▲芯片需求=量↑ x 价↑

1）量：AIGC带来的全新场景+原场景流量大幅提高

① 技术原理角度：ChatGPT基于Transformer技术，随着模型不断迭代，层数也越来越多，对算力的需求也就越来越大。

② 运行条件角度：ChatGPT完美运行的三个条件：训练数据+模型算法+算力，需要在基础模型上进行大规模预训练，存储知识的能力来源于1750亿参数，需要大量算力。

2）价：对高端芯片的需求将拉动芯片均价

采购一片英伟达顶级GPU成本为8万元，GPU服务器成本通常超过40万元。ChatGPT支撑算力基础设施至少需要上万颗英伟达GPU A100，芯片需求的快速增加会进一步拉高芯片均价。

🌟【“背后英雄”：GPU或CPU+FPGA等算力支撑】

1）GPU可支撑强大算力需求。从AI模型构建的角度：第一阶段是用超大算力和数据构建预训练模型；第二阶段是在预训练模型上进行针对性训练。

2）CPU+FPGA拭目以待。FPGA芯片作为可编程芯片，可以针对特定功能进行扩展，在AI模型构建第二阶段具有一定的发挥空间。而FPGA想要实现深度学习功能，需要与CPU结合。

3）云计算依靠光模块实现设备互联。伴随数据传输量的增长，光模块作为数据中心内设备互联的载体，需求量随之增长。

📈看好：国内GPU、CPU、FPGA、AI芯片及光模块产业链玩家。

① GPU：海光信息、景嘉微

② CPU：龙芯中科、中国长城

③ FPGA：安陆、复旦微、紫光

④ AI芯片：寒武纪、澜起科技

⑤ 光模块：德科立、天孚通信、中际旭创

风险提示：1）半导体下游需求不及预期；2）研发进度不及预期。

浙商陈杭ForBetterChina