OpenAI發(fā)布ChatGPT模型引起了AIGC應(yīng)用的爆紅，AI領(lǐng)域的應(yīng)用和創(chuàng)業(yè)再次迎來(lái)了資本的追捧，AIGC的創(chuàng)業(yè)項(xiàng)目紛紛獲得巨額融資。AIGC可應(yīng)用于各行各業(yè)，比如聊天、寫作、視頻、音頻、制圖、設(shè)計(jì)等，甚至可以生成游戲策略和代碼。AIGC時(shí)代序幕已拉起，各大廠商紛紛布局。但是，AIGC的應(yīng)用，離不開(kāi)底層芯片與算力的支撐，在這一背景下，我們?nèi)绾卫斫狻l(fā)掘算力芯片產(chǎn)業(yè)，顯得尤為重要。

(資料圖)

中國(guó)的算力芯片領(lǐng)域有哪些機(jī)遇呢？近期，鈦資本邀請(qǐng)到旭源資本創(chuàng)始人彭數(shù)學(xué)進(jìn)行分享，主題是：AIGC爆紅之下，我國(guó)芯片與算力的發(fā)展趨勢(shì)與投資機(jī)會(huì)。他是資深工業(yè)互聯(lián)網(wǎng)投資家，曾任職盈峰資本、啟賦資本，已主導(dǎo)投資50+項(xiàng)目，其中5家IPO上市，3家項(xiàng)目回報(bào)百倍，最快回報(bào)項(xiàng)目一年半DPI為10倍，曾獲得2016中國(guó)活躍風(fēng)險(xiǎn)投資人、金鷗獎(jiǎng)2021年度最佳投資人等多項(xiàng)榮譽(yù)。彭先生于2021年創(chuàng)立旭源資本（廣東旭源私募股權(quán)投資基金管理有限公司，基金管理人編號(hào)P1072011），旭源資本系我國(guó)新銳精品投資機(jī)構(gòu)，獲得了金鷗獎(jiǎng)2021年度新銳投資機(jī)構(gòu)等榮譽(yù)。主要投資方向?yàn)椋盒履茉础⑿酒雽?dǎo)體與高端裝備制造領(lǐng)域，已經(jīng)投資了麒麟軟件（國(guó)產(chǎn)操作系統(tǒng)）、創(chuàng)芯人科技（FA零部件數(shù)字供應(yīng)鏈）、象帝先（GPU芯片）、盛合晶微（2.5D/3D封裝）、博康化學(xué)（光刻膠）等優(yōu)質(zhì)項(xiàng)目。本次分享主持人是鈦資本葉燦斌，以下為分享實(shí)錄：

AIGC時(shí)代的到來(lái)

AIGC的概念早在50年代就被提出。直到90年代到2011年，我們才將科研成果轉(zhuǎn)變?yōu)閷?shí)用性產(chǎn)品。當(dāng)然，過(guò)去我們也面臨算法瓶頸，但在2010年以及2014年開(kāi)始出現(xiàn)了幾個(gè)關(guān)鍵點(diǎn)。2014年生成式對(duì)抗網(wǎng)絡(luò)的出現(xiàn)，以及2022年OpenAI發(fā)布ChatGPT模型，這一系列事件引爆了人工智能的發(fā)展，它的歷程也因此而逐步完善。

從WEB1.0的PGC，到WEB2.0的UGC，再到WEB3.0的AIGC，這一連串的發(fā)展得益于深度學(xué)習(xí)模型的技術(shù)創(chuàng)新。在2014年，我們看到大量的AI輔助項(xiàng)目都沒(méi)有取得成功，但現(xiàn)在AIGC已經(jīng)可以完全替代人工，幾乎百分之百地實(shí)現(xiàn)自主生產(chǎn)，這樣的爆發(fā)才得以形成。

AIGC的發(fā)展

現(xiàn)在主流的大模型是3.5版本，在國(guó)內(nèi)，百度和阿里的工作做得相當(dāng)不錯(cuò)，而智譜則致力于打造通用模型，構(gòu)建雙語(yǔ)千億的超大模型。這些初創(chuàng)公司的發(fā)展，在某種程度上已經(jīng)與BAT獨(dú)立開(kāi)來(lái)。

值得注意的是，在萬(wàn)物皆可AI生產(chǎn)的時(shí)代，一些插畫師、設(shè)計(jì)師在線平臺(tái)很可能會(huì)被AI取代。阿里巴巴曾推出一個(gè)數(shù)據(jù)庫(kù)，直接用AI替代人工進(jìn)行圖片生成，AIGC實(shí)際上只是更完善地實(shí)現(xiàn)了這種內(nèi)容生成。AIGC還能進(jìn)行策略生成，替代人工編寫游戲代碼，甚至直接為程序員編寫代碼。

