源起

自从2023年初，OpenAI公开发布ChatGPT大模型后，便引爆了AIGC领域。

chatGPT

AIGC（Artificial Intelligence Generated Content，生成式人工智能），被称为是人工智能从1.0时代进入2.0时代的重要标志。

AI产业链框架图，来源：中泰证券

AIGC可应用于各行各业，比如聊天、写作、视频、音频、制图、设计等，甚至可以生成游戏策略和代码。AIGC时代序幕已拉起，AI领域的应用和创业迎来资本的追捧，各大厂商也纷纷布局。

AIGC商业落地产业图谱，图片来源: TE智库《企业AIGC商业落地应用研究报告》

当前，国内的AIGC产业链结构主要由基础大模型、行业场景中模型、业务领域小模型，AI基础设施、AIGC配套服务五部分构成，并且已经形成了丰富的产业链。

AIGC的应用，离不开底层芯片与算力的支撑，因此，对于投资、理财甚至科普，如何理解什么是算力芯片产业，尤为关键。

AI算力芯片

AI的智能化程度是直接由它所能调用的计算资源来决定的。因此，为了衡量计算资源，就有了算力这一概念。算力其实就是计算能力，按《中国算力发展指数白皮书》中的定义：算力是设备通过处理数据，实现特定结果输出的计算能力。

有关算力方面的详细信息，若有兴趣，可参阅作者文章：简单科普：人工智能的算力Tops到底是个什么东西！

那么AI算力芯片行业有哪些机遇和龙头厂商呢？

算力芯片的分类

从技术架构来看，算力芯片主要分为GPU、FPGA以及ASIC三大类（严格意义上，只要是能进行逻辑运算的新欧都可以被称为算力芯片，包括CPU，更详细信息请参阅作者文章：一文，帮你捋顺所有芯片分类！）。

算力芯片

ASIC（Application-Specific Integrated Circuit , 特定应用集成电路）芯片主要应用于深度学习加速，体积小，功耗低，定制化程度高是其主要特征，以 VPU、TPU（谷歌AlphaGo背后的功臣） 为代表。ASIC芯片，能够在某一特定场景、算法较固定的情况下，实现更优性能和更低功耗，可以满足企业对极致算力和能效的追求。我国的ASIC主要企业有寒武纪、蓝旗科技、黑芝麻、地平线、华为、海思、阿里巴巴等。

第一代算力芯片就是ASIC架构的时代。尽管ASIC有着极致的算力和能效，但也存在着应用场景局限、依赖自建生态、客户迁移难度大、学习曲线较长等问题。

FPGA（Field-Programmable Gate Array，现场可编程门阵列）其主要功能也是配合CPU进行加速。它是由一堆可编程逻辑单元（可以是门电路、寄存器、算数单元等等），以及大量可编程互连线构成的。将原本用硬连线实现的数字电路编程软件实现，从而更加灵活可塑。

对于需要频繁修改、更新功能的项目，FPGA比ASIC更加适合。因为，只要通过编程即可实现修改和升级，避免了设计、测试和生产等环节需要重新进行的情况。海外大厂赛灵思和英特尔形成双头垄断。

GPU（Graphics Processing Unit，图形处理器）的计算能力最强，通用性强，可以为深度学习提供良好的加速效果，但是成本高，功耗高。目前GPU市场主要由英伟达、AMD和英特尔三家公司占据，英伟达在GPU领域一家独大，美国很早之前就已限制对华销售最先进，使用最广泛的AI训练GPU英伟达100以及H100。

GPGPU（General-purpose computing on graphics processing units，通用图像处理器）是一种利用处理图形任务的图形处理器，来计算原本由中央处理器处理的与图形处理没有任何关系的任务。在不断迭代和发展中成为AI计算领域的最新发展方向。

GPU、FPGA、 ASIC

GPGPU和GPU的区别：

1、GPGPU负责非图形相关程序的运算，而GPU负责的是图形渲染。

2、GPGPU通常被集成到CPU，而GPU则是作为一个单独的模块，也就是独立显卡核心或者主板集成显卡核心。3、GPU负责图形渲染、图形计算的场景，在玩游戏时GPU的性能至关重要；而GPGPU则是负责一些和图形无关的计算，具体体现在加密解密的速度等等。

其实，如果非要算的话，其实还有一个存算一体芯片，属于尚未非常成熟的新型计算机架构，感兴趣的可以参与作者文章：用人话讲明白，存算一体芯片到底是怎么一回事？

算力芯片的主要用途

根据算力芯片实践目标，可分为训练芯片和推理芯片两类。

训练芯片：用于构建神经网络模型的算力芯片，训练需要高计算性能 (高吞吐率) 、低功耗，更为注重绝对的计算能力。训练芯片主要用于机器学习和深度学习的训练过程。需要通过大量的数据进行学习，以便能够对新的未知的数据进行准确的预测或分类，因此训练芯片需要有强大的并行处理能力，训练芯片还需要有高效的存储器，以便能够快速地访问和更新数据。

推理芯片：主要是利用训练好的神经网络模型进行推理预测，利用输入的新数据来一次性获得正确结论的过程。推理芯片的目标是在已经训练好的模型上执行任务，推理芯片不需要进行复杂的学习过程，其设计重点是在保持高效计算的同时，尽可能减少功耗。因此，推理芯片比较关注低延时、低功耗，对于计算能力要求相对较低。

后记

风口上，猪都可以飞起来，集成电路设备、制造、封测的风口已然过去，整体上已然处于下行周期。但蹭着人工智能的热度，算力芯片及存储芯片细分赛道，倒是依然保持着强劲的势头，大有更上一层楼的态势。