半导体产业的下个增长点，藏在ChatGPT里

“首先，人工智能技术的快速发展正在推动芯片行业的创新。越来越多的企业正在研发专门用于加速人工智能工作负载的芯片，例如图形处理器（GPU）、Tensor处理器（TPU）和专用集成电路（ASIC）等。这些芯片可以显著提高人工智能应用的性能和效率，从而推动了人工智能技术在各个行业的应用。其次，芯片行业正在朝着更加节能和可持续的方向发展。随着全球对能源消耗和环境保护的关注不断增加，芯片制造商正在研发能够在更低的功耗下实现更高性能的芯片，同时也在优化制造过程和材料，减少对环境的影响。最后，物联网技术的快速普及也在推动芯片行业的发展。越来越多的设备和传感器需要进行数据采集和处理，从而需要更多的芯片来支持这些应用。这也催生了一些新的芯片设计和制造需求，例如低功耗、小型化和高度集成化等。总之，随着科技的不断进步，芯片行业也将继续发展和创新，为各个领域的应用提供更好的技术支持和解决方案。”

以上，是ChatGPT在面对“ChatGPT会给芯片行业带来怎样的影响”时候的答案。自从ChatGPT出圈以来，AI能给各行各业带来怎样的变化成为了大家都在好奇的问题。虽说ChatGPT是一个语言训练模型，但人们相信它能带来深刻的改变。中科院《人工智能新近发展及其对经济学研究范式的影响》一文指出，因为ChatGPT 可以在搜索信息、收集数据、撰写文献综述、编写代码、检查程序、设计实验方案、翻译文本等方面发挥作用，因此有助于学术研究领域提高效率；同时基于人工智能或由人工智能辅助的经济决策可提供更有效的资源配置方案、改进政策评估精准性，以及提升经济决策的科学性等，因此也有可能对经济学乃至整个社会科学的研究范式产生影响。

ChatGPT为芯片行业带来新的增长动力

ChatGPT为许多公司提供了许多应用场景。在之前消费电子较为低迷的时候，一些GPU、DPU公司的产品可能找不到应用场景。但随着ChatGPT出现，相关芯片的应用场景开始增加。

正如开头所说，ChatGPT未来可能为各个行业带来无限的可能性，这意味着随着越来越多的领域应用，也就会有越来越多对芯片的需求。正是这样的潜力，让芯片巨头（也是在AI领域最具代表性的公司）英伟达在不久前的GTC发布会上发布了为 ChatGPT 准备的芯片。因为以ChatGPT为代表的AIGC正在改变科技公司对于算力的需求。当前唯一可以实际处理 ChatGPT 的 GPU 是英伟达 HGX A100。为了ChatGPT市场，针对算力需求巨大的 ChatGPT，英伟达发布了 NVIDIA H100 NVL，这是一种具有 94GB 内存和加速Transformer Engine 的大语言模型（LLM）专用解决方案，配备了双 GPU NVLINK 的 PCIE H100 GPU。

从芯片设计环节来看，AI可能让EDA工具运行的更快，同时也可能帮助不同的公司定制不同的使用流程。人工智能驱动的 EDA 设计套件提供了一条前进的道路，补充和增强了工程团队的工作。根据德勤全球的数据，全球顶级半导体公司今年将在内部和第三方 AI 工具上花费 3 亿美元来设计芯片，预计未来四年这一支出将每年增长 20%。将AI 用于硅芯片设计的固有优势之一是，随着工具从设计到设计不断学习，它们会变得更好。AI 可以使工程师能够将具有正确规格的芯片更快地推向市场，并创建更复杂的系统性设计。除了作为芯片公司产品的新市场，AI技术也有可能为芯片制造带来新的技术飞跃。据报道，英伟达、苹果、AMD正抢夺台积电的AI芯片订单，上述公司近期同步对台积电下急单，相关芯片将在4月后逐步产出。

还有哪些芯片公司能借东风？

ChatGPT不只会带动三巨头，也会给其他的半导体公司带来新机遇。AI芯片相关公司，Graphcore的IPU是针对人工智能计算而设计，计算的特点主要是面向计算图，是以图来作为抽象构建的处理器架构。IPU是一个大规模并行的多指令多数据架构，采用能耗更低的片上SRAM。这样的架构非常适合做一些精细化的高性能计算、人工智能以及图计算。Graphcore的产品也已经在多个领域应用，比如使用人工智能做健康方面研究的LabGenius，使用IPU做股票预测的Man，利用IPU做大语言模型刚刚发布新品的自然语言服务公司pineso，美国国家实验室Argonne。未来，以Graphcore为代表的AI芯片细分领域的公司将迎来极大的增长点。ChatGPT执行大算力的同时也需要大容量的内存支撑，英伟达GPU搭载了包括高带宽存储器（HBM）在内的大量DRAM。

新兴AI产品对高性能存储芯片的需求也在拉动相关厂商的出货量。据韩国经济日报报道，受惠于ChatGPT，三星、SK海力士高带宽内存（high bandwidth memory，HBM）接单量大增。

除了硬件，IP核公司的业务也有望迎来增长。IP核心公司可以开发针对AI推断进行优化的IP核心，可以与ChatGPT模型集成，以加速其性能。同时IP核心公司可以为ChatGPT设计定制产品，设计可以针对AI计算提升性能降低功耗的产品。IP公司芯耀辉就表示，AI应用的增长可以为数据处理、数据传输等接口IP业务带来新的机遇。

人工智能改变世界，还要时间

人们对AI技术的期待不仅仅是能带来多大的市场，也包括AI技术如何改变半导体行业。产业链环节也都在探索如何利用AI技术EDA公司和芯片制造公司都在探索如何通过AI技术提高产品。计算光刻模拟了光通过原件与光刻胶相互作用时的行为，这些行为是根据麦克斯韦方程描述的，这是芯片设计制造领域中需要算力最多的任务。通过CuLitho技术，可以加速基于软件的芯片设计，并加速用于在芯片上打印该设计的光刻掩模的物理制造之间的步骤。除了英伟达，这一技术已经吸引了ASML、Synopsys和台积电的合作。

德勤指出，“人工智能设计工具使芯片制造商能够突破摩尔定律的界限，节省时间和金钱，缓解人才短缺，甚至将旧芯片设计带入现代时代。同时，这些工具可以提高供应链的安全性，并有助于缓解下一次芯片短缺。”

除了硬件，由于AI可以使用大量的文本数据集进行训练，因此AI也可以进行芯片训练。

不过要训练出这样的AI仍需要大量时间。虽然人工智能在复杂任务（例如国际象棋和围棋等棋盘游戏）中可以胜过人类表明AI在开发半导体领域的潜力。然而，为了在棋盘游戏中打败人，计算机接受了大量廉价数据的训练。相比之下，生成半导体工艺数据的成本很高。由于材料、设备和分析工具的成本，单个实验的成本可能超过 1000 美元。

半导体实验的高成本意味着工程师通常通过测试制造设备的机器的一百种不同参数组合或“方法”来开发半导体工艺，例如等离子体压力和晶圆温度。这种有限的数据使得很难创建精确到原子尺度的预测模型。在3D NAND器件中创建内存孔或蚀刻其他器件特征时，工艺工程师面临着超过一千万亿种不同的高纵横比蚀刻方法，这个数字简直是压倒性的。从这一角度来看，在AI改变世界之前，AI技术对于芯片相关公司来说还是一个巨大的市场，并不会在一夜之间改变行业。