算力需求陡增，ChatGPT初始投入或近十亿美元。1）和传统人工智能小模型不同，Chatgpt采用大模型支撑，可以满足通用场景需要。而这也带来了模型参数量及预训练数据量的扩张，算力成为衡量投入的关键指标。2）根据我们估算，以Chatgpt日前约2500万日活、使用英伟达A100芯片等作为基础假设，访问阶段算力初始投入约近8亿美元，训练阶段算力投入约为单次140万美元；另外，考虑Google每日搜索量已达到35亿，我们认为Chatgpt日活提升空间广阔，算力需求有望持续释放。文字交互仅为起点，大模型迈向输入输出多模态。1）NLP只是大模型的应用领域之一，未来大模型的输入输出可以不仅限于文字，虽然当前影响力最强的ChatGPT是NLP模型，但还可以包括图像、视频等多种形式，成为多模态模型，例如OpenAI的绘画AI模型DALL-E2，在AIGC界引起过巨大反响的Stable Diffusion等等。2）由于多模态模型使用图像、视频等多媒体数据进行训练，而此类文件大小远超文字，导致训练所需数据量远超语言模型。以Stable diffusion为例，根据公司官网信息披露，该模型训练数据集为LAION 5B的一个子数据集，而LAION 5B的数据包至少80TB，规模已经远超传统语言类大模型训练时使用的数据量（一般是GB级的）。无独有偶，DALL-E2模型在训练时使用了6.5亿张图片，按单张图片大小512*512像素（约256kb）估算，整体训练数据集大小高达约155TB。由此可见，多模态大模型的训练对算力芯片数量需求远胜语言类模型，算力需求有望进一步扩张。应用形式多点开花，算力或迎来高速扩张时代。1）文字：Outlook等主流邮箱已可利用OpenAI技术及GPT自动生成格式化的电子邮件回复，考虑全球每天超3000亿封的电子邮件发送量、Outlook约8%的市占率、每个单词数据量约为5B等因素，我们预计，接入Outlook邮件场景后，Chatgpt每日生成数据量或为261GB，相比目前官网问答式场景约33GB的数据量、或有近8倍提升。2）语音：Teams与OpenAI已正式开展合作，可实现生成纪要、划分章节、时间标记、实时翻译等多类功能，官方定价为10美元/月。相比文字，音频数据量明显更大，约为2B/秒；参考Teams每日约60亿分钟的总会议时长，考虑相关功能使用比例，Teams每日新增数据量需求约为336GB。3）图片：根据文字描述、标签点击等自动生成图片的功能已有商业化落地，万兴科技Filmora也已计入OpenAI，为视频创作者提供更定制化的图片素材。根据我们估算，以Filmora现有场景为基础，OpenAI图片素材输出数据量约为每日586GB。4）视频：《犬与少年》是 AIGC 技术辅助商业动画片的发行级别作品，由Netflix、小冰公司日本分部（rinna）、WIT STUDIO共同创作。在视频领域，单秒输出数据量或达到1MB，是目前较为复杂的应用场景之一。随着AIGC技术在影视剧集、宣传视频等领域逐步渗透，视频创作效率或迎来显著提升，星辰大海拉开序幕。综上，我们认为，目前文字交互仅为Chatgpt以及AIGC应用场景的冰山一角，语音、图片、视频等多形式的输入输出，或将为内容创作领域带来革命性变化。而更广的数据形态、更多的应用场景、更深的用户体验，亦将大幅提升支撑人工智能的算力需求，算力或迎来高速扩张时代。投资标的：1）服务器：浪潮信息、紫光股份、神州数码、中科曙光、拓维信息等；2）芯片：景嘉微、寒武纪、海光信息、龙芯中科等；3）IDC：宝信软件、万国数据、数据港、世纪华通等；4）光通信等。风险提示：AI技术迭代不及预期风险、经济下行超预期风险、行业竞争加剧风险、假设测算与实际不符风险
以大模型为基础，参数量、数据量高度扩张，算力需求陡增。1）ChatGPT是生成式AI的一种形式，背后的支撑是人工智能大模型。大模型通常是在无标注的大数据集上，采用自监督学习的方法进行训练。之后，在其他场景的应用中，开发者只需要对模型进行微调，或采用少量数据进行二次训练，就可以满足新应用场景的需要。这意味着，对大模型的改进可以让所有的下游小模型受益，大幅提升人工智能的适用场景和研发效率。因此大模型成为业界重点投入的方向，OpenAI、谷歌、脸书、微软，国内的百度、阿里、腾讯、华为和智源研究院等纷纷推出超大模型。2）在大模型的框架下，每一代GPT模型的参数量均高速扩张；同时，预训练的数据量需求亦快速提升。我们认为，ChatGPT的快速渗透、落地应用，也将大幅提振算力需求。
