ChatGPT是由微软投资的AI实验室OpenAI开发出的一款智能聊天机器人模型，它能够根据用户的文本输入，产生相应的智能回答。每一代GPT模型的参数量都快速增长，2019年2月发布的GPT-2参数量为15亿，而2020年5月的GPT-3，参数量达到了1750亿。ChatGPT能够实现当前如此强大的交互，离不开背后庞大的算力支撑，随着AI等新技术的发展，对高可靠、高性能、高安全算力需求更加突出。

据微软官网，微软Azure为OpenAI开发的超级计算机是一个单一系统，具有超过28.5万个CPU核心、1万个GPU和400 GB/s的GPU服务器网络传输带宽。据英伟达，使用单个Tesla架构的V100 GPU对1746亿参数的GPT-3模型进行一次训练，需要用288年时间。此外，算力资源的大量消耗，必然伴随着算力成本的上升，据Lambda，使用训练一次1746亿参数的GPT-3模型所需花费的算力成本超过460万美元。我们认为，未来拥有更丰富算力资源的模型开发者，或将能够训练出更优秀的AI模型，算力霸权时代或将开启。

具体来看，AI大模型对于算力资源的需求主要体现在以下三类场景：

首先，模型预训练：ChatGPT采用预训练语言模型，核心思想是在利用标注数据之前，先利用无标注的数据训练模型。据测算，训练一次ChatGPT模型（13亿参数）需要的算力约27.5PFlop/s-day；

其次，日常运营：用户交互带来的数据处理需求同样也是一笔不小的算力开支，测算得ChatGPT单月运营需要算力约4874.4PFlop/s-day，对应成本约616万美元；

最后，Finetune：ChatGPT模型需要不断进行Finetune模型调优，对模型进行大规模或小规模的迭代训练，产生相应算力需求。

华泰证券分析指出，随着国内厂商相继布局ChatGPT类似模型，算力需求或将持续释放，供给端核心环节或将率先受益：其一是算力芯片，GPU采用了数量众多的计算单元和超长的流水线，架构更适合进行大吞吐量的AI并行计算；其二则是服务器，ChatGPT模型训练涉及大量向量及张量运算，AI服务器具备运算效率优势，大模型训练有望带动AI服务器采购需求放量；最后为数据中心，IDC算力服务是承接AI计算需求的直接形式，随着百度、京东等互联网厂商相继布局ChatGPT类似产品，核心城市IDC算力缺口或将加大。

点评：当前处在以ChatGPT为主线的新一轮人工智能创新周期，ChatGPT为人工智能产业注入新活力，有望带动AIGC类应用快速爆发，人工智能技术作为驱动数据经济的技术底层，有望迎来新的发展机遇。数据、算力与算法是人工智能时代的三大基石，三者相互促进带动AI+应用快速落地，ChatGPT为首的自然语言处理类技术及应用，有望迎来全面爆发。