隨著數(shù)字經(jīng)濟持續(xù)發(fā)展，AI大模型產(chǎn)品不斷涌現(xiàn)。在本輪AI變革中，大模型擔當?shù)慕巧投ㄎ皇鞘裁?？未來大模型產(chǎn)品的進一步更新完善下，產(chǎn)業(yè)鏈哪些環(huán)節(jié)有望更受益呢？

【資料圖】

近日，中金公司研究部科技硬件行業(yè)首席分析師、執(zhí)行總經(jīng)理彭虎做客澎湃新聞《首席連線》直播間，就上述相關問題作出分析解讀。

需求和供給側(cè)均有驅(qū)動力

對于當下國內(nèi)外大模型產(chǎn)品的層出不窮，彭虎表示驅(qū)動因素主要有兩方面：一是需求側(cè)，二是供給側(cè)。

“需求側(cè)方面，主要是交互體驗升級、企業(yè)降本增效等訴求。一方面，大模型具有較強的泛用性，有針對性地微調(diào)可適用于不同應用場景，例如在辦公、紀要、對話、搜索、廣告、繪畫、作曲等各類內(nèi)容生成領域廣泛分布，并帶動智能終端人機交互模式的創(chuàng)新性變革?！迸砘⒅赋?。

彭虎進一步指出，另一方面，大模型的性能較原本AI小模型能力更強，雖然AI小模型已經(jīng)深度賦能安防、互聯(lián)網(wǎng)、金融、工業(yè)、醫(yī)療等諸多場景，但大模型有望進一步幫助各行業(yè)降本增效。

“供給側(cè)方面，主要是海外廠商的鯰魚效應。為避免由于技術(shù)落后造成的競爭劣勢，國內(nèi)科技巨頭紛紛將研發(fā)重心轉(zhuǎn)移至大模型。”彭虎說。

有望成為重要的算法基礎平臺

對于大模型接下來的發(fā)展定位，彭虎認為，大模型在本輪AI變革中，未來有望成為重要的算法基礎平臺。

“行業(yè)有‘如果將AI（人工智能）比作電力，那么大模型則相當于發(fā)電機’這樣一個很形象的比喻，我也深以為然。隨著政策法規(guī)不斷完善、算力設施配套性不斷增強等，大模型有望發(fā)展為重要性比肩算力的基礎平臺，屆時算力基礎設施與算法基礎平臺將共同深度賦能社會的各個環(huán)節(jié)，大模型會成為各行各業(yè)AI能力的重要源泉?！迸砘⒈硎?。

具體到應用方面，彭虎指出，大模型并不局限于語言理解，還能夠在視覺、聲音等各類模態(tài)中發(fā)揮作用，跨模態(tài)大模型更是有望將人工智能水平托舉至新高度。

“多模態(tài)能力結(jié)合生成式技術(shù)，人工智能也有了創(chuàng)造力。生成式AI作為一類機器學習算法，能夠在學習吸收現(xiàn)實既有數(shù)據(jù)的基礎上，經(jīng)過訓練與精調(diào)，對外輸出文本、圖像、語音、視頻、代碼等內(nèi)容，從技術(shù)發(fā)展現(xiàn)狀看，AI生成內(nèi)容已在相當大的程度上媲美人類。”彭虎進一步指出。

彭虎表示，ChatGPT、DALL-E 2、Whisper、X-CLIP、Codex等應用，已分別在文本、圖像、語音、視頻、代碼等領域，展現(xiàn)出不俗的創(chuàng)造力。

應用落地情況方面，彭虎看好消費場景的四個方向：一是智能手機，硬件端有望帶動移動AI芯片性能提升，進一步有望帶動手機創(chuàng)新加快，同時在生態(tài)端，手機端或有望形成新的流量入口，長期或深刻影響產(chǎn)業(yè)商業(yè)模式；二是可穿戴產(chǎn)品；三是智能家居；四是機器人，目前谷歌已探索了通過自主學習的大模型，在現(xiàn)實環(huán)境中處理機器人指令，實現(xiàn)復雜任務的完成。

迭代需求帶來算力需求上修

產(chǎn)業(yè)鏈方面，彭虎分析稱，大模型的上游主要包括硬件的芯片、服務器、通信網(wǎng)絡；軟件的云計算、數(shù)據(jù)庫、虛擬化等。

“中游包括算法研發(fā)的編程語言、算法框架、模型測評等；模型管理維護的系統(tǒng)管理、API管理、數(shù)據(jù)管理等。”彭虎進一步指出，“下游包括各類行業(yè)場景，如社交、媒體、營銷、教育、娛樂等，主要實現(xiàn)內(nèi)容生產(chǎn)、創(chuàng)意設計、對話引擎、輔助開發(fā)等功能?！?/p>