Chatgpt月活过亿，访问量爆发式增长。根据Similarweb的数据，2023年1月，平均每天约有1300万独立访客使用ChatGPT，是2022年12月份的两倍多；累计用户超1亿，创下了互联网最快破亿应用的记录，超过了之前TikTok9个月破亿的速度。
访问阶段的算力每天发生，成为衡量ChatGPT投入的关键指标。
1）计算假设：
英伟达A100：根据OneFlow报道，目前，NVIDIA A100是AWS最具成本效益的GPU选择。
英伟达DGX A100服务器：单机搭载8片A100 GPU，AI算力性能约为5 PetaFLOP/s，单机最大功率约为6.5kw，售价约为19.9万美元/台。
每日咨询量：根据Similarweb数据，截至2023年1月底，chat.openai.com网站（即ChatGPT官网）在2023/1/27-2023/2/3这一周吸引的每日访客数量高达2500万。假设以目前的稳定状态，每日每用户提问约10个问题，则每日约有2.5亿次咨询量。
A100运行小时：假设每个问题平均30字，单个词在A100 GPU上约消耗350ms，则一天共需消耗729,167个A100 GPU运行小时。
A100需求量：对应每天需要729,167/24=30,382片英伟达A100 GPU同时计算，才可满足当前ChatGPT的访问量。
初始算力投入：以前述英伟达DGX A100为基础，需要30,382/8=3,798台服务器，对应3,798/7=542个机柜。则，为满足ChatGPT当前千万级用户的咨询量，初始算力投入成本约为542*140=7.59亿美元。
每月电费：用电量而言，542*45.5kw*24h=591,864kwh/日。参考Hashrate Index统计，我们假设美国平均工业电价约为0.08美元/kwh。则，每日电费约为591,864*0.08=4.7万美元/日。
另外，考虑Google每日搜索量已达到35亿，我们认为Chatgpt日活提升空间广阔，算力需求有望持续释放。
2）训练阶段：公有云下，单次训练约为百万至千万美元
NLP只是大模型的应用领域之一，图像、视频等领域也可使用Transformer大模型这一技术路径。Transformer虽然最早提出之时，用于NLP领域，但随着这一技术路径不断普及流行，图像、视频、音乐等领域也开始使用Transformer的技术路线，探索各类跨类别任务（比如根据文字指令输出图像等）。未来大模型的输入输出可以不仅限于文字，还可以包括图像、视频等多种形式，成为多模态模型。虽然当前影响力最强的ChatGPT是NLP模型，但大模型的能力远远不仅限于文字。输入文字生成图像、输入文字生成音乐、输入图像生成图像……此类功能现在已经可以通过AI大模型一定程度上实现，这类模型被称为多模态模型，例如OpenAI的绘画AI模型DALL-E2，在AIGC界引起过巨大反响的Stable Diffusion，以及谷歌推出的音乐生成AI模型MusicLM等。1）DALL-E 2：OpenAI推出的AI绘画模型，在前代DALL-E的基础之上有了很大提升，可以直接根据文字生成图像，也可以输入图像后、自现成图像上根据文字指令进行部分修改，功能强大。2）Stable diffusion：由stability.ai公司在去年开源的AI绘画模型，可以通过输入文字生成对应图像。由于效果极佳，模型一经开源即在AIGC界引起极大反响。多模态模型训练数据为图像、视频等，规模远大于语言类模型，算力需求有望激增。由于多模态模型使用图像、视频等多媒体数据进行训练，而此类文件大小远超文字。1）以Stable diffusion为例，根据公司官网信息披露，该模型训练数据集为LAION 5B的一个子数据集，而LAION 5B的数据包至少80TB，规模已经远超传统语言类大模型训练时使用的数据量（一般是GB级的）。该模型使用4000块英伟达A100训练了一个月，算力需求庞大，若按AWS官网上租用价格（32.77美元/小时/8 GPU）计算，则该模型训练成本可高达4000/8*32.77*24*30=1179.72万美元。2）无独有偶，DALL-E2模型在训练时使用了6.5亿张图片，按单张图片大小512*512像素（约256kb）估算，整体训练数据集大小高达约155TB。由此可见，多模态大模型的训练对算力芯片数量需求远胜语言类模型，算力需求有望扩张。
