ChatGPT 带来大模型时代变革，数据要素重要性提升
ChatGPT 带来大模型时代变革，数据要素重要性提升
ChatGPT 是由 OpenAI 研发的一种语言 AI 模型，其特点在于使用海量语料库来生成与人类相似的反应。初代 GPT 模型参数 1.17 亿，GPT2模型、GPT3 模型参数分别达到 15 亿、1750 亿。不断提升的参数量级，使得 ChatGPT3 当前已经能够应用在商业、研究和开发活动中。当前此类参数体量庞大的模型，成为各大科技厂商研发重点。大模型的基础为高质量大数据。ChatGPT 的前身 GPT-3 就使用了 3,000 亿单词、超过 40T 的数据。此类大数据基础的前提为三部分 1）有效场景下的采集数据；2）大数据的存储、清洗和标注；3）数据质量检验。
大模型发展之下，算力与网络设施建设成为刚需
算力：ChatGPT 类人工智能需要更充足的算力支持其处理数据，带来更多高性能的算力芯片需求。英伟达表示，GPT-3 需要 512 颗 V100 显卡训练 7 个月，或者 1024 颗 A100 芯片训练一个月。2012 年以来，AI 训练任务中的算力增长（所需算力每 3.5 月翻一倍）已经超越摩尔定律（晶体管数量每 18 月翻一倍）。
网络设施：以微软 Azure 为例，其 AI 基础设施由互联的英伟达 Ampere A100 Tensor Core GPU 组成，并由 Quantum infiniBand 交换机提供横向扩展能力。服务器节点多、跨服务器通信需求巨大，网络带宽性能成为GPU 集群系统的瓶颈，解决方式包括增加单节点通信带宽与降低网络收敛比，带来光模块、交换机等需求。
下游应用场景丰富，多行业落地可期
1）“生成式 AI (generative AI)”在互联网及元宇宙领域市场化空间较为广阔。基于现行的 NLP 算法发展程度及数据集规模。在不久的将来，生成式 AI 有较大可能在“智能客服”和“搜索引擎”进行增值，并有希望以“插件”的形式赋能现有的“生产力工具链(工程软件/音视频制作工具等)”。
2）AI 在制造业的应用可分为三方面：a）智能装备：指具有感知、分析、推理、决策、控制功能的制造装备，典型代表有工业机器人、协作机器人、数控机床等；b）智能工厂：重点在于实现工厂的办公、管理及生产自动化，典型的代表场景有协作机器人、智能仓储物流系统等；c）智能服务：指个性化定制、远程运维及预测性维护等。
3）人工智能在智能汽车领域的应用包括：a）智能驾驶依托 AI，将从驾驶辅助发展至自动驾驶；b）智能座舱在 AI 支持下，从出行工具演变为出行管家。
