史上增长最快的APP！火爆的AIGC有望掀起新一轮产业革命 巨大的算力需求待爆发
近日OpenAI发布了诞生于GPT-3基础上的聊天机器人CHATGPT，短短几天引爆网络，用户数突破100万。ChatGPT根据强化学习的奖励模型调整迭代为用户生成建议，应用场景丰富，可以参加考试、写诗、修bug，“智商”很高。
不少商业大佬纷纷公开表示看好ChatGPT的发展前景。特斯拉创始人马斯克在推特上感叹“很多人和ChatGPT聊的废寝忘食”；比尔盖茨称，“这让我能一窥未来，整个平台的方法和创新速度都令我印象深刻”。也有谷歌等互联网巨头感受到了这项新技术的威力。
2022年11月，推出仅3个月的ChatGPT，为何能引起全球关注？
据《纽约时报》报道，去年底，由于ChatGPT在全球爆红，谷歌CEO Sundar Pichai在公司内部发布了“红色警报”（Code Red）。Pichai要求多个团队集中精力，解决ChatGPT对本公司的搜索引擎业务构成的威胁。
大佬们的站台，让ChatGPT概念在兔年刮起了一阵旋风。兔年大A开市第二天，ChatGPT多只概念股股价走高，收获涨停板。近几个交易日，同花顺ChatGPT概念一路走高。云从科技短短5个交易日大涨近70%。
史上增长最快的APP
近段时间ChatGPT在全球范围内的火爆程度可以说毋庸置疑。其去年年底的亮相就已堪称惊艳，而在微软百亿美元投资其开发商OpenAI后更是牢牢吸引了人们的眼球。
ChatGPT是一种文本生成人工智能，可以对话、写文章、写诗歌、编代码等，ChatGPT于2022年11月推出，至今已经在全球引发轰动。
瑞银报告显示，ChatGPT可能是历史上增长最快的应用程序，仅在两个多月就有1亿多活跃用户，而TikTok达到1亿用户花了9个月的时间。
而作为早就深耕AI领域的元老和先驱，谷歌已经无法再忽视后来者的威胁。当地时间周四，谷歌CEO桑达尔-皮查伊（Sundar Pichai）表示，公司将很快为其核心的搜索引擎业务添加先进人工智能。
根据OpenAI介绍，ChatGPT付费用户即使在高峰时段也可以进行访问，且有更快的响应时间，还可以优先访问新功能。
ChatGPT Plus目前仅针对于美国用户，未来会拓展至更多国家。
不过，该工具仍将对公众免费开放。
虽然它在用户中获得了吸引力，但也引发了一些担忧，包括不准确性、可能延续偏见和传播错误信息，以及帮助学生作弊的能力。
ChatGPT为何火爆？——解决了人工智能模型的一些核心技术痛点！
ChatGPT可以根据输入的文本自动生成类似的文本，根据输入的问题自动生成答案。还具有编写和调试研报的数据也显示，此前用于AI训练的算力增长符合摩尔定律，大约每20个月翻一番；深度学习的出现加速了性能的扩展，用于AI训练的算力大约每6个月翻一番；而目前大规模模型出现，其训练算力是原来的10到100倍。
以GPT-3为例，该模型有着多达1750亿的参数，训练所需的算力高达3650PFLOPS-day。按照Lambda的测算，以V100理想状态下28 TFLOPS的算力和最低3年起云计算的成本，完成训练GPT-3需要花费460万美元，而下一代GPT-4的参数将更多。
国盛证券表示，尽管AI模型往往会选择开源，但数据集和训练成果是一个团队的内部资产，这意味着每个AI产品都需要支付自己的训练成本。现在大部分创业团队都是布设在云端，因为单独的算力集群很贵，目前A100高端产品大概在6-9万元，1000张A100卡加上CPU、硬盘、存储、机房供电等配套设施的硬件投入将近1亿。在未来AIGC随着B端和C端的商业化落地的实现，算力集群的建设和云服务都会收益，同时考虑到英伟达A100、H100出口受限，相关国产算力芯片将有机会获得增量市场。
AIGC未来应用普及的背后，将产生巨大的算力市场。根据OpenAI的研究，AI训练所需算力指数增长，且增长速度超越硬件的摩尔定律。AI模型大算力的背后需要高昂的算力成本，GPT-3训练的算力成本超过400万美元。尽管AI模型往往会选择开源，但数据集和训练成果是一个团队的内部资产，这意味着每个AI产品都需要支付自己的训练成本。在未来AIGC随着B端和C端的商业化落地的实现，算力集群的建设和云服务都会受益，同时考虑到英伟达A100、H100出口受限，相关国产算力芯片将有机会获得增量市场。
AIGC带来的商业模式变革——AI的显性化
随着自然语言技术（NLP）进一步降低AI的使用和触达门槛，以及伴随着AIGC生成算法的优化与改进，我们发现AIGC的商业化落地速度和效果表现将超预期，一些如Jasper这样的初创企业已经开始产生了营收。这意味着AI正以越来越显性的方式产生商业模式。AI已经不再像过去那样与硬件、系统等一起打包进行商业化落地了。对于普通人来说也不再是一门遥不可及的尖端技术。
AIGC投资框架：软硬件与数据集。生成算法、NLP与算力决定AIGC能否运行，而高质量的数据集决定了AIGC质量与商业模式。软件层面主要包括自然语言处理技术：谷歌、微软、科大讯飞、拓尔思；AIGC生成算法模型及数据集：英伟达、Meta、百度、蓝色光标、视觉中国、昆仑万维。算力层包括：中兴通讯、澜起科技、新易盛、天孚通信、宝信软件、中际旭创等。
本文由同花顺财经选编，因选编产生的作品同花顺财经版权所有，未经书面授权，任何单位及个人不得转载、摘编或以其它方式使用。选编内容涉及的观点仅代表原作者，不代表同花顺财经观点。