ChatGPT造富的行业

Callejon

众所周知，算法、算力和数据是共同制约AI发展的三个关键要素，这也是ChatGPT完美运行的三个条件。

其中，算力是ChatGPT运行的关键所在。而一个ChatGPT应用的算力消耗却让人瞠目结舌。

其大模型GPT经历了三次迭代，GPT、GPT-2和GPT-3(当前开放的版本为GPT-3.5)的参数量从1.17亿增加到1750亿，预训练数据量从5GB增加到45TB，其中GPT-3训练单次的成本就已经高达460万美元。

最新的GPT3.5在训练中使用了微软专门建设的AI计算系统，由1万个V100 GPU组成的高性能网络集群，总算力消耗约3640PF-days，即假如每秒计算一千万亿次，需要计算3640天。

如何理解这样的算力消耗呢？可以简单做一个分析——我国近期正大力新建数据中心， 以其中总投资30.2亿，算力500P的数据中心项目来说，要想支撑起ChatGPT的运行，至少要7-8个此量级的数据中心运行一整天。

事实上，仅2012年2019年，短短七年，人类对AI算力的需求就增长了30万倍。平均每100天就会翻倍，远超摩尔定律。

与此同时，AI算力的实际增长却有限，需求和供给之间形成了一个巨大的鸿沟。

准华为轮值主席孟晚舟曾在一次公开演讲时就表示，现在的算力还远远不能满足未来的需求，算力必然是世界科技竞争的焦点之一。

另外，GPU或CPU+FPGA是ChatGPT算力的硬件支撑，该应用对于高端芯片的需求增加会拉动芯片均价，量价齐升将导致芯片需求暴涨。

据了解，采购一片英伟达顶级GPU成本为8万元，GPU服务器成本通常超过40万元。对于ChatGPT而言，支撑其算力基础设施至少需要上万颗英伟达GPU A100，单采购GPU的成本就近亿元。

而ChatGPT越火，对算力及其关联产业的需求便越大。

中国信息通信研究院测算，截至2021年底，中国算力核心产业规模超过1.5万亿元，关联产业规模超过8万亿元。

这是一块巨大的蛋糕。并且随着AI产品应用的逐渐渗透，这块蛋糕将越来越大。

除了算力外，ChatGPT引发万众瞩目的还包括在C端的破冰。

一直以来，AI产品的落地与盈利基本都靠B、G两端支撑，在C端虽然也有不少试水，但都没有引发太大的反响，几乎没有让大部分人愿意买单的项目。

如果ChatGPT真的能成为一款现象级产品，将具有划时代意义。

不妨想想，在移动互联网时代，微信让腾讯成为了时代的王者，月活跃用户数量达12.88亿；依靠抖音，字节跳动不到十年就跃升为中国最著名的互联网企业之一；而拼多多市值已经是百度的3倍……

这背后不仅是一场产业革命，更是数以万亿计财富的诞生。如今，类似的连锁反应也开始在AI领域显现。

雪见花楹

又将造就一批富豪