Skip to content
最近推出的ChatGPT在与云计算和人工智能（AI）相关的行业领域引起了广泛关注。微软、谷歌和百度等科技巨头都构建了基于“生成式人工智能”技术的产品和服务。
1、A100 Tensor Core GPU技术白皮书
2、Kepler GK110-GK210架构白皮书
3、Kepler GK110-GK210架构白皮书
根据TrendForce的最新报告《从AIGC AI应用程序开发的趋势和挑战》，这一新的兴趣浪潮有望为GPU和AI芯片的供应链参与者带来好处。
这些参与者包括英伟达、台积电、欣兴电子和AIChip等。然而，在采用生成式AI支持的产品和服务以及与功能相关的优化方面存在挑战。此外，用户体验是人工智能技术的核心，涉及个人信息的保护和内容请求的准确响应。因此，随着生成式AI进入下一发展阶段，监管问题可能会出现。
TrendForce表示，生成式AI代表了不同类型算法、预训练模型和多模式机器学习的集成。值得注意的包括生成对抗网络（GAN）、对比语言图像预训练（CLIP）、变压器和扩散。生成式AI在现有数据或批量信息中寻找规律，高效输出内容，适用于数据采集分析、社交互动、文案撰写等场景。目前市场上已经有很多基于生成式AI的应用，最常见的输出类型包括文本、图像、音乐和软件代码。
数据、算力和算法是驱动生成式AI发展不可或缺的三大要素。此外，虽然基于AI的产品和服务相对容易构建，但优化它们却要困难得多。在这方面，主要的云公司处于更有利的位置，因为它们拥有大量的必要资源。
在这些产品的开发者看来，现有的ChatGPT等聊天机器人，不仅可以用自然语言与用户对话，也能在一定程度上满足“理解”用户输入的需求。因此，更好地理解用户需要或期望的能力反过来可以为用户的查询和响应提供进一步的建议。而由于使用互联网搜索引擎已成为全球大多数人的习惯，各大云公司最紧迫的任务就是不断优化自己的搜索引擎。
TrendForce最新调查发现，谷歌在全球互联网搜索引擎市场仍是绝对领先者，市场占有率超过90%。微软及其Bing目前的市场份额仅为3%，短期内不太可能构成重大威胁。然而，Bing正在获得更多的用户，这些用户可以为其数据反馈和模型优化周期做出贡献。因此，谷歌必须警惕微软在搜索相关服务中创造差异化的机会，并抓住在线广告领域的机会。
中国台湾的AI芯片和eMemory将从GPU和AI相关芯片的需求增长中获利
生成式AI需要海量数据进行训练，部署大量高性能GPU有助于缩短训练时间。就作为ChatGPT基础的生成式预训练转换器（GPT）而言，用于开发这种自回归语言模型的训练参数数量从2018年的约1.2亿增加到2020年的近1800亿。
据TrendForce估计，2020年GPT模型处理训练数据所需的GPU数量达到2万左右。展望未来，ChatGPT商业化所需的GPU数量预计将达到30000个以上。以上预估使用英伟达的A100作为计算基础。
因此，随着生成式AI成为一种趋势，预计对GPU的需求将大幅上升，从而使相关供应链的参与者受益。例如，英伟达可能会从生成式AI的发展中获益最多，其DGX A100是AI相关工作负载的通用系统，可提供5 PB的流量，几乎成为大数据分析和人工智能加速的首选。
除了英伟达，AMD也相继推出了MI00、MI200、MI300系列服务器芯片，广泛应用于AI驱动的应用。对于相关供应链中的中国台湾公司，台积电将继续作为先进计算芯片的主要代工厂发挥关键作用。南亚PCB、景硕科技和欣兴电子是台湾ABF基板的供应商，可以利用这一波新兴的需求浪潮。
ChatGPT已成为人工智能相关产品和服务的领导者，它使消费者能够以非常方便和互动的方式使用该技术。未来，TrendForce预计，处于早期开发阶段的生成式AI将主要进入语音客服、语音助手、游戏、零售等应用领域。由于该市场的主要参与者仍在优化其产品，因此体量较小的参与者在开发新产品方面也受到限制。TrendForce认为，生成式AI的持续增长取决于下一代产品和服务是否会被消费者视为既创新又实用。
除了产品开发之外，涉及生成式AI的行业还将面临与机器学习法规和培训资源相关的挑战。人们已经担心，提供ChatGPT等产品和服务的公司是否能够保护用户的数据隐私，并确保新闻等特定类型的内容“准确”或“真实”。除此之外，还有遵守当地法律法规的问题。在训练资源方面，AI模型的有效优化取决于知识平台服务商是否做好了各类数据的整理、筛选、整合工作，然后将这些数据交给AI模型开发人员进行训练。
