chatGPT火爆背后，AI芯片再引热议

在过去的一周里，chatGPT成为了科技圈里最热门的的一个话题。chatGPT是一个AI聊天机器人，就跟绝大多数人接触过的siri，小爱是同一类产品。然而比起被戏称为“人工智障”的其他聊天机器人，chatGPT展现了惊人的智能程度。它在文本生成、代码生成与修改、多轮对话等方面，展现了大幅超越过去AI聊天机器人的能力，第一次让普通用户感受到“人工智能”的模样。

GPT(Generative Pre-trained Transformer)生成预训练是一种基于互联网可用数据训练的文本生成深度学习模型。发布chatGPT的AI实验室Open AI由微软投资，其在2018年发布的GPT模型参数量就达到了1.17亿。等到2019年2月，GPT-2的参数量已经为15亿，而到2020年5月的GPT-3，参数量便达到了1750亿，数据量达到 45TB。在经过海量数据训练之后，最终呈现为我们可以直接对话的chatGPT。

在ChatGPT海量数据的背后，离不开强大算力的支持。数以千亿的数据，需要更高效的硬件来处理更多参数以提高准确性。此前就有国外研究人员计算出，训练GPT-3所需的能量相当于驾驶70万公里的碳足迹，可见一个完成形态的AI工具，对算力的需求有多大。这也引发了对AI芯片的新一轮讨论。

AI芯片是人工智能时代的技术核心之一，决定了平台的基础架构和发展生态。作为人工智能产业的重中之重，AI芯片已经成了最热门的投资领域，也是各个大国在高新领域的必争之地。目前，AI芯片大致可分为CPU、GPU、FPGA（半定制化）与ASIC（全定制化）。

CPU虽然也能作为AI芯片使用，但由于架构问题，数据处理效率比较低，在大量数据面前并不能完全发挥其能力。相比之下，GPU具有高并行结构，在处理图形数据和复杂算法方面拥有比CPU更高的效率，另外，GPU采用统一渲染架构，其通用程度更高、商业化更成熟。

FPGA是可编程器件的产物，可多次烧入FPGA配置文件，灵活性较高。FPGA可同时进行数据并行和任务并行计算，在处理特定应用时有更加明显的效率提升，整体能耗比也有很大优势。目前以深度学习为代表的人工智能计算需求，主要采用GPU、FPGA等已有的适合并行计算的通用芯片来实现加速。

ASIC是一种根据特定算法、架构的定制化芯片，其定制化程度更高、专用性较强，因此算力是这四种AI芯片中最高的。但也存在投入大，易用性低的问题，只有在AI算法稳定后，采用ASIC设计方法进行全定制AI芯片，使性能、功耗做到最优。

随着智能汽车，机器人和物联网技术的发展，AI芯片在商用领域的需求与日俱增；而在消费者终端，眼下越来越多的AI文字、图片应用，也在驱动AI芯片市场的成长。预期2026年AI芯片市场规模有望达到930亿美元，其中CPU与GPU仍占据AI芯片市场主要份额，而ASIC市场前景广阔。

推荐阅读
《iPhone 14/Pro生产恢复 预计Q4苹果手机份额重回第一》
《获华为5G专利 OPPO旗下哲库能成为下一个海思吗？》