事件刺激：

今年以ChatGPT为代表的AI科技点燃市场热度，随着ChatGPT、Midjourney等现象级爆品出现，微软、Adobe、Salesforce、Zoom等软件巨头纷纷推出商业化产品，当前海外已进入商业落地阶段。ChatGPT引领的AI技术，将迎来大模型时代，作为大模型的基建底座，推动存算传需求激增。

最新消息：

9月26日，微软宣布Copilot将以初期版本形式推出，随后在今年秋天扩展到必应、Edge浏览器以及微软365 Copilot，而全球版 Copilot将在11月1日起面向企业用户提供服务。New Bing中集成DALL 3模型以加强图像AI功能，并向Bing聊天企业版提供多模态可视化搜索和图像创建工具，将加速AI应用端需求。

9月21日，华为云加速器—盘古大模型AI生态加速营在上海开营，作为中国首个全栈自主的AI大模型，盘古3.0包括"5+N+X"三层架构，将帮企业熟悉盘古、昇腾技术能力，加速AI驱动的规模化成长。

关注逻辑：

多模态AI加速突破，图生文能力打开GPT应用

9月20日，OpenAI宣布推出新版文生图AI工具DALL-E3，DALL-E3通过集成ChatGPT能力实现多项升级。此前，根据TheInformation报告，OpenAI即将推出多模态大模型GPT-vision。9月25日，根据OpenAI官网信息，ChatGPT即将在两周内对Plus和Enterprise用户开放一系列新功能，包括图像读取与理解（即图生文），以及语音对话能力。用户可以通过语音直接对ChatGPT对话，而ChatGPT也可以直接以语音的方式回复用户，使用一种新的文生语音模型，其中可选的五种声音由chatgpt向配音演员特别定制而来。

随着人工智能感知、交互和生成能力的快速发展，多模态大模型正推动人工智能迈进“通感”时代，应用场景和生态也将进一步丰富。多模态功能已成为各家AI大模型的必争之地。Meta最近推出AudioCraft，通过AI生成音乐；谷歌Bard及必应机器人均已部署多模式功能；苹果也在试验AI生成语音Personal Voice。而语音与图像数据大小显著高于文本，多模态大模型的训练推理算力需求将大幅攀升。

国内”大模型国家队“组建，大模型进入快速发展期

今年5月，国家启动大模型标准化工作，设立大模型专题组，其中百度、华为、阿里、360等入局“大模型国家队”，展示了目前国内较高水平数个大模型。《中国人工智能大模型地图研究报告》显示，从全球已经发布的大模型分布来看，中美两国数量合计占全球总数的超 80%，美国在大模型数量方面居全球之首，中国目前则已进入大模型快速发展期，与美国保持同步增长态势。据不完全统计，截止今年5月，中国10亿参数规模以上的大模型已发布79个。

截止目前国内已经有上百个大模型产品问世。而从地缘的角度来说，占据C位的还是北京和上海，其中北京的大模型公司数量和研发数量均独占鳌头，多达54个；而上海的优势则在AI算力方面。其他的一线城市如深圳、广州、杭州等也都有多个大模型创业公司。据统计，国内有11家大模型陆续通过《生成式人工智能服务管理暂行办法》备案，其中北京5家，上海3家率先上线，广东2家和安徽1家也陆续开放。从去年到现在，国内已经发生了接近100起以上的大模型行业的融资案例。从整个产业的投入估值来说， 2023年这个行业新增投入大概在150亿元到200亿元。

万卡规模、万亿参数，大模型有“高门槛”

大模型的快速迭代，需要高效算力和存储基础设施的加持。一方面，算力是大模型的引擎。语言类、视觉类模型容量和相应的算力需求都在快速扩大，金融大模型发展的背后是庞大的算力支撑。如果用“算力当量”（PetaFlops/s-day，PD），即每秒千万亿次的计算机完整运行一天消耗的算力总量，来对人工智能任务所需算力总量进行度量，大模型训练需要几百甚至几千PD的算力支持，意味着需要巨大的算力成本。如当前GPT-4和PaLM-2的算力当量已经达到GPT-3的数十倍，而谷歌正在开发的下一代多模态大模型Gemini，其训练量碾压GPT-4，达到后者5倍。

大模型光有算力远远不够，还取决于数据规模和数据质量，近几年，通用大模型的参数量快速增长。2016年OpenAI发布Gym强化学习平台，2018年GPT-1问世，模型参数为1.17亿，经过不断迭代，GPT-4参数规模达到1.76万亿。Google从2017年发布Transformer（6500万参数）架构以来，陆续发布BERT（2018年，3亿参数）、T5（2019年，110亿参数），参数规模逐步提高。近期，Google发布通才模型PaLM-E，这是全球最大的视觉语言模型，包含5620亿参数。

以ChatGPT3.0为例进行拆解，训练一次的成本约为140万美元，对于一些规模更大的模型来说，训练成本介于200万美元-1200万美元之间。随着算力需求持续增长，AI服务器的应用场景更加广泛。Trendforce预估，预估2022年全球搭载GPGPU的AI服务器年出货量占整体服务器比重近1%，即约14万台。预计2023年其出货量年成长可达8%，到2026年预计全球搭载GPGPU的AI服务器出货量将达到22.5万台左右，2022-2026年CAGR将达10.8%。根据IDC预测，到2027年中国加速服务器市场规模将达到164亿美元其中非GPU服务器市场规模将超过13%。

随着AI商业化落地节奏加快，后续需求有望逐步释放，将会对算力多个环节产生增量，大模型整个数据中心的架构都会发生改变，从AI服务器、到存储、再到网络的全栈方案都需要适应大模型时代的需求，同时软件服务公司将为大模型的研发及稳定运行提供安全支撑。