OpenAI GPT3自发布以来，在翻译、问答、内容生成等纯文本领域均有不俗表现，吸引了海内外科技巨头纷纷加大投入。目前，OpenAI快速扩充适用场景，从语言形式逐步拓展至文字、语音、图片、视频等各类场景。我们认为，AI大模型的快速渗透和多领域落地应用，有望大幅提振算力需求。3.1 文字：从搜索到邮件，Outlook/Gmail、Word有望渐次接入邮件服务已落地，Outlook、Gmail等主流邮箱已适配。1）Outlook：Viva Sales在微软云中利用OpenAI和GPT自动生成格式化的电子邮件回复。在回复电子邮件时，Viva Sales根据“提出建议”、“答复询问”、 “表达关切“或“自定义”等类别提供对应文本，用户只需选择适合他们需求的选项，在生成文本后根据自己的喜好进行编辑和发送。2）Gmail：目前ChatGPT已经与Gmail邮箱进行适配，可以通过ChatGPT AI生成完整的电子邮件和消息，在Google浏览器提供免费Chrome。全球每天电子邮件发送量超三千亿封，Outlook市占率约8%。1）根据FinancesOnline数据，2022 年全球企业和个人用户每天发送约3332亿封电子邮件，垃圾邮件占电子邮件流量的 47.3%。2）根据Litmus Email Analytics数据，从2021年1月到2021年3月电子邮件客户端Gmail与Outlook的市场占有率为27.2%、7.8%。则，可以推出每天企业和个人使用Outlook客户端发送非垃圾邮件约3332*（1-47.3%）*7.8%=137亿封。据估算，整体而言，Outlook每日邮件数据量约为25.52TB。- 邮件字符数：根据Aweber统计，每封邮件平均长度为434.48个单词；根据English Letter Frequency Counts:Mayzner Revisited or ETAOIN SRHLDCU论文统计，谷歌扫描的书籍数据库中平均每个单词4.79个字母。
- 邮件数据量：每个英文字母大约一个字节（Byte），可推出一封邮件平均约为434.48*4.79/1024=2KB。则考虑Outlook每日约137亿封邮件的发送量，总数据量约为25.52TB。
- 其他影响因素：1）仅考虑纯文本，未考虑文字排版与储存格式对数据量的影响，根据PC网，Microsoft Word 100页文档纯文本格式占用了376KB，而Word 格式保存同一份文档大小提升至 872KB；2）邮件平均长度数据为英文单词数，未考虑中文字符等。
接入Outlook邮件场景后，Chatgpt每日生成数据量或为261GB，相比目前官网问答式场景、或有约8倍的提升。1）考虑存在推广营销邮件、工作日程邮件等群发场景，我们以1%的比例，保守假设Chatgpt在邮件写作中的使用比例，则接入Outlook后，估算模型需要处理及生成的数据量约为261GB。2）对照而言，参考前文，Chatgpt截至2月初，每日官网咨询量约为2.5亿，平均每个问题30词，同样假设平均每个单词中包含约4.79个字母，则其数据量约为2.5*10^9*30*4.79B=33.46GB。Word等Office套件场景有望渐次接入，远期空间广阔。根据环球网报道，1月18日消息，微软CEO萨蒂亚纳德拉（Satya Nadella）日前宣布，微软计划将ChatGPT等人工智能工具整合到其所有产品中，并作为平台提供给其他企业使用。其中，包括计划将OpenAI的技术整合到其办公软件Office，为用户提供一种撰写文件的新方式。语音：Teams已于OpenAI结合，大幅提升线上会议效率Teams与OpenAI结合，可实现生成纪要、划分章节、时间标记、实时翻译等多类功能。根据公司官网，Teams与OpenAI进行合作，从6月30日起，用户每月支付10美元，就可以使用OpenAI的GPT-3.5模型，体验自动生成会议纪要、实时字幕与语言翻译、自动生成会议章节、个性化时间轴标记、隐私保护等功能。- 自动生成会议纪要：由GPT-3.5自动创建生成的会议纪要，功能将于2023年第二季度推出。
- 实时字幕与语言翻译：可以获得40种语言的实时翻译，同时可以自行选择字幕语言，实时标注在视频下方。
