达的AI芯片。OpenAI曾表示，ChatGPT是与英伟达和微软合作完成的超级AI。微软在自己的云——Azue HPC Cloud中构建了超级计算机集群，将其提供给OpenAI。据悉，该超级计算机拥有285000个CPU（中央处理器）内核和10000多颗AI芯片。
虽然英伟达在此番占据先发优势，但市场上还有很多企业在迎头赶上，如谷歌的张量处理器TPU、百度的昆仑系列、华为海思的昇腾系列、阿里巴巴平头哥的含光800等。
02、FPGA
FPGA（Field Programmable Gate Array）又称现场可编程门阵列，是指一种通过软件手段更改、配置器件内部连接结构和逻辑单元，完成既定设计功能的数字集成电路。
FPGA芯片在实时性（数据信号处理速度快）、灵活性等方面优势明显，还可以编程、并行计算，在深度学习领域占据不可替代地位。
相比于CPU/GPU/ASIC，FPGA具有更高的速度和极低的计算能耗，常被用作专用芯片的小批量替代品。在AI模型构建时，FPGA要实现深度学习功能，需要与CPU结合，共同应用于深度学习模型，同样可以实现庞大的算力需求。
从市场格局看，全球FPGA芯片市场中，赛灵思和英特尔两家企业占据了市场大部分的份额，由于FPGA芯片拥有较高的技术和资金壁垒，我国企业在该领域上差距较大。近年来，我国领先企业也在FPGA芯片芯片上实现了部分技术突破。如去年8月，京微齐力发布首颗国产22nm的FPGA芯片并成功量产。
03、ASIC
ASIC(Application Specific Integrated Circuit)，即专用集成电路，其计算能力和计算效率可根据用户特定需求进行定制，广泛应用于人工智能设备、虚拟货币挖矿设备、耗材打印设备、军事国防设备等智慧终端。
ASIC芯片可根据终端功能不同分为TPU芯片、DPU芯片和NPU芯片等。其中，TPU（Tensor Processing Unit）为张量处理器，专用于机器学习。DPU（Data Processing Unit），可为数据中心等计算场景提供引擎。NPU（Neural-network Processing Unit）是神经网络处理器，在电路层模拟人类神经元和突触，并用深度学习指令集直接处理大规模电子神经元和突触数据。
相比于GPU和FPGA，ASIC缺乏灵活性，特别是在AI、服务器这类领域，在各种算法不断迭代的情况下，ASIC芯片的特性反而成为了它的累赘。但地平线CEO余凯曾公开表示，一旦软件算法固定下来，专用集成电路ASIC一定是未来的方向，按每瓦功耗计算能力看，ASIC可比GPU提升30-50倍，这也将是未来行业的竞争焦点。
目前，国外谷歌、英特尔、英伟达等科技巨头相继发布了TPU、DPU等ASIC芯片，国内大厂也开始瞄准这一市场迅速发力，比如寒武纪就推出了一系列ASIC加速芯片，华为也设计了昇腾310和昇腾910系列ASIC芯片。
Part.2、HBM/Chiplet有望受益
总体来看，在AIGC（AI Generated Content，AI生产内容）推动下，AI产业化由软件向硬件切换，半导体+AI生态逐渐清晰，AI芯片产品将实现大规模落地。硬件端核心包括AI芯片/GPU/CPU/FPGA/AISoC等，而在AI芯片中，算力及信息传输速率成为关键技术，芯片性能及成本的平衡也带动周边生态，包括HBM/Chiplet等产业链受益。
01、新兴存储HBM
公开资料显示，AI对话程序在执行计算期间需要大容量、高速的存储支持，业界预计AI芯片发展也将会进一步扩大高性能存储芯片需求。
三星电子就表示，为GPU和人工智能加速器提供数据的高性能高带宽内存(HBM)的需求将会扩大。从长远来看，随着AI聊天机器人服务的扩展，对用于CPU的128GB 或更大容量的高性能 HBM 和高容量服务器 DRAM 的需求预计会增加。
近日，韩媒报道2023年开年后三星、SK海力士两家存储大厂HBM订单快速增加，价格也水涨船高，市场人士透露近期HBM3规格DRAM价格上涨5倍。
02、Chiplet
此外，Chiplet技术也不可忽视，其是布局先进制程、加速算力升级的关键技术。Chiplet异构技术不仅可以突破先进制程的封锁，并且可以大幅提升大型芯片的良率、降低设计的复杂程度和设计成本、降低芯片制造成本。
目前，Chiplet已广泛应用于服务器芯片。AMD是Chiplet服务器芯片的引领者，其基于Chiplet的第一代AMDEPYC处理器中，装载8个“Zen”CPU核，2个DDR4内存通道和32个PCIe通道。2022年AMD正式发布第四代EPYC处理器，拥有高达96颗5nm的Zen4核心，并使用新一代的Chiplet工艺，结合5nm和6nm工艺来降低成本。
英特尔第14代酷睿Meteor Lake首次采用intel 4工艺，首次引入Chiplet小芯片设计，预计将于2023年下半年推出，至少性能功耗比的目标要达到13代 Raptor Lake的1.5倍水平。
Part.3、结 语
近期，英特尔全球高级副总裁、中国区董事长王锐接受澎湃新闻记者采访时表示，会与中国客户研究布局类ChatGPT算力模式。“我们跟百度、阿里都有非常深的合作，下一步算力如何帮助我们建立新的模式都是值得期待的。”
在全球数字化、智能化的浪潮下，智能手机、自动驾驶、数据中心、图像识别等应用推动AI芯片市场迅速成长，未来将有更多企业聚焦到AI芯片生产上来。
