top of page
搜尋
作家相片SMPW

St Mary's Business | Chatgpt不止于此,AGCI算力时代行业报告


背景

AI革命深夜打响,微软昨天伦敦时间凌晨开展发布会。

前几日美国OPEN AI为ChatGPT发布最新GPT-4语言模型,准确性提升一大步;

谷歌宣布AI工具整合进Workspace;

微软昨日发布了Microsoft 365 Copilot,AI可生成专业性极高的word与PPT,Excel进行自动运算无需学会算法,具体演示视频在下面微软网站内。

淘汰平庸的时代来临,一个人就是一支队伍。成为被淘汰者还是成为挥斥方遒的主帅?

https://www.microsoft.com/en-us/microsoft-365/blog/2023/03/16/introducing-microsoft-365-copilot-a-whole-new-way-to-work/


ChatGPT带来大模型时代变革

数据重要性提升

与传统AI相比,ChatGPT提供海量参数提升模型的精确度,模型基于 Transformer 自然语言处理神经网络架构。

来源:Attention Is All You Need


深度学习让人工智能进入大模型时代,双下降现象的发现打破了原有的发展格局,使得模型越大准确率越高,大模型具备泛用性强、自监督学习、摆脱结构变革等优势,能够降低研发成本,打开模型精度上限。


来源:Deep Double Descent: Where Bigger Models and More Data Hur


大模型(参数上亿的模型)需求带动算法公司景气度巨头在大模型算法的投入加大→激活产业链(算力方面,核心为 GPU\GPGPU\FPGA 等半导体芯片 ,网络设施方面,服务器增加带动跨服务器通信需求 )→AI 下游应用领域逐步扩大

人工智能产业链包括算力、数据、算法和下游应用。大模型的研发需要增加芯片、服务器等算力需求,同时需要高带宽支撑数据传输。数据采集、标注和质检是重要的环节,数据服务需求随之增加。大模型算法的研发、优化是重点,其优势在于解决碎片化和多样化的问题,具备自监督学习功能和打开模型精度上限。下游应用扩展可期,产业界寻求人工智能应用领域、商业模式突破。


随着 ChatGPT 带来的投资热潮,应用领域的不断丰富,音频与自然语言处理的整体行业规模,迅速增长。

全球大数据市场规模有望在2022年达718亿美元,同比增速11%,其中大数据软件市场规模为286亿美元,同比增速18%。大数据软件市场占比较高且增速快,约占大数据市场规模的40%。


来源:沙利文


基础数据服务是AI模型训练的基础,包括数据库设计、数据采集、清洗、标注和质检五个环节。数据标注帮助机器识别数据特征,决定AI的落地程度。基础数据服务需求旺盛,位于产业链中游,是AI商业化应用中重要的一环。


OpenAI触发全球科技巨头算力军备竞赛,谷歌、微软、百度等纷纷开始研发自己的系统。

微软和英伟达联合推出了Megatron-Turing自然语言生成模型(MT-NLG),参数数量为当时同类模型的3倍,表现出较强的准确性。训练使用NVIDIA DGX SuperPOD的Selene超级计算机,批量大小为1920,系统端到端吞吐量为420台DGX A100服务器,迭代时间为44.4秒,GPU 113万亿次/秒。谷歌推出的Switch Transformers是首个万亿级语言模型,参数数量为1.6万亿,相比GPT-3更适应GPU、TPU硬件。


大模型发展,必然致使算力需求激增。参数量与语料库指数级的扩容需要投入更多高性能的算力芯片来处理千亿级别参数量。人工智能训练任务中的算力增长每3.5月翻一倍远超芯片产业晶体管数量每18月翻一倍。


来源:OPENAI


人工智能深度学习模型需要进行训练和推理两大任务。训练需要庞大的算力来处理数据并构建网络模型,而推理主要是在已有模型基础上输入新数据进行推断,算力要求相对较低。GPU由于其并行串联的优势,在处理大数据方面比CPU更加适应,通用GPU在AI、数据分析和HPC等场景下应用广泛。全球GPU市场规模已达到448亿美元,通用型GPU市场正在快速成长。