現(xiàn)在，AIGC規(guī)模非常龐大，到2023年已經(jīng)達(dá)到了170億，預(yù)計(jì)到2030年將達(dá)到1萬(wàn)億。我們目前正處于培育蓬勃和整體加速的階段。行業(yè)擁有巨大的成長(zhǎng)性和爆發(fā)性，值得高度關(guān)注。

舉幾個(gè)案例。來(lái)畫是我們?cè)?jīng)投資的一個(gè)項(xiàng)目，由創(chuàng)始人魏博主導(dǎo)。最初，來(lái)畫專注于手繪短視頻制作，以替代Flash技術(shù)和昂貴的拍攝制作。由于Flash技術(shù)在后期網(wǎng)頁(yè)兼容性方面存在問(wèn)題，而拍攝制作成本較高，所以這一創(chuàng)意應(yīng)運(yùn)而生。項(xiàng)目采用Windows的Surface電腦作為主要工具。經(jīng)過(guò)幾年的發(fā)展，現(xiàn)在轉(zhuǎn)變成了AIGC，底層技術(shù)形成了動(dòng)畫和數(shù)字人智能生產(chǎn)平臺(tái)。其中的數(shù)字人包括會(huì)議系統(tǒng)等，這些系統(tǒng)都非常完善，且國(guó)外用戶已達(dá)到100多萬(wàn)。

另外，萬(wàn)興科技是全球領(lǐng)先的新生代數(shù)字創(chuàng)意賦能者，2003年成立，推出的第一款數(shù)字創(chuàng)意產(chǎn)品（Photo to VCD）便風(fēng)靡海外，目前用戶覆蓋全球200多個(gè)國(guó)家和地區(qū)。萬(wàn)興科技的工具與AIGC的數(shù)字創(chuàng)意應(yīng)用工具吻合，涵蓋了創(chuàng)意應(yīng)用、繪圖、文檔使用工具以及智能轉(zhuǎn)換視頻等方面。

還有叮咚課堂，其軟件使用了AIGC的功能，用人工智能來(lái)替代老師，一對(duì)一的授課價(jià)格居然只要幾十元，非常低。在ChatGPT還沒(méi)有出現(xiàn)之前，我們已經(jīng)通過(guò)推理推測(cè)到AIGC這個(gè)應(yīng)用，可以實(shí)現(xiàn)千人千面的一對(duì)一個(gè)性化服務(wù)。

ChatGPT的演變

ChatGPT未來(lái)的產(chǎn)業(yè)化主要涵蓋歸納、代碼生成、圖像處理、智能客服等領(lǐng)域。最初是基于Transformer模型的GPT，于2018年6月首次出現(xiàn)。接著，發(fā)展出GPT-2，這是一個(gè)多任務(wù)的通用模型。到了2020年，GPT-3是一個(gè)超大規(guī)模的語(yǔ)言模型，標(biāo)志著一個(gè)里程碑。在2022年3月，人類反饋強(qiáng)化學(xué)習(xí)的引入進(jìn)一步提升了AIGC的能力，因?yàn)橥ㄟ^(guò)人類反饋，它可以不斷地進(jìn)行訓(xùn)練和迭代，不斷螺旋式地上升。到了2022年11月，強(qiáng)化學(xué)習(xí)進(jìn)一步優(yōu)化了AIGC的性能，持續(xù)出現(xiàn)了更多思維邏輯的推理。

未來(lái)，針對(duì)聊天機(jī)器人和智能客服的發(fā)展會(huì)更加完善。GPT-4將是一個(gè)多模態(tài)模型，國(guó)內(nèi)公司如百度、阿里，甚至京東等也會(huì)參與其中的發(fā)展。然而，國(guó)內(nèi)面臨的困境在于硬件和訓(xùn)練成本較高，且數(shù)據(jù)資料庫(kù)并不完美。因此，我們需要探討如何提高訓(xùn)練數(shù)據(jù)庫(kù)的質(zhì)量，降低訓(xùn)練成本。特別是在自然語(yǔ)言理解方面會(huì)面臨一定的困難。

