随着位数经济持续发展，AI大数学模型商品涌现。在此轮AI革新中，大数学模型肩负的配角和功能定位是什么？未来大数学模型商品的更进一步预览健全下，供应链什么样各个环节可望更受惠呢？
日前，海通证券信息部信息技术硬体金融行业执行官分析师、执行副总经理彭虎开讲势不可挡新闻报道《执行官联络人》北京人民广播电台，就上述相关问题作出分析阐释。
市场需求和供应侧均有推动力对于当今社会海内外大数学模型商品的不断涌现，彭虎表示驱动力因素主要就有两各方面：其一市场需求侧，二是供应侧。
“市场需求侧各方面，主要就是可视化新体验升级换代、企业提高效率等政治理念。一各方面，大数学模型具有很强的泛奥厄恩，有前瞻性地松动可适用于于不同应用情景，例如在办公设备、会议纪要、谈话、搜寻、电视广告、油画、作词等各种类型内容聚合领域广泛分布，并助推智能终端人机可视化商业模式的开拓性革新。”彭虎表示。
彭虎更进一步表示，另一各方面，大数学模型的操控性较原先AI小数学模型能力大列佩季哈区，虽然AI小数学模型已经广度借力智能家居、互联网、金融、工业、医疗保健等众多情景，但大数学模型可望更进一步帮助各金融行业降本增效。
“供应侧各方面，主要就是海外供应商的若丽鱼负面效应。为防止由于基础薄弱造成的市场竞争下风，国内信息技术巨擘纷纷将研制关注点迁移至大数学模型。”彭虎说。
可望成为重要的演算法基础网络平台
对于大数学模型接下来的发展功能定位，彭虎认为，大数学模型在此轮AI革新中，未来可望成为重要的演算法基础网络平台。
“金融行业有‘如果将AI（人工智能）比作电力，那么大数学模型则相当于发电机’这样一个很形象的比喻，我也深以为然。随着政策法规不断健全、算力设施配套性不断增强等，大数学模型可望发展为重要性比肩算力的基础网络平台，届时算力基础建设与演算法基础网络平台将共同广度借力社会的各个各个环节，大数学模型会成为各行各业AI能力的重要源泉。”彭虎表示。
具体到应用各方面，彭虎表示，大数学模型并不局限于语言理解，还能够在视觉、声音等各种类型模态中发挥作用，跨模态大数学模型更是可望将人工智能水平托举至新高度。
“多模态能力结合聚合式技术，人工智能也有了创造力。聚合式AI作为一类机器学习演算法，能够在学习吸收现实既有数据的基础上，经过训练与精调，对外输出文本、图像、语音、视频、代码等内容，从技术发展现状看，AI聚合内容已在相当大的程度上媲美人类。”彭虎更进一步表示。
彭虎表示，ChatGPT、DALL-E 2、Whisper、X-CLIP、Codex等应用，已分别在文本、图像、语音、视频、代码等领域，展现出不俗的创造力。
应用落地情况各方面，彭虎看好消费情景的四个方向：其一智能手机，硬体端可望助推移动AI芯片操控性提升，更进一步可望助推手机创新加快，同时在生态端，手机端或可望形成新的流量入口，长期或深刻影响产业商业商业模式；二是可穿戴商品；三是智能家居；四是机器人，目前谷歌已探索了通过自主学习的大数学模型，在现实环境中处理机器人指令，实现复杂任务的完成。
插值市场需求带来算力市场需求上修
供应链各方面，彭虎分析称，大数学模型的上游主要就包括硬体的芯片、服务器、通信网络；软件的云计算、数据库、虚拟化等。
“中游包括演算法研制的编程语言、演算法框架、模型测评等；数学模型管理维护的系统管理、API管理、数据管理等。”彭虎更进一步表示，“下游包括各种类型金融行业情景，如社交、媒体、营销、教育、娱乐等，主要就实现内容生产、创意设计、谈话引擎、辅助开发等功能。”
展望下一步，彭虎表示，为满足大数学模型插值市场需求，算力市场需求正不断上修，当今社会谷歌、特斯拉、英伟达等供应商的硬体插值，已反映该市场需求的变化。
“同时，AI芯片各方面，云端AI算力芯片渗透率仅为个位数，未来成长空间广阔。AI服务器各方面，市场竞争格局上当前互联网云计算供应商的白牌服务器占主导，未来随着边缘侧应用的成熟，品牌服务器供应商份额也可望提升。”彭虎说。
云端算力基础建设更受惠
随着大数学模型应用的推出和预览健全，供应链的什么样各个环节可望更受益呢？
“其一算力芯片。AI范式进入‘炼大数学模型’时代，对AI芯片计算能力、存储容量、通讯带宽等多个维度提出了更高的技术要求。更大算力、更高内存、更快带宽的AI芯片市场需求可望持续提升。”彭虎表示。
彭虎更进一步表示，二是服务器。相较于传统的服务器，AI服务器以异构形式配备了GPU、NPU、FPGA、ASIC等多类芯片，能够支持大数学模型训练的高算力市场需求。AI服务器对算力、功耗、存储、通信等有更高的要求，由此带来芯片配置、硬体架构、机箱设计等各方面的差异。
“三是交换机。数据流量的快速增长，叠加人工智能发展推动数据中心网络架构转型，可望驱动力交换机数量和端口速率上行，高速以太网交换机市场可望实现强劲增长。”彭虎称。
彭虎表示，四是光模块。考虑到数学模型并行训练、AI应用推理的快速发展，800G、1.6T等下一代光模块商品的渗透率提升曲线，或将变得更为陡峭。此外，硅光模块、CPO技术可望引领下一代数据中心风向，助力超高带宽数据互联。
“五是存储与温控等。AI数学模型的训练及推理对存储器提出了更高的要求，可望加速SSD对HDD的替代进程。同时，AI服务器高能耗特性，可望推动数据中心的散热系统向液冷预览插值。”彭虎说，“六是电源。大数学模型高能耗的特点，可望增大对电力的市场需求。”
C端和B端仍有不确定性因素
虽然当今社会大数学模型面临的利好因素很多，但彭虎强调，大数学模型的发展在C端和B端仍有一些不确定性因素。
“ToC端，除了GPT-4，其他AI数学模型的用户还处于免费新体验的商业模式，同时以Microsoft 365、New bing等为代表的应用，也仍处于免费新体验的商业模式，收费商业模式尚不确定。ToB端，目前大量初创企业接入的ChatGPT、GPT-4 API接口收费较低，未来的收费标准和商业模式也不确定。”彭虎解释称。
投资各方面，彭虎提醒投资者，仍需防范AIGC相关演算法技术及应用商业落地进展不及预期的风险。
“随着全社会位数化转型及智能化渗透率的提升，人工智能持续借力各行各业。人工智能依赖于海量数据进行数学模型训练及推理应用，并推动全社会算力市场需求的提升，因此服务器、存储器、通信网络设备等上游硬体基础建设，均可望受惠于AI驱动力的算力市场需求提升。但如果人工智能发展及应用落地不及预期，可能会使上游硬体设备受到市场需求侧的压制，导致发展不及预期。”彭虎说。
(本文来自势不可挡新闻报道，更多原创资讯请下载“势不可挡新闻报道”APP)