全球GPU行业市场规模

现阶段,可编程的 FPGA 芯片也逐渐提升市场份额。硬件可编程的特性使得 FPGA 在 AI 训练中既能提供充足的算力,又具有灵活性,可以重新编程以适应不同任务的需要。与 GPU 类似,FPGA 也是配合CPU 进行加速。根据市场统计,全球 FPGA 芯片规模在 79 亿美元左右,随着 AI 和军工等下游行业的需求增长,全球 FPGA 市场空间仍在持续上升之中。



全球FPGA芯片市场规模

来源:华经产业研究院


ASIC是专用集成电路,相对于FPGA在成本和性能上具有优势,但灵活度较低且一次性开发成本高。随着人工智能产业的发展,ASIC将拥有更广阔的发展空间。此外,结合chiplet技术的人工智能芯片是行业的新趋势之一,复用IP和先进封装可提高设计灵活性和芯片性能。当前,CPU和SOC已采用chiplet重构,成为行业主流趋势。


高宽带网络


AI大模型需要在AI计算集群上进行训练和推理,以实现高效加速和最佳能效比。预计到2027年,全球AI加速服务器渗透率将达到17.9%,AI/GPU加速服务器出货量复合增速高达39.8%/20.3%。微软Azure的AI基础设施由互联的英伟达Ampere A100 Tensor Core GPU组成,为OpenAI开发的超级计算机超过了28.5万个CPU核心和1万个GPU,位列全球超级计算机前五。


AI计算中心光模块量价上升,根据LightCounting 2021年报告,全球200G以上以太网光模块出货量将在2017年达到1745万只,5年CAGR23.8%。


CPO是一种可能的数据中心交换机端口1.6Tbps以上的光模块形态,解决高速SerDes信号衰减、功耗、多通道设计、良率等问题,但仍需解决光源设计、联调、替换维护等问题。CPO可能重塑数通产业链结构,带来投资机会。可以关注交换芯片厂商、交换机厂商倾斜,同时光引擎封装、硅光芯片、保偏光纤、CW 激光器、封装基板等环节。


量子计算


量子计算产业正在蓬勃发展,其基于量子力学原理的优势使其在特定计算任务上展现出指数加速能力。根据 Hyperion Research 最新展望,全球量子计算市场 2022 年市场规模 6.14 亿美元,预计到 2025 年达到 12.08 亿美元,CAGR 25%,其中机器学习市场占比 25%,被认为是最有潜力的应用市场之一。虽然量子计算在人工智能领域的应用尚处于探索阶段,但其架构类似于神经网络,有望在神经网络、搜索问题、博弈理论、自然语言处理等领域展现出优势。然而,量子计算机目前仍面临着诸多挑战,包括可容错的量子计算机的开发、量子计算资源稀缺性、算法研究等问题。虽然目前尚未实现量子霸权,但量子计算的发展被认为是未来机器学习发展的“神助攻”。



应用领域与挑战

生成式AI在互联网和元宇宙领域有广阔市场空间。未来可为智能客服和搜索引擎增值,也可作为生产力工具链插件。NLP算法和数据集规模的发展是基础。根据Reuters报道,OpenAI在2014年有望达到10亿美元,目前估值为200亿美元。

据Grand View Research报告,2021年全球可对话AI市场空间为62亿美元,其中BFSI银行等金融服务、医疗、零售电商和电信领域占68.5%。预计到2030年,可对话AI市场空间将达到413.9亿美元,复合增长率为23.6%,2030年市场空间将达到413.9亿美元。市场竞争者包括谷歌、微软、亚马逊、IBM、甲骨文和SAP等,市场增长的驱动因素包括对AI技术替代人力的需求提升和研发成本下降。