AIGC的底層基石：算力

AI的發(fā)展，一方面依賴于模型和算法，另一方面則依賴于芯片的算力。在電腦上，CPU擅長(zhǎng)數(shù)值計(jì)算，能夠推理出復(fù)雜的邏輯，缺點(diǎn)是計(jì)算速度較慢，不能并行處理任務(wù)。如果把CPU比作一個(gè)人的大腦 ，那么GPU和FPGA就相當(dāng)于四肢，可以幫助它執(zhí)行任務(wù)。

在訓(xùn)練單位方面，以ChatGPT為代表的人工智能大模型訓(xùn)練和推理需要強(qiáng)大的計(jì)算支持。ChatGPT單次訓(xùn)練所需算力約27.5PFlop/s-day，單顆NVIDIA V100芯片深度學(xué)習(xí)算力為125TFlops，則ChatGPT模型的訓(xùn)練至少需要1顆V100芯片計(jì)算220天（27.5*1000/125=220）才能完成。

在訓(xùn)練成本方面。GPT-3的數(shù)據(jù)訓(xùn)練需要45TB。訓(xùn)練該模型所需的算力是3640PF，總成本高達(dá)1200萬(wàn)美元。2021年，全球計(jì)算設(shè)備算力總規(guī)模達(dá)到615EFlop/s，而到2023年，全球大模型訓(xùn)練所需全部算力相當(dāng)于超過(guò)200萬(wàn)張A100顯卡。預(yù)計(jì)到2030年，全球算力規(guī)模將達(dá)到56ZFlps，年均增長(zhǎng)率約為65%。我國(guó)計(jì)算設(shè)備算力總規(guī)模達(dá)到202EFlops，占全球約33%。

AI芯片特點(diǎn)及具體參數(shù)對(duì)比

1、CPU：底層核心算力芯片

AI芯片分為幾類。首先是CPU，其邏輯單元占60%，計(jì)算單元占40%。CPU在復(fù)雜的邏輯運(yùn)算能力方面較強(qiáng)，主要用于邏輯控制，但計(jì)算單元較少，不擅長(zhǎng)處理并行計(jì)算任務(wù)。

針對(duì)這一弱點(diǎn)，可以通過(guò)增加核數(shù)來(lái)提高能力。包括AMD，因?yàn)樗鼈兌际菑?fù)雜指令的架構(gòu)。從單核發(fā)展到多核，AMD推出了96核，Intel推出了56核。所以，對(duì)于CPU指令集來(lái)說(shuō)，復(fù)雜指令主要是Intel和AMD，而簡(jiǎn)化指令則有許多其他公司推出，比如ARM架構(gòu)、阿爾法等。

在國(guó)產(chǎn)芯片領(lǐng)域，國(guó)內(nèi)有六大CPU廠商。第一個(gè)是擁有最核心的內(nèi)部IP內(nèi)核授權(quán)，即X86架構(gòu)。包括上海兆芯和海光，后者已經(jīng)上市。然而，海光的自主程度相對(duì)較低，安全基礎(chǔ)不夠牢靠，但其特點(diǎn)是發(fā)展速度最快，因?yàn)槠洮F(xiàn)有架構(gòu)和生態(tài)系統(tǒng)最成熟。這也是海光能夠達(dá)到2000億市值的原因。第二個(gè)是指令架構(gòu)授權(quán)，比如ARM架構(gòu)的華為鯤鵬和天津飛騰，處于自主研發(fā)和生態(tài)構(gòu)建之間。第三個(gè)是最極端的，既有指令架構(gòu)授權(quán)，又進(jìn)行自主研制指令集，比如龍芯中科和申威科技。這兩者的自主程度高，但生態(tài)構(gòu)建極其困難。從長(zhǎng)遠(yuǎn)來(lái)看，自主研發(fā)是最好的選擇，但從短期來(lái)看，則可能選擇全部授權(quán)。

2、CPU+XPU：異構(gòu)形式成為大算力場(chǎng)景配置主流

未來(lái)AIGC將以CPU+XPU的異構(gòu)形式成為主流。與CPU相比，XPU具有更強(qiáng)大的計(jì)算能力。目前最流行的異構(gòu)計(jì)算系統(tǒng)是CPU+GPU，其中CPU負(fù)責(zé)對(duì)計(jì)算機(jī)的硬件資源進(jìn)行控制和調(diào)配，并負(fù)責(zé)操作系統(tǒng)的運(yùn)行，而GPU、FPGA等芯片則作為CPU的加速器存在。

