OpenAI发布的ChatGPT以强大的信息整合和对话能力惊艳全球，但随着访问量的激增，宕机现象频频出现。人工智能的快速发展，带来算力需求的成倍增长，相关底层硬件站上“风口”，CPO——光电共封装便是其中之一。

据光通信行业市场研究机构LightCounting预计，按照端口数量统计，CPO的全球发货量将从2023年的5万件逐步增长到2027年的450万件。A股上市公司中通宇通讯、锐捷网络、联特科技等已提前布局CPO赛道。

多位接受《证券日报》记者采访的业内人士认为，高算力需求下的超高能耗，是阻碍人工智能商业化的最大痛点。CPO能大幅降低能耗，从而降低成本，有望成为解决方案之一。

CPO技术有望成为高能效比解决方案之一

ChatGPT近日走红，一些用户却在使用时频频收到提示信息：“当前需求量高，我们正调节系统，请稍等。”“1小时内请求过多，请稍后再试。”

算力成为以ChatGPT为代表的人工智能的核心竞争力。华安证券计算机行业联席首席分析师王奇珏接受《证券日报》记者采访时表示：“根据OpenAI的研究，从2012年至2018年期间，最大的AI训练对于算力的消耗已经增长了30万倍，平均每3个多月就翻倍。远远超过摩尔定律。”

相关企业在算力方面的投入巨大。王奇珏介绍：“以国内某项目为例，自2020年3月份宣布以来已耗资56亿元，投入使用后总算力超过4910PFLOPS。”

根据国际权威数据调研机构IDC与浪潮信息联合发布的《2022-2023中国人工智能计算力发展评估报告》，2022年国内智能算力规模达到268EFLOPS，超过通用算力规模。预计未来5年中国智能算力规模的年复合增长率将达52.3%。

中央财经大学数字经济融合创新发展中心主任陈端接受《证券日报》记者采访时表示，“算力是支撑整个创新能级的重要底盘，一方面，可以通过‘东数西算’国家整体战略布局，进行算力资源的国家层面综合调配；另一方面，需要从技术层面上解决痛点。”

而CPO技术有望成为高能效比的解决方案之一。CPO是指将网络交换芯片和光模块共同装配在同一个插槽上，形成芯片和模组的共封装，其主要应用于高传输速率数据中心，可实现高算力场景下的低功耗、高能效。

国盛证券研报表示，“在功耗上，CPO通过交换机等设备和光模块等耦合在PCB上，通过液冷板降温，降低功耗。在体积和传输质量上，CPO满足超高算力后光模块数量过载等问题。在成本上，随着规模上量CPO或有一定经济性。英伟达、思科、英特尔、博通等网络设备大厂等都在储备或采购CPO、硅光相关设备，已部分应用于超算等市场。”

什么是CPO？

简单来说就是将交换芯片和光引擎共同装配在同一个Socketed（插槽）、PCB上面，形成芯片和模组的共封装，和此前的Chiplet有点类似但有区别。

至少目前，主流看法认为CPO是芯片与模组封装的终极形态，Pluggable、NPO是过渡阶段。

按照AIGC产业链划分来看，CPO属于上游的算法、算力层面。

通过CPO集成封装，缩短了交换芯片和光引擎间的距离（控制在5~7cm），使得高速电信号能够高质量的在两者之间传输，满足系统的误码率（BER）要求，还可以实现更高密度的高速端口，提升整机的带宽密度，并且集成使得元件更加集中，也有利于引入冷板液冷。

AI的发展离不开高算力，基础设施包括硬件设备相关最明显的一个变化是算力大幅增长后，相关能耗和成本也会大幅提升。在算力的成倍甚至是指数级增长下，能耗和成本的当前方案可能无法满足，或者说没有商业性和经济性。于是乎，DOP就成为了低功耗低成本高能效的解决方案。

年初以来的科技爆发，或许也与外围市场观点的变化有关系。近期，美大持续加大对AI布局。之前市场一直比较担心海外衰退，在整个通胀背景之下对于数据中心云计算相关的投资降速，从几大科技巨头在相关方面的资本支出也能看得出来。但自从CHATGPT的出圈，以及各巨头的实际行动来看，又点燃了市场的情绪，最为关键的是行业应用增长点是比较确切的，这也就为资金进场吃下了定心丸。

关于CPO，目前海外包括Nvidia、Cisco、Intel、Broadcom等都在储备或采购相关设备，已部分应用于超算等市场，未来FANG等大厂加速切换至AI投入，相关解决方案渗透率可能大幅上行，值得期待。

