ChatGPT爆火，半导体行业迎来新机遇

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OpenAI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GenerativePre-trainedTransformer（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（AIGeneratedContentAI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。

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。

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。微软在自己的云——AzueHPCCloud中构建了超级计算机集群，将其提供给OpenAI。

FPGA

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。

ASIC

ASIC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。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。

HBM/Chiplet有望受益

在AIGC（AIGeneratedContent，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。

HBM

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。

Chiplet

Chiplet技术是布局先进制程、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。

结语

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。英特尔将与中国客户研究布局类ChatGPT算力模式。智能化的未来已经来临，AI芯片将不断发展，为我们的生活带来更多便利和可能性。