核心观点

国外GPT-4引领认知革命，国内百度“文心一言”带头领跑。文心大模型场景全面，应用落地全面提速，开启我国AI追赶序幕，建议从三大层面关注AI软硬件赛道机会：

• AI企业：大模型为AI应用最核心中枢，人工智能公司正打开想象天花板。

• 上游算力：训练模型带动算力需求，AI算力芯片为关键。

• 下游应用：建议关注百度生态合作伙伴及下游垂类应用企业。大模型打开想象空间， MaaS 模式应运而生。

01 大模型打开想象空间，MaaS模式应运而生

溯源ChatGPT，“大模型”作为基础设施为AI发展带来新机遇

性能：ChatGPT 在一系列对话式 AI 任务上优于最先进的模型，包括问答、文本生成和对话生成。在基准测试中， ChatGPT 在许多对话式 AI 任务上都达到了人类水平的准确度。

训练数据：ChatGPT 在来自互联网的超过 45 TB 文本数据的语料库上进行训练。这个庞大的数据集用于教授模型自然语言中的模式和关系，并建立对单词和短语的上下文和含义的丰富理解。

模型大小：GPT-3是世界上最大的语言模型之一，拥有1750亿个参数。

MaaS 的商业模式应运而生

MaaS（Model as a Service），模型即服务，这种模式具体运作方式是，有能力的大公司提供预训练模型，使得垂直行业的小公司能够构建和部署 AI 模型，而无需投资构建和维护自己的模型所需的基础设施、硬件和专业知识。

02 百度文心大模型场景全面，开启我国AI追赶序幕

百度生态体系完善，在四层技术架构均具备领先的技术能力。

百度以自主研发的云端通用AI芯片作为AI架构的芯片层，基于产业级深度学习开源开放平台飞桨平台，形成几大模型体系，配套大模型平台支持模型的广泛应用，建设了大模型为核心驱动的新产品和创业社区，并将AI技术赋能如搜索引擎、百度智能云等现有产品。

文心大模型全景图刷新，构建产业大模型体系。

文心平台提供 NLP、CV、跨模态、生物计算四大主流 AI 研究领域的多个基础大模型，多个模型在技术层面实现突破创新，处于世界领先水平。

大模型的出现，为人工智能进一步发展带来新机遇，深度学习平台加大模型，贯通AI全产业链，夯实产业智能化基座，将进一步加速智能化升级。

文心 NLP 大模型性能强大、功能丰富，为垂类应用落地提供强大支持。

其中，文心一言（生成式AI产品）是基于产业级知识增强预训练大模型ERNIE 3.0，结合了知识图谱、视觉信息、多语言等多种数据源，实现了对话式语言模型的全面升级。

跨模态大模型、行业大模型等带来更多AIGC应用突破，B端生态圈持续扩大。

据源做训练，输出行业垂直技术解决方案，形成良性循环。未来，将有越来越多的企业和开发者通过大模型加深度学习平台的模式，步入AI应用的新阶段，进一步加速产业智能化升级。

03 云端算力硬件将成为AI新浪潮的关键基础设施

数据和算力是人工智能的基础，芯片等硬件构成AI核心底座

人工智能的基础层是数据和算力，数据由服务器和光模块存储和运输；算力由CPU、GPU、FPGA、ASIC等芯片支撑。

GPU 分为传统 GPU 与 GPGPU， GPGPU 占据人工智能 90%

在人工智能领域，使用 GPGPU 在云端运行模型训练算法，可以缩短海量训练数据的训练时长，减少能源消耗，从而进一步降低人工智能的应用成本。

GPGPU 能够提供完善的软件生态系统，便于各种已有应用程序的移植和新算法的开发，因此全球人工智能相关处理器解决方案仍然是以 GPGPU 为主。

GPGPU 是人工智能领域最主要的协处理器解决方案，占据人工智能 90%以上的市场份额，在智能工厂、无人驾驶、智慧城市等领域具有广泛的市场空间。

根据前瞻产业研究院的数据，未来几年内，中国人工智能芯片市场规模将保持年均40%至50%的增长速度，到2024年，市场规模将达到785亿元。

而随着人工智能相关技术的进步，应用场景将更加多元化，GPGPU通用性好和软件生态系统完善的优势会进一步展现出来，成为该领域的主流解决方案。GPGPU在我国人工智能芯片领域也将占据较大比例的市场份额。

GPU 在商业领域的具体应用体现在：商业计算和大数据处理、人工智能处理器、智算中心。

CPU 与 AI 融合将成大势所趋

 CPU 技术发展趋势：

• 单个处理器核心性能持续提升；

• 处理器设计复杂度提高，核心数逐步增加，I/O 性能持续提升；

• 微体系结构持续优化。

CPU 在商业领域的具体应用：

• “企业上云”需求强烈，云计算可助力企业完成数字化转型；

• 5G 网络的快速铺开，加速“万物互联”时代提前到来。

国产 CPU市场空间广阔：

随着国产 CPU性能的不断提高和软件生态的不断完善，基于国产 CPU 的信息产品已经得到批量应用。对信息安全、供应链安全要求相对较高的领域，均是国产 CPU 的优势市场，伴随着未来信息化的加速，桌面、服务器 CPU 的需求量有望大幅增加。

英特尔 Sapphire Rapids 第四代至强可扩展处理器深度支持AI 运算。

英特尔在这代产品中增添全新内置 AI 加速器 —— 英特尔高级矩阵扩展（AMX）技术。英特尔透露该GPU的基础算力平均提升值为 53%，而在 AMX 的助推下，其在 PyTorch 上的 AI 实时推理速度，可提升至上一代产品（FP32）的 5.7-10 倍，训练性能提升最高也能提升到上一代产品的 10 倍。

云、边、端需求拉动 AI芯片市场规模高速增长

从 AI Chip 到 AI Chiplet

AI Chiplet 优势 Chiplet 模式一个系统里可集成多个工艺节点的硅片：

• 支持快速开发，根据需要选择不同的工艺节点，实现降本；

• 开发商可以以Chiplet IP的形式提供产品，和其他不同工艺的功能模块集成在一起，无需受限于Foundry工艺的进展。

架构设计的灵活性：

• 结合工艺灵活性，可以在架构设计中有更合理的功能/工艺权衡，有利于AI SoC或AloT芯片更好适应场景需求；

• 系统架构的设计，特别是功能模块间的互联有更多优化空间。

商业模式的灵活性：

• 对于聚焦AI加速芯片厂商，chiiplet可以提供一种新的产品形式，增加潜在市场，或拉长一代产品的生命周期；

• 对于垂直领域的做集成AI加速功能的SoC厂商。

NPU将成为人工智能的重要趋势

NPU IP是指专用于加速神经网络运算、机器视觉和机器学习等人工智能应用的数字IP。以芯原股份与ARM公司为代表的IP公司可以为SoC与MCU公司提供NPU IP，在SoC与MCU中加入边缘算力。

以芯原股份的神经网络处理器技术为例，其包括自主可控的卷积神经网络加速、可编程的浮点运算加速、指令集和可编程的浮点运算专用编译器、优化器等工具设计，支持国际标准OpenVX1.2和OpenCL1.2EP/FP；支持最大32位浮点精度数据处理和张量处理的硬件加速；支持0.5TOPs到6TOPs性能的单卷积运算核的可扩展架构设计，多卷积运算核扩展后的NPUIP运算能力可达10TOPs。