来源:grand view research-report2030

根据对未来趋势的预测,智能对话机器人有望成为商业化模式中较为清晰和可行的应用之一。这主要基于三个因素:人口增长乏力、劳动力减少和用工成本攀升,智能机器人可以创造更多价值且工作效率高,以及研发和部署成本的逐步下降。因此,电商、医疗健康、BFSI和电信网络服务的客服服务成为了可对话AI进行人力资源替代的主要领域。根据Grand View Research的数据,2021年这四个主要领域市场空间约为42.5亿美元,到2033年这四大主要领域的市场空间预计可以达到478亿美元。


智能制造

物联网、大数据、云计算等技术日益成熟,人工智能技术已贯穿于制造业设计、生产、管理等诸多环节;人工智能的应用不仅可以帮助企业提升智能化运营水平,实现降本增效,还可以通过与其他新兴技术的融合,推动制造业模式升级及价值链重构。


1、工业机器人主要分为搬运、焊接、喷涂、加工、装备、洁净等类型,具备成本、效率和安全等多方面的优势,近年来市场发展迅速。

来源:IFR


2、高端数控机床则是一种自动化机床,具有柔性和高效能的特点,被广泛应用于机械制造、汽车、电力设备、航空航天、石油化工等行业。其组成包括加工程序载体、数控装置、伺服系统、机床主体和其他辅助装置。下游应用领域以汽车为主,占比约40%。这两种设备的快速发展和广泛应用,有望推动工业生产效率的提升,促进制造业的发展。随着核心零部件和技术的不断升级,工业机器人和高端数控机床的市场前景广阔。


3、自动驾驶技术中,人工智能应用广泛,包括自动驾驶图像识别与感知、自动驾驶深度学习以及自动驾驶信息共享等领域。其中,感知是最困难的部分,而人工智能技术在感知方面应用最多。深度学习是实现无人驾驶的基础,可以提高汽车的识别准确率和时间效率。而在信息共享方面,需要采用数据挖掘和人工智能等技术提取有效信息。然而,自动驾驶商业化的成熟度仍处于学习阶段,决策规划作为整个系统的核心,尤其重要。


成本

生成式AI在搜索领域实现替代仍然面临挑战。规模优势包括预训练数据集规模和用户反馈量,是生成式AI威胁搜索引擎生存地位的先决条件。但这需要算力支撑和用户习惯颠覆。算力支撑取决于芯片技术和异构计算技术的发展进程,而用户习惯的颠覆需要极大的动能,只有替代方案效率比现存方案优越数倍以上才有可能实现。搜索引擎已经教育了市场将近25年,颠覆用户习惯需要极大动能。


来源:Nextplatform



AIGC海外公司布局


目前海外AIGC行业百舸争流,根据Leonis Capital 统计,截止2022年12月,海外对于生成式AI的VC、PE投资增长超过22亿美金,增长幅度超过400%。


AIGC 所覆盖的领域基本属于 AI 软件与服务。根据 Statista 的预测数据,全球 AI软件的市场规模将在 2025 年超过 1200 亿美元,2021 年到 2025 年的 CAGR 为 38.01%。在AIGC 发展的推动下,未来人工智能市场规模将以更快的速度增长。

全球AI市场规模增速 来源: Statista


到 2025 年AIGC在网络文学领域、文本分析领域、绘画及图片领域、数字音乐领域技将相对成熟,因此渗透率分别为 70%/60%/60%/50%,网络视频领域、游戏领域域由于技术原因渗透率相对较低,分别约为 30%/25%。




*本文仅代表分析员个人观点,不构成任何投资建议。值得注意的是,投资有风险,且金融市场的不可预测性与波动性是未知的。投资标的的价值及投资它们产生的收入既有可能上涨也有可能下跌。因此,您的资产价值将可能无法回溯到初始投资金额。过往投资表现并不代表未来投资表现。




Comentarios


bottom of page