◎在AIGC領域，具有超大規模、超多參數量的多模態大型神經網絡將引領人工智能的深度發展，對于芯片的算力需求大幅度提升。以ChatGPT為例，其通過連接大量真實語料庫來訓練模型，需要大算力進行支持。
◎寒武紀工作人員表示，公司產品本身可以覆蓋到人工智能領域內較多的應用。云端產品主要客戶覆蓋到互聯網廠商以及金融領域的頭部公司，邊緣端主要為智能物聯網廠商。ChatGPT涉及到的具體業務主要落到客戶的終端應用上。
2023年開年，在科技圈、資本圈，ChatGPT熱度飆升，這款聊天機器人程序上線僅2個月，就獲得了上億活躍用戶。
智能芯片是針對人工智能領域設計的芯片，為人工智能應用提供所需的基礎算力，是支撐智能產業發展的核心物質載體。1月30日～2月7日，AI芯片提供商寒武紀-U（SH688256，股價75.70元，市值303億元）股價累計漲幅超20%。2月7日，寒武紀股價一度沖高漲近10%。
自2020年上市以來，寒武紀一直奔襲在燒錢研發的路上。AIGC（AIGeneratedContent，人工智能生產內容）賽道的爆發無疑是AI芯片企業的機會，但也可能帶來挑戰。
寒武紀此前披露的2022年業績預告顯示，公司2022年營業收入略有增長，但歸屬凈利潤預計持續虧損，預虧10.35億～12.65億元，與2021年同期相比，虧損擴大25.46%～53.34%。
深度學習對算力需求空前提高
寒武紀主營業務是各類云服務器、邊緣計算設備、終端設備中人工智能芯片的研發、設計和銷售，主要產品為云端智能芯片及加速卡、訓練整機、邊緣智能芯片及加速卡、處理器IP以及上述產品的配套基礎系統軟件，產品覆蓋無人機、語音識別、智能駕駛、圖像識別等多個領域。
在AIGC領域，具有超大規模、超多參數量的多模態大型神經網絡將引領人工智能的深度發展，對于芯片的算力需求大幅度提升。以ChatGPT為例，其通過連接大量真實語料庫來訓練模型，需要大算力進行支持。
華泰證券研報顯示，根據OpenAI測算，自2012年以來，全球頭部AI模型訓練算力需求3～4個月翻一番，每年頭部訓練模型所需算力增長幅度高達10倍。摩爾定律中，物理算力每18～24個月翻一倍?？梢姡珹I深度學習正在逼近現有芯片的算力極限，也對芯片設計廠商提出了更高要求。
去年6月30日，寒武紀披露定增計劃，擬定增募資26.5億元加碼AI芯片等領域。據寒武紀今日（2月7日）最新披露的《2022年向特定對象發行A股股票募集說明書（申報稿）》，募資金額有所縮水，降為16.7億元，但募投項目投資總額不變。
根據寒武紀的安排，先進工藝平臺用于突破研發具有更高能效、更高集成度等特性的高端智能芯片，縮短與國外頂尖企業之間的差距；穩定工藝平臺用于為公司邊緣智能芯片產品提供更為可控的開發周期、更為可靠的性能支撐、更為可控的制造成本。未來，公司將面向邊緣端智能應用場景差異化的算力需求，提供不同算力檔位的邊緣芯片產品，以覆蓋更多場景的邊緣市場。
人工智能新興場景依賴于下一代通用型智能處理器的強有力算力支持，在SoC架構、軟硬件（算法-處理器）協同設計、處理器性能與功能驗證等技術上根據人工智能新興場景特點進行針對性開發與優化。
今日（2月7日），《每日經濟新聞》記者也以投資者身份致電寒武紀董秘辦。工作人員表示，公司產品本身可以覆蓋到人工智能領域內較多的應用。云端產品主要客戶覆蓋到互聯網廠商以及金融領域的頭部公司，邊緣端主要為智能物聯網廠商。ChatGPT涉及到的具體業務主要落到客戶的終端應用上。
芯片產品尚存差距
作為有著大量復雜計算需求的AI模型，這些產品最終離不開AI芯片強大的計算能力。
此前，人工智能龍頭云從科技（SH688327，股價32.50元，市值240.72億元）也表示，國內（AIGC）整個技術領域里，算力與數據量方面與美國相比尚不存在差異，芯片方面的差距還是存在的，公司也希望與國外頭部企業進行交流與合作。
寒武紀董秘辦工作人員也表示：“目前公司新推出的產品與國外廠商如AMD、英偉達等旗艦產品相比，仍有一定差距，不僅僅是算力這單一維度上的比較，在某些應用場景下或者某些測算模型下，結果也會有差異?！?/div>
可以預見，隨著ChatGPT等AIGC產品不斷升級，AI芯片銷售額將水漲船高。而英偉達、AMD、英特爾等憑借高端芯片的市場占有率有望獲得更高的增量份額?；ㄆ旒瘓F分析師AtifMalik預估，ChatGPT可能會在未來12個月內為英偉達帶來30億美元至110億美元的銷售額。
當然，AI芯片設計商也有機會分一杯羹。但單打獨斗的國產AI芯片廠商，當面對高端芯片的市場需求持續高漲時，拼命追趕卻多少顯得勢單力薄。從2017年到2022年前三季度，寒武紀始終未能實現盈利，同時不斷投入大量研發資金。
訓練的過程需要消耗大量資金。以2020年推出的GPT-3模型為例，AlchemyAPI創始人ElliotTurner推測訓練GPT-3的成本可能“接近1200萬美元”。LambdaLabs使用價格最低的GPU云估算GPT-3的訓練成本至少為460萬美元。并且以上估算為訓練最終模型的成本，未計入前期調整參數配置時的訓練成本。
2月7日，騰訊科技撰文《OpenAI給科技行業敲響警鐘，中國必須要有自主“大模型”》中的內容或許能向以寒武紀為代表的AI芯片設計商們提供一些啟示：
“系統芯片異構計算時代，能夠號召擁有數據的機構參與預訓練，然后與擁有芯片計算架構的公司深度合作，這樣芯片的制造水平未必是最好，但芯片訓練的模型是最好的，最后整體SOC芯片的系統輸出能力是最強的，依然有機會勝出。”