本文由 资源共享网 – zgwxw 发布，转载请注明出处，如有问题请联系我们！分析报告：ChatGPT引发的大模型时代变革

ChatGPT 是由 OpenAI 研发的一种语言 AI 模型，其特点在于使用海量

语料库来生成与人类相似的反应。初代 GPT 模型参数 1.17 亿，GPT2 

模型、GPT3 模型参数分别达到 15 亿、1750 亿。不断提升的参数量 级，使得 ChatGPT3 当前已经能够应用在商业、研究和开发活动中。

当前此类参数体量庞大的模型，成为各大科技厂商研发重点。大模型的 基础为高质量大数据。ChatGPT 的前身 GPT-3 就使用了 3,000 亿单 词、超过 40T 的数据。此类大数据基础的前提为三部分 1）有效场景下 的采集数据；2）大数据的存储、清洗和标注；3）数据质量检验。

⚫ 大模型发展之下，算力与网络设施建设成为刚需

算力：ChatGPT 类人工智能需要更充足的算力支持其处理数据，带来更

多高性能的算力芯片需求。英伟达表示，GPT-3 需要 512 颗 V100 显卡 训练 7 个月，或者 1024 颗 A100 芯片训练一个月。2012 年以来，AI 训 练任务中的算力增长（所需算力每 3.5 月翻一倍）已经超越摩尔定律（晶 体管数量每 18 月翻一倍）。

网络设施：以微软 Azure 为例，其 AI 基础设施由互联的英伟达 Ampere A100 Tensor Core GPU 组成，并由 Quantum infiniBand 交换机提供横

向扩展能力。服务器节点多、跨服务器通信需求巨大，网络带宽性能成为 GPU 集群系统的瓶颈，解决方式包括增加单节点通信带宽与降低网络收 敛比，带来光模块、交换机等需求。

⚫ 下游应用场景丰富，多行业落地可期

1）“生成式 AI (generative AI)”在互联网及元宇宙领域市场化空间较为广

阔。基于现行的 NLP 算法发展程度及数据集规模。在不久的将来，生成 式 AI 有较大可能在“智能客服”和“搜索引擎”进行增值，并有希望以“插件” 的形式赋能现有的“生产力工具链(工程软件/音视频制作工具等)”。

2）AI 在制造业的应用可分为三方面：a）智能装备：指具有感知、分析、

推理、决策、控制功能的制造装备，典型代表有工业机器人、协作机器 人、数控机床等；b）智能工厂：重点在于实现工厂的办公、管理及生产 自动化，典型的代表场景有协作机器人、智能仓储物流系统等；c）智能 服务：指个性化定制、远程运维及预测性维护等。

3）人工智能在智能汽车领域的应用包括：a）智能驾驶依托 AI，将 从驾驶辅助发展至自动驾驶；b）智能座舱在AI 支持下，从出行工具 演变为出行管家。

⚫ 风险提示

国内大模型不及预期风险；行业竞争加剧风险；AI 应用的伦理道德

风险；芯片及技术供应风险；商业模式变现与落地不及预期风险。