2022年11月30日，微软旗下的OpenAI发布ChatGPT，5天内涌入100W用户。他拥有持续的上下文对话能力，同时支持文章写作、诗词生成、代码生成等能力，这被认为是“通用型人工智能”的开端。

2023年3月15日，OpenAI研发多模态预训练大模型——GPT-4，作为ChatGPT的动力来源，使用微软Azure训练模型，更聪明强大、更准确安全、在许多专业测试中超过人脑水平。

2023年3月16日，百度发布了大语言模型、生成式AI产品——文心一言，被称为中国版ChatGPT。从现场展示来看，它回答的准确性、逻辑性、流畅性都逐渐接近人类水平。

2023年3月20日，在GTC开发者大会上发布，英伟达推出了新的Hoppper CPU——配有双 GPU NVLink 的 H100 NVL隆重登场，H100 NVL是专门针对算力需求巨大的 ChatGPT 而设计的显卡，拥有夸张的 188GB HBM3 内存（每张卡 94GB），为是十倍级ChatGPT提供了“核弹级”的运算能力！

过去数月，全球科技巨头大秀肌肉，各种AI生成产品接连登场，当前正在掀起新一轮人工智能(AI)风暴。AI正在以天为周期进化，给人前所未有的压迫感，对此比尔盖茨和英伟达老板黄仁勋的表态是最具代表性的。

比尔盖茨表示：这就像我当年第一次见到图形界面操作系统（MacOS）。

黄仁勋在发布会上三次强调：我们正在经历又一个IPhone时刻。

人工智能三大核心要素：算力、算法、数据！少了AI算力芯片，人工智能就是人工智障。ChatGPT实现从人工智障到弱人工智能的进步，从应答式人工交互到原创内容输出，主要是得益于算法的突破！算力是人工智能的基石，随着参数量的膨胀，未来人工智能发展对算力需求会呈指数级的增长，在模型训练成本中，算力成本占比高达40%-70%。

从去年10月7日开始，美国根据新的芯片法案，开始限制单精度浮点算力19.5T FLOPS以上，或双精度浮点算力 9.7T FLOPS以上，或存取速度600GB/S以上的GPU对华出口以及相关人员设备对华服务，也就是限制英伟达A100或者以上级别的通用GPU对华出口，这一举措显然意在限制中国AI大模型的训练算力。

台积电垄断了AI芯片代工，英伟达垄断了高端通用GPU设计和AI开发框架（CUDA），根据通信院数据，2021年Q4英伟达占据了全球95.7%的GPU算力芯片市场份额。这导致整个产业只有后端的大模型和终端应用对中国企业部分开放，并且随时可能被掐断。

AI革命背后是芯片产业之争。

半导体器件物理专家、中国科学院院士、国科大的校长李树深院士在和他的学生共同发表的文章《加强半导体基础能力建设，点亮半导体自立自强发展的“灯塔”》里表示：

“虽然半导体基础研究在过去几年受到了很大重视，但包括学科设置、协同创新、基础设施、研发投入、评价机制、研究生名额等半导体基础能力并没有得到根本性改善，难以支撑半导体科技高水平自立自强。”

“半导体是当前中美科技战的“主战场”。全球年产值6000亿美元的半导体产品涵盖了上千款芯片和近10万种分立器件，支撑了下游年产值几万亿美元的各类电子产品，以及年产值几十万亿美元的数字经济。据统计，1美元半导体产品拉动了全球100美元的GDP。”

近两年，以AI为引领的新一轮科技革命正在迅猛发展，而AI的关键就是依托大数据训练。AI的算力需求主要是以大规模的数据中心为基础，要完成AI的发展，没有超强的通用计算GPU芯片，根本无法想象。

大的方面，从航天卫星、俄乌冲 突，到城市治理，智慧工业等等全离不开芯片算力的支持；小的方面，从你的快递和外卖的高效分发，再到你医疗健康治愈各种疾病，都需要AI算力的支持。

而随着未来人口越来越少，AI自动驾驶汽车，AI自动机器人，将会大规模的替代人类的劳动，这里面也全是需要芯片来支持。通信方面，甭管是5G还是6G，没有芯片根本无从谈起，而没有高速的移动通信技术，下一代的互联网应用就无从谈起。办公娱 乐方面，你别管是元宇宙远程会议，还是AR、VR沉浸式游戏，没有芯片也不行！甚至设计芯片本身也会加入AI的支持，科技的发展已经快走到了芯片自己制造芯片的无敌正循环了……