3、GPU：AI高性能計(jì)算王者

我們現(xiàn)在重點(diǎn)關(guān)注的是GPU，作為AI高性能計(jì)算的王者，有兩個(gè)主要功能：圖形渲染和通用計(jì)算。而英偉達(dá)之所以如此受歡迎，因其具備通用計(jì)算功能，即GPGPU。這種模式將圖形渲染功能削弱，增加通用計(jì)算功能。GPU微架構(gòu)設(shè)計(jì)是提升GPU性能的關(guān)鍵，它是兼容特定指令集的物理電路構(gòu)成，包括流處理器、紋理映射單元、光柵化處理單元、光線追蹤核心、張量核心、緩存等組件。英偉達(dá)H100相比A100，性能提升了1.2倍來(lái)自于核心數(shù)目的提升，性能提升了5.2倍則來(lái)自于微架構(gòu)的設(shè)計(jì)。

然而，在通用技術(shù)方面，國(guó)產(chǎn)廠商與國(guó)外仍存在巨大差距。目前我國(guó)使用的GPU芯片全部來(lái)自英偉達(dá)和AMD這兩家公司，雖然圖形渲染上的差距不斷縮小，但在通用計(jì)算方面仍然存在較大差距。首先，在制程方面，英偉達(dá)采用4納米制程，而國(guó)內(nèi)廠商目前仍在7納米制程上。其次，在算力方面，國(guó)內(nèi)廠商大多不支持雙精度（FP64）計(jì)算，而在單精度（FP32）和定點(diǎn)計(jì)算（INT8）方面與國(guó)外中端產(chǎn)品持平，天數(shù)智芯、壁仞科技的AI芯片產(chǎn)品在單精度性能上超過(guò)NVIDIA A100。最后，在生態(tài)方面，國(guó)內(nèi)企業(yè)多采用OpenCL進(jìn)行自主生態(tài)建設(shè)，相比Nvidia CUDA的成熟生態(tài)，差距較為明顯。

4、FPGA：國(guó)產(chǎn)替代空間巨大

至于FPGA，國(guó)產(chǎn)替代的潛力還是很大。吞吐量是CPU的十倍，功耗卻只有GPU的十分之一。全球FPGA市場(chǎng)呈現(xiàn)“兩大兩小”格局，Altera與Xilinx市占率共計(jì)超過(guò)80%，Lattice和Microsemi市占率共計(jì)超過(guò)10%。根據(jù)Frost&Sullivan的數(shù)據(jù)，國(guó)內(nèi)FPGA廠商的國(guó)產(chǎn)化率不到5%，未來(lái)國(guó)產(chǎn)化的空間非常廣闊。在工藝制程方面，當(dāng)前國(guó)產(chǎn)廠商的先進(jìn)制程集中在28nm，落后于國(guó)際16nm水平。而在等效LUT數(shù)量上，國(guó)產(chǎn)廠商旗艦產(chǎn)品只有約Xilinx高端產(chǎn)品的25%。

同時(shí)，我們正在考慮投資MPGA（Massively Parallel Genetic Algorithms）芯片企業(yè)，MPGA是替代和補(bǔ)充FPGA的。重點(diǎn)考慮的是結(jié)構(gòu)優(yōu)化，結(jié)構(gòu)優(yōu)化可以讓MPGA超越FPGA在速度、容量、融合性、算力和功耗成本等方面都非常強(qiáng)。采用90納米工藝相對(duì)于FPGA的14到16納米工藝，從而減輕對(duì)光刻機(jī)的依賴。MPGA的基本訣竅是采用多層結(jié)構(gòu)特殊工藝，簡(jiǎn)化了結(jié)構(gòu)，使指令執(zhí)行速度更快，功耗更小。它實(shí)現(xiàn)了邏輯和配線分離，避免了馮諾依曼構(gòu)架中運(yùn)算單元和存儲(chǔ)單元分置的情況，實(shí)現(xiàn)了“存算一體”的功能。

5、ASIC：國(guó)產(chǎn)替代正當(dāng)時(shí)

ASIC芯片因其定制化和分散化的特點(diǎn)而成為最成熟的解決方案。定制化的特點(diǎn)使得ASIC芯片能夠根據(jù)客戶需求進(jìn)行定制設(shè)計(jì)，因此其市場(chǎng)壁壘相對(duì)較小。目前國(guó)內(nèi)廠商在7nm工藝上已經(jīng)與國(guó)外廠商持平，并且算力方面也逐漸趕上。國(guó)內(nèi)廠商有望突破國(guó)外AI芯片的壟斷地位。

