首席連線丨中金公司彭虎：大模型迭代中算力基礎設施或更受益
時間：2023-06-24 10:18:04
隨著數字經濟持續發展，AI大模型產品不斷涌現。在本輪AI變革中，大模型擔當的角色和定位是什么？未來大模型產品的進一步更新完善下，產業鏈哪些環節有望更受益呢？
近日，中金公司研究部科技硬件行業首席分析師、執行總經理彭虎做客澎湃新聞《首席連線》直播間，就上述相關問題作出分析解讀。
【資料圖】
需求和供給側均有驅動力
對于當下國內外大模型產品的層出不窮，彭虎表示驅動因素主要有兩方面：一是需求側，二是供給側。
“需求側方面，主要是交互體驗升級、企業降本增效等訴求。一方面，大模型具有較強的泛用性，有針對性地微調可適用于不同應用場景，例如在辦公、紀要、對話、搜索、廣告、繪畫、作曲等各類內容生成領域廣泛分布，并帶動智能終端人機交互模式的創新性變革。”彭虎指出。
彭虎進一步指出，另一方面，大模型的性能較原本AI小模型能力更強，雖然AI小模型已經深度賦能安防、互聯網、金融、工業、醫療等諸多場景，但大模型有望進一步幫助各行業降本增效。
“供給側方面，主要是海外廠商的鯰魚效應。為避免由于技術落后造成的競爭劣勢，國內科技巨頭紛紛將研發重心轉移至大模型。”彭虎說。
有望成為重要的算法基礎平臺
對于大模型接下來的發展定位，彭虎認為，大模型在本輪AI變革中，未來有望成為重要的算法基礎平臺。
“行業有‘如果將AI（人工智能）比作電力，那么大模型則相當于發電機’這樣一個很形象的比喻，我也深以為然。隨著政策法規不斷完善、算力設施配套性不斷增強等，大模型有望發展為重要性比肩算力的基礎平臺，屆時算力基礎設施與算法基礎平臺將共同深度賦能社會的各個環節，大模型會成為各行各業AI能力的重要源泉。”彭虎表示。
具體到應用方面，彭虎指出，大模型并不局限于語言理解，還能夠在視覺、聲音等各類模態中發揮作用，跨模態大模型更是有望將人工智能水平托舉至新高度。
“多模態能力結合生成式技術，人工智能也有了創造力。生成式AI作為一類機器學習算法，能夠在學習吸收現實既有數據的基礎上，經過訓練與精調，對外輸出文本、圖像、語音、視頻、代碼等內容，從技術發展現狀看，AI生成內容已在相當大的程度上媲美人類。”彭虎進一步指出。
彭虎表示，ChatGPT、DALL-E 2、Whisper、X-CLIP、Codex等應用，已分別在文本、圖像、語音、視頻、代碼等領域，展現出不俗的創造力。
應用落地情況方面，彭虎看好消費場景的四個方向：一是智能手機，硬件端有望帶動移動AI芯片性能提升，進一步有望帶動手機創新加快，同時在生態端，手機端或有望形成新的流量入口，長期或深刻影響產業商業模式；二是可穿戴產品；三是智能家居；四是機器人，目前谷歌已探索了通過自主學習的大模型，在現實環境中處理機器人指令，實現復雜任務的完成。
迭代需求帶來算力需求上修
產業鏈方面，彭虎分析稱，大模型的上游主要包括硬件的芯片、服務器、通信網絡；軟件的云計算、數據庫、虛擬化等。
“中游包括算法研發的編程語言、算法框架、模型測評等；模型管理維護的系統管理、API管理、數據管理等。”彭虎進一步指出，“下游包括各類行業場景，如社交、媒體、營銷、教育、娛樂等，主要實現內容生產、創意設計、對話引擎、輔助開發等功能。”
展望下一步，彭虎表示，為滿足大模型迭代需求，算力需求正不斷上修，當下谷歌、特斯拉、英偉達等廠商的硬件迭代，已反映該需求的變化。
“同時，AI芯片方面，云端AI算力芯片滲透率僅為個位數，未來成長空間廣闊。AI服務器方面，競爭格局上當前互聯網云計算廠商的白牌服務器占主導，未來隨著邊緣側應用的成熟，品牌服務器廠商份額也有望提升。”彭虎說。
云端算力基礎設施更受益
隨著大模型應用的推出和更新完善，產業鏈的哪些環節有望更受益呢？
彭虎認為，從硬件角度看，大模型的訓練及推理需要海量數據的高效處理作為支撐，因此云端算力基礎設施將迎來發展機遇，其中六方面值得重點關注。
“一是算力芯片。AI范式進入‘煉大模型’時代，對AI芯片計算能力、存儲容量、通訊帶寬等多個維度提出了更高的技術要求。更大算力、更高內存、更快帶寬的AI芯片需求有望持續提升。”彭虎指出。
彭虎進一步指出，二是服務器。相較于傳統的服務器，AI服務器以異構形式配備了GPU、NPU、FPGA、ASIC等多類芯片，能夠支持大模型訓練的高算力需求。AI服務器對算力、功耗、存儲、通信等有更高的要求，由此帶來芯片配置、硬件架構、機箱設計等方面的差異。
“三是交換機。數據流量的快速增長，疊加人工智能發展推動數據中心網絡架構轉型，有望驅動交換機數量和端口速率上行，高速以太網交換機市場有望實現強勁增長。”彭虎稱。
彭虎表示，四是光模塊。考慮到模型并行訓練、AI應用推理的快速發展，800G、1.6T等下一代光模塊產品的滲透率提升曲線，或將變得更為陡峭。此外，硅光模塊、CPO技術有望引領下一代數據中心風向，助力超高帶寬數據互聯。
“五是存儲與溫控等。AI模型的訓練及推理對存儲器提出了更高的要求，有望加速SSD對HDD的替代進程。同時，AI服務器高能耗特性，有望推動數據中心的散熱系統向液冷更新迭代。”彭虎說，“六是電源。大模型高能耗的特點，有望增大對電力的需求。”
C端和B端仍有不確定性因素
雖然當下大模型面臨的利好因素很多，但彭虎強調，大模型的發展在C端和B端仍有一些不確定性因素。
“ToC端，除了GPT-4，其他AI模型的用戶還處于免費體驗的模式，同時以Microsoft 365、New bing等為代表的應用，也仍處于免費體驗的模式，收費模式尚不確定。ToB端，目前大量初創企業接入的ChatGPT、GPT-4 API接口收費較低，未來的收費標準和模式也不確定。”彭虎解釋稱。
投資方面，彭虎提醒投資者，仍需防范AIGC相關算法技術及應用商業落地進展不及預期的風險。
“隨著全社會數字化轉型及智能化滲透率的提升，人工智能持續賦能各行各業。人工智能依賴于海量數據進行模型訓練及推理應用，并推動全社會算力需求的提升，因此服務器、存儲器、通信網絡設備等上游硬件基礎設施，均有望受益于AI驅動的算力需求提升。但如果人工智能發展及應用落地不及預期，可能會使上游硬件設備受到需求側的壓制，導致發展不及預期。”彭虎說。