如此下去，就是强者愈强，弱者越弱。未来，绝大部分人能做到的事儿，都将被算力解决！而芯片是一切的基础。

如果我们拿不下高端芯片，那么我们的产业升级就全方位会受阻。然而芯片产业又是世界上最复杂，最卷的产业，正如李树深院士所写：

“半导体产业链长且广：上游包括EDA软件/IP模块、半导体设备和材料，中游是芯片设计、制造、封装和测试，下游是各类电子产品，涉及大量材料、设备和配件、软件和IP模块。王阳元院士指出，半导体产业链上游的任何一种材料、一种设备甚至一个配件都可能成为制约竞争者的手段。”

芯片产业链是极为繁琐和漫长的。主要包括 6 个部分：

(1)设计软件，芯片设计软件是芯片设计的关键工具，目前主要依靠 EDA软件来完成；

(2)指令集体系，是芯片的底层架构信息，没有高效的指令集，芯片没法运行操作系统和软件；

(3)芯片设计，这是用硬件实现指令集架构功能的关键部分；

(4)原材料和设备，原材料包括硅片，光刻胶，清洗液等等，设备即生产芯片的各种设备，包括光刻机，蚀刻设备等等。

(5)晶圆代工，晶圆代工厂是芯片从图纸到产品的生产车间，它们决定了芯片采用的纳米工艺等性能指标；

(6)封装测试，是芯片进入销售前的最后一个环节，主要目的是保证产品的品质。

经常被提到的光刻机是第5个环节晶圆代工当中要用到的上百种设备当中的一种，它是整个芯片产业当中技术含量最高的环节之一，但这不代表别的环节技术含量不高，就比如原材料里面的硅片。整个芯片制造过程中还有各种气体、各种液体、各种固体化合物、金属靶材、光刻胶、光掩模等等，在如此多的设备，耗材，软件，工艺当中，只要有一个环节不合格，芯片就造不出来。因此，芯片是世界上 门槛最高的产业，是最卷的产业。

AI算力芯片主要包括GPU、FPGA、以及以VPU、TPU为代表的的ASIC芯片，其中以GPU用量最大。相较于传统图形GPU，通用型算力GPU在芯片构架上缩减了图形图像显示、渲染功能，具有更有的计算机能效比，被广泛应用于人工智能模型训练和推理领域。根据IDC数据，预计到2025年GPU仍将占据AI芯片8成市场份额。

根据在网络中的位置、AI芯片可以分为云端AI芯片、边缘和终端AI芯片：云端主要部高算力的AI训练芯片和推理芯片，承担智能数据分析、模型训练任务和对传输带宽要求较高的推理任务；边缘和终端主要部署推理芯片，承担推理任务，需要独立完成数据采集、环境感知、人机交互及部分推理决策控制任务。

GPU的生态包括底层硬件、指令集架构、编译器、API、基础库、顶层算法框架和模型等，英伟达与2006年发布的CUDA平台是当前应用最为广泛的AI开发生态系统。通用GPU与CUDA组成的软硬件底座构成了英伟达引领AI计算的根基，当前全球主流深度学习框架均使用CUDA平台。

面对汹涌的AI浪潮，国产AI算力芯片正燃起星星之火。目前已经涌现出了如寒武纪、海光信息和景嘉微优质AI算力芯片上市公司，非上市AI算力芯片公司如沐曦、天数智芯、壁仞科技等在产品端有持续突破。尽管其中部分产品逼近或超越了美国头部厂商的性能。但是我们的底层和产品大量采用了美国技术、IP和人员经验，并且依赖台积电的先进制程代工，更存在IP授权不可控的风险。

高端GPU的突发断供，引发市场对于国产GPU自主可控的关注。中国AI芯片企业拥抱全球化的梦想被迫毁后，主流舆论观点认为，中国要想实现GPU的自主可控，必须走全盘去美化的道路——这不单单关乎芯片安全，还涉及到中国AI产业的整体安全。

2023年2月27日，中共中央、国务院印发了《数字中国建设整体布局规划》中提到，数字中国基础设施的建设有望拉动以数据中心、超算中心、智能计算中心为代表的算力基础设施建设，从而带动服务器与 AI 算力芯片的需求快速增长。

要想在大模型上反超，中国还有很大的差距。要想在AI算力芯片突围，中国GPU企业必须在底座、专利、核心技术、人才建设和产业联盟下大功夫，下深功夫。

文章来源： 酷玩实验室Coollabs，未来半导体，雪球，互联网.乱侃秀