上下游谁更收益？重点看数据、算力和算法三要素领域

回顾人工智能发展历程，两点因素扮演了重要角色，一是算法的创新，二是硬件的提升。

ChatGPT 是OpenAI原创性自动问答系统InstructGPT的延续，建立在GPT-3的后续改进版本GPT-3.5基础上，通过引入强化学习模型， 大幅提高了AI在人机对话时的准确度和可控性。从上游需求的增加来看，算力、数据标注、自然语言处理等可能受益。

算力是 AI模型的“发动机”。中银证券报告指出，ChatGPT在参数规模上已经达到了千亿级别，对AI大模型而言，不论是训练还是推理，对于算力这一基础设施都有着极大的需求。

“ChatGPT主要源于GPT-3的预训练模型，而GPT-3相比于此前的模型，最大的不同在于模型体量的大幅提升。人工智能的跨越式发展将成为算力流量消耗的重要驱动力，未来数据中心和相关的配套产业有望实现更好增长。”安信证券报告进一步指出。

而数据是 AI模型的“汽油”，是一切人工智能的基础。数据标注是大部分人工智能算法得以有效运行的关键环节。“在ChatGPT训练的三个阶段中，只有第三阶段不需要使用人工标注数据，而第一、第二阶段都需要大量的人工标注。”东吴证券进一步指出，“现有数据标注以人工标注为主，属于劳动密集型产业。随着机器学习不断完善，自动标注成为大趋势。”

另外，算法是 AI模型的“大脑”，是AI实现技术跃迁的根本，也是最难以被直观理解的部分。一个好的算法除了能更好的完成设定的任务外，还需具备更强的通用性（激活更多的可用数据）和更优化的计算原理（减少算力的负担）。因此，在AI领域具备科研资源和资金实力的公司将有望拔得头筹。

而对于ChatGPT的下游应用场景，梳理机构一致看好的应用方向，主要集中在智能客服、搜索引擎、图像、文字、代码生成等三大方面。

智能客服方面，中金公司报告表示，ChatGPT在未来投入商业化领域中，可通过强化的上下文理解能力，优化银行、电商等客服机器人，大大提高服务质量。

搜索引擎方面，ChatGPT更是带来了行业是否将迎来“革命性”变化，能否替代传统搜索引擎的大讨论。

归纳性工作上，文字上，东方证券指出，ChatGPT的上线，将推动文本类AI渗透于文本生产、智能批阅等应用领域，相关领域必将迎来极大的发展空间。

“同时，代码开发相关的工作更加规整，也非常适合AI辅助生成。ChatGPT在目前测试中表现出的代码生成能力，虽然欠缺一些底层的稳定性，但相比于Copilot更加灵活。在进行针对性的优化后，基于新GPT模型的AI代码辅助工具有望在中短期内落地。”中信证券指出。

因此，具体到细分投资方向上，上投摩根基金指出，从产业链出发，主要可以考虑三类：一类是从事大模型基础研发的企业，一类是上游为大模型研发提供算力等基础设施的厂商，另一类是下游针对细分场景开发软件的第三方应用厂商。

标的方面，算力领域，财通证券建议投资者关注海光信息、龙芯中科、宝信软件等。AI处理器方面，华西证券建议投资者关注寒武纪、商汤、海光信息等。AIGC相关技术储备的应用厂商，受益标的有万兴科技、中文在线、阅文集团、昆仑万维、视觉中国视觉等。

值得一提的是，在ChatGPT的下游应用领域，海外已经有成功的落地案例。

2023年1月，美国新闻聚合网站BuzzFeed官宣将依托OpenAI为其用户互动栏目Quizzes制作和个性化各种小测试。ChatGPT会生成一系列提问，再根据个人的回答产生用户独有的、可分享的文章。

不久前，Meta向BuzzFeed支付了数百万美元，以让BuzzFeed为Meta的平台生成内容，并培训平台上的创作者。

赵凤飞表示，目前市场上出现的概念股大涨，有较强的主题催化成分，具有一定的博弈色彩。但如果ChatGPT在未来的商业化落地上还能再有斩获，或者其它的AI公司也能推出有竞争力的AI产品，那AI板块的行情则有望持续更久。国内的AI公司，包括很多A股上市的AI公司，在NLP相关领域也有多年积累，具备较为深厚的技术积淀，也有相关的产品。但目前来看，同ChatGPT这种现象级产品相比，仍有一定差距。

当然，万物皆有利弊。赵凤飞提示：“很多上市公司对AI的布局尚处于早期阶段，竞争格局还不够清晰，是否有可持续的商业模式也有待检验，这些也都是潜在的风险。投资者可以选择智能产业相关的主题基金，或者选择一些长期聚焦在信息技术领域的基金产品，这些产品对AI技术的关注会相对较多，对相关领域的利好也会更加敏锐。”

文章来源： 金融界，后生哥说，证券日报