展望下一步，彭虎表示，為滿足大模型迭代需求，算力需求正不斷上修，當下谷歌、特斯拉、英偉達等廠商的硬件迭代，已反映該需求的變化。

“同時，AI芯片方面，云端AI算力芯片滲透率僅為個位數(shù)，未來成長空間廣闊。AI服務器方面，競爭格局上當前互聯(lián)網(wǎng)云計算廠商的白牌服務器占主導，未來隨著邊緣側(cè)應用的成熟，品牌服務器廠商份額也有望提升?！迸砘⒄f。

云端算力基礎設施更受益

隨著大模型應用的推出和更新完善，產(chǎn)業(yè)鏈的哪些環(huán)節(jié)有望更受益呢？

彭虎認為，從硬件角度看，大模型的訓練及推理需要海量數(shù)據(jù)的高效處理作為支撐，因此云端算力基礎設施將迎來發(fā)展機遇，其中六方面值得重點關注。

“一是算力芯片。AI范式進入‘煉大模型’時代，對AI芯片計算能力、存儲容量、通訊帶寬等多個維度提出了更高的技術(shù)要求。更大算力、更高內(nèi)存、更快帶寬的AI芯片需求有望持續(xù)提升?！迸砘⒅赋觥?/p>

彭虎進一步指出，二是服務器。相較于傳統(tǒng)的服務器，AI服務器以異構(gòu)形式配備了GPU、NPU、FPGA、ASIC等多類芯片，能夠支持大模型訓練的高算力需求。AI服務器對算力、功耗、存儲、通信等有更高的要求，由此帶來芯片配置、硬件架構(gòu)、機箱設計等方面的差異。

“三是交換機。數(shù)據(jù)流量的快速增長，疊加人工智能發(fā)展推動數(shù)據(jù)中心網(wǎng)絡架構(gòu)轉(zhuǎn)型，有望驅(qū)動交換機數(shù)量和端口速率上行，高速以太網(wǎng)交換機市場有望實現(xiàn)強勁增長?！迸砘⒎Q。

彭虎表示，四是光模塊?？紤]到模型并行訓練、AI應用推理的快速發(fā)展，800G、1.6T等下一代光模塊產(chǎn)品的滲透率提升曲線，或?qū)⒆兊酶鼮槎盖汀４送?，硅光模塊、CPO技術(shù)有望引領下一代數(shù)據(jù)中心風向，助力超高帶寬數(shù)據(jù)互聯(lián)。

“五是存儲與溫控等。AI模型的訓練及推理對存儲器提出了更高的要求，有望加速SSD對HDD的替代進程。同時，AI服務器高能耗特性，有望推動數(shù)據(jù)中心的散熱系統(tǒng)向液冷更新迭代?！迸砘⒄f，“六是電源。大模型高能耗的特點，有望增大對電力的需求?！?/p>

C端和B端仍有不確定性因素

雖然當下大模型面臨的利好因素很多，但彭虎強調(diào)，大模型的發(fā)展在C端和B端仍有一些不確定性因素。

“ToC端，除了GPT-4，其他AI模型的用戶還處于免費體驗的模式，同時以Microsoft 365、New bing等為代表的應用，也仍處于免費體驗的模式，收費模式尚不確定。ToB端，目前大量初創(chuàng)企業(yè)接入的ChatGPT、GPT-4 API接口收費較低，未來的收費標準和模式也不確定。”彭虎解釋稱。

投資方面，彭虎提醒投資者，仍需防范AIGC相關算法技術(shù)及應用商業(yè)落地進展不及預期的風險。

“隨著全社會數(shù)字化轉(zhuǎn)型及智能化滲透率的提升，人工智能持續(xù)賦能各行各業(yè)。人工智能依賴于海量數(shù)據(jù)進行模型訓練及推理應用，并推動全社會算力需求的提升，因此服務器、存儲器、通信網(wǎng)絡設備等上游硬件基礎設施，均有望受益于AI驅(qū)動的算力需求提升。但如果人工智能發(fā)展及應用落地不及預期，可能會使上游硬件設備受到需求側(cè)的壓制，導致發(fā)展不及預期?！迸砘⒄f。

（文章來源：澎湃新聞）

關鍵詞：