AI芯片的生態(tài)建設(shè)和產(chǎn)業(yè)規(guī)劃

對(duì)于AI芯片來(lái)說(shuō)，最重要的護(hù)城河之一是生態(tài)體系，就像操作系統(tǒng)對(duì)于芯片的重要性一樣。生態(tài)體系對(duì)用戶體驗(yàn)至關(guān)重要，比如英偉達(dá)的CUDA架構(gòu)大幅降低了GPGPU并行計(jì)算的編程難度，實(shí)現(xiàn)了GPU并行計(jì)算的通用化。作為完整的GPU解決方案，CUDA提供了硬件的直接訪問(wèn)接口，降低了開(kāi)發(fā)門檻。

對(duì)于國(guó)內(nèi)廠商，建設(shè)生態(tài)系統(tǒng)有兩條路線。一是兼容英偉達(dá)的CUDA，可以減輕開(kāi)發(fā)和遷移難度，快速實(shí)現(xiàn)客戶端導(dǎo)入；二是自建生態(tài)系統(tǒng)，借鑒AMD和Google的做法，擺脫對(duì)英偉達(dá)的依賴，打造自己的生態(tài)圈核心壁壘。預(yù)計(jì)硬件性能高效且能構(gòu)建符合下游需求的生態(tài)體系的國(guó)產(chǎn)廠商有望脫穎而出。

未來(lái)算力升級(jí)路徑

1、Chiplet是AI芯片大勢(shì)所趨

如何打破算力和制程工藝方面的瓶頸限制尤為重要，特別是在14納米以下的制程無(wú)法生產(chǎn)且無(wú)法做出來(lái)的情況下。解決這個(gè)問(wèn)題，我們需要依靠先進(jìn)封裝技術(shù)。系統(tǒng)異質(zhì)整合是提升系統(tǒng)性能、降低成本的關(guān)鍵技術(shù)之一。AI芯片中，Chiplet技術(shù)正在興起，類似于搭積木的方式，通過(guò)先進(jìn)的集成技術(shù)將一些預(yù)先生產(chǎn)的實(shí)現(xiàn)特定功能的裸片（Chip）封裝在一起，形成一個(gè)系統(tǒng)級(jí)芯片（SoC）。封測(cè)產(chǎn)業(yè)在國(guó)內(nèi)芯片行業(yè)的產(chǎn)業(yè)鏈中處于最成熟的階段，通富微電和長(zhǎng)電科技已經(jīng)是全球第三大封裝企業(yè)，華天科技也處于市場(chǎng)戰(zhàn)略很高的地位。

2、存算一體：打破“存儲(chǔ)墻”限制

存算一體是一種新型的算力架構(gòu)。在傳統(tǒng)處理器設(shè)計(jì)中，主要關(guān)注提升計(jì)算速度，而存儲(chǔ)方面更注重容量提升和成本優(yōu)化，這導(dǎo)致了“存”和“算”之間性能失配的問(wèn)題，即馮諾依曼架構(gòu)中的“存儲(chǔ)墻”和“功耗墻”。從處理單元外的存儲(chǔ)器提取數(shù)據(jù)的時(shí)間往往是運(yùn)算時(shí)間的成百上千倍，整個(gè)過(guò)程的能耗大約在60%到90%之間，能效非常低，成為了計(jì)算的瓶頸。在我國(guó)，存算一體的市場(chǎng)空間很大，預(yù)計(jì)到2025年將達(dá)到125億元，到2030年有望達(dá)到1136億元，增速也非常驚人。

最后，分享一個(gè)投資體會(huì)，當(dāng)我們進(jìn)行投資時(shí)，不僅僅應(yīng)該專注于技術(shù)本身，更重要的是要跳出技術(shù)的視角，綜合考慮多方面因素。單純專注于技術(shù)而忽略其他方面可能導(dǎo)致投資效果不佳。

問(wèn)答

Q1: AIGC對(duì)于國(guó)內(nèi)的中大型企業(yè)來(lái)講，應(yīng)用的障礙在于數(shù)據(jù)安全、流動(dòng)共享等問(wèn)題。目前我們有什么破局的手段和辦法？

A:主要有兩個(gè)層面，從國(guó)家立法層面，要持謹(jǐn)慎的態(tài)度。另外要做數(shù)據(jù)脫敏分析，不能直接進(jìn)行盈利，如果直接把白名單泄露出去或者進(jìn)行買賣盈利是不可行的。

Q2:按發(fā)展趨勢(shì)，就其他云計(jì)算廠商跟英偉達(dá)包括在這個(gè)芯片廠家之間的競(jìng)爭(zhēng)格局是什么樣子的？

A：這個(gè)情況有些類似于手機(jī)操作系統(tǒng)的蘋果iOS和安卓系統(tǒng)。誰(shuí)開(kāi)放，誰(shuí)采用開(kāi)源策略，并沒(méi)有一個(gè)確定的結(jié)論。核心問(wèn)題不在于技術(shù)本身，而在于生態(tài)系統(tǒng)的構(gòu)建。除非大家聯(lián)合起來(lái)，實(shí)現(xiàn)全部開(kāi)源并統(tǒng)一標(biāo)準(zhǔn)。但根據(jù)當(dāng)前趨勢(shì)來(lái)看，各家都在建立自己獨(dú)立的生態(tài)體系，自行研發(fā)芯片以降低成本。然而，要達(dá)到像英偉達(dá)那樣通用的水平，仍然具有挑戰(zhàn)性。

Q3:國(guó)內(nèi)AIGC的各類芯片成功的關(guān)鍵要素是什么？你是怎樣去選擇標(biāo)的？

A：判斷標(biāo)的標(biāo)準(zhǔn)首先要看大方向，我們必須考慮賽道的擁擠程度和競(jìng)爭(zhēng)度。為什么GPU現(xiàn)在如此熱門，而國(guó)內(nèi)卻沒(méi)有GPU呢？這是因?yàn)榇蠹叶颊驹谕粭l起跑線上。如果現(xiàn)在進(jìn)入這個(gè)領(lǐng)域，是否還來(lái)得及取得優(yōu)勢(shì)？拿CPU和GPU作比較，為什么GPU能做到而CPU做不到呢？對(duì)于投資來(lái)說(shuō)，不能對(duì)技術(shù)有過(guò)多限制，否則容易產(chǎn)生一葉障目的局限性。邏輯很簡(jiǎn)單，這類公司的應(yīng)用領(lǐng)域是國(guó)產(chǎn)替代。目前國(guó)產(chǎn)替代最廣泛應(yīng)用的是信創(chuàng)領(lǐng)域。另外，還需要看公司背景，CEO首席科學(xué)家的背書能力超過(guò)了團(tuán)隊(duì)中百分之六七十的力量。

Q4：GPGPU公司在國(guó)內(nèi)五年之后的發(fā)展格局會(huì)是什么樣？

A：目前我國(guó)國(guó)內(nèi)的GPU和GPGPU初創(chuàng)公司，都是出于剛起步階段，就像萬(wàn)米長(zhǎng)跑，只不過(guò)是誰(shuí)跑了500米，誰(shuí)跑了1000米而已，先發(fā)優(yōu)勢(shì)不是那么重要，誰(shuí)能跑到萬(wàn)米終點(diǎn)，目前來(lái)看，還沒(méi)有定論。但有一點(diǎn)，不論是先做圖形渲染功能的GPU公司，還是先做通用計(jì)算/并行計(jì)算的GPGPU公司，最后都會(huì)速途同歸，肯定都有野心做兩個(gè)功能兼?zhèn)涞腉PU公司，只不過(guò)是結(jié)合各自企業(yè)的技術(shù)優(yōu)勢(shì)和情況，切入點(diǎn)不同而已，因此未來(lái)3-5年肯定會(huì)有一番混戰(zhàn)。從綜合因素考慮，如果這家企業(yè)出身根正苗紅，擁有強(qiáng)大的創(chuàng)新能力，那么其先發(fā)優(yōu)勢(shì)將更為突出，因此大家起步的市場(chǎng)，都有賴于信創(chuàng)產(chǎn)業(yè)。

Q5：請(qǐng)問(wèn)我國(guó)目前大模型創(chuàng)業(yè)還有機(jī)會(huì)嗎？

A:目前來(lái)看，AI機(jī)器學(xué)習(xí)的大模型的主導(dǎo)地位還主要由大型企業(yè)占據(jù)。對(duì)于一些小公司來(lái)說(shuō)，創(chuàng)業(yè)的難度可能較高。有些行業(yè)可能并不適合初創(chuàng)公司去涉足。在大模型創(chuàng)業(yè)領(lǐng)域，難度不僅僅在于算法，還在于后續(xù)的資源和資金投入，需要大量的數(shù)據(jù)庫(kù)和硬件成本來(lái)進(jìn)行堆積、計(jì)算和迭代，你看GPT-3的訓(xùn)練成本就高達(dá)1200萬(wàn)美元，所以資金才是最大的門檻。

關(guān)鍵詞：