- 自动生成会议章节：AI自动将会议划分为多个部分，自动生成会议章节，用户可以轻松挑选最感兴趣的章节浏览。
- 个性化时间轴标记：标注个性化时间轴标记，可以查看加入和离开会议的时间节点、名字被提及的时间节点，显示会议期间发言人，可以快速单击并收听错过的内容。
- 隐私保护：对于不可泄密的会议，提供加水印限制会议记录浏览等功能，同时可以选择端到端加密（E2EE）。
大模型输入模式由文字扩散至语音，Teams新增数据量需求约为336GB/日。- 音频每秒数据量：根据张振花、田宏团、王西等所著书籍《多媒体技术与应用》，数字音频的存储量单位为“字节”，与采样频率、量化位数、声道数和时间有关，而量化位数/8是将位数转换成字节数。根据《多媒体技术与应用》，电话质量的音频信号采用ITU－TG·711标准，8 kHz采样，8 bit量化，则码率为64 kbit/s；假设音频为双声道，则存储量为16bit/秒。由于1B等于8bit，所以存储量可以换算成2B/s。
- 音频时长：根据Microsoft官网文章，2020年4月Teams每日会议总时长为27亿分钟，2020年9月日活跃用户1.15亿；根据微软22年第二季度财报电话会，Teams日活跃用户数超过2.7亿，未披露会议总时长。假设2020-2022年会议总时长与日活跃用户等比例增长，则2022年Teams每日会议总时长约60亿分钟。
- 音频数据量：Teams每日3600亿秒，若参照电话质量估计，数据量约671GB。假设约50%的用户会参考Chatgpt整理会议纪要，则数据量约为336GB。
- 其他影响因素：1）仅考虑电话质量的音频信号标准，音频信号的用途不同，采样、量化和码率的要求也不同，高保真立体声音频压缩标准、AM广播等采样、量化和码率会更高。根据《多媒体技术与应用》，AM广播采用ITU－TG·722标准，16 kHz采样，14 bit量化，码率224 kbit/s，高保真立体声音频压缩标准由ISO和ITU-T联合制订，CD11172-3MPEG音频标准为48 kHz、44.1 kHz、32 kHz采样，每声道数码率32-448 kbit/s；2）使用Chatgpt辅助线上会议的用户比例可能有所变动。
3.3 图片：Filmora接入OpenAI服务，实现“文生图”及“图生图”
Filmora接入OpenAI，一键智能生成图片素材。万兴科技旗下视频创意软件Wondershare Filmora全球上线，接入ChatGPT母公司OpenAI相关服务。Wondershare Filmora为视频制作平台，随着OpenAI的接入，用户在创作视频时可自由调用OpenAI强大的AI绘图功能，一键即可智能生成图片素材，快速创作大师“同款”作品。Wondershare Filmora情人节开发AI简笔画产品，用户用简笔画描绘出大致的形状，5秒钟可以生成一副人机共创的完善绘画作品，从“文生图”到“图生图”，未来用户有望体验更多AIGC新功能。以Filmora现有场景为基础，OpenAI图片素材输出数据量约为586GB/日。- 单张图片数据量：根据Photoshop官网，每张图片数据量（Byte）=水平像素*垂直像素*3。其中，水平像素*垂直像素为分辨率，每个像素点中三原色（红色、绿色和蓝色）均占用内存中的1 个字节，即1 个字节用于红色，1 个字节用于绿色，1 个字节用于蓝色，总共3 个字节。根据Wondershare Filmora官网，Filmora默认尺寸16:9，默认分辨率1920px*1080px，则每张照片数据量约为1920*1080*3B=6MB。
- 图片数量：根据万兴科技官方微信公众号报道，截至2018年底，视频剪辑软件Filmora月活跃用户已超过300万；假设单次视频剪辑约调用1次OpenAI接口自动生成图片素材，则月均调用300万次、日均调用10万次。
- 总数据量：6*10*10^4MB=586GB/天。
亿图脑图开启AIGC功能内测，继续推动创作模式革新。1）根据财报网报道，2月17日，创意软件公司万兴科技旗下亿图脑图协同版正式开启AIGC功能内测，用户只需要输入一句话，即可一键生成头脑风暴、演讲大纲、SWOT分析、活动策划、生活计划等脑图。这意味着，AI加持下，亿图脑图将大大简化思维脑图的创作流程并革新创作模式，助力用户创作提质增效。区别于“从思维到脑图”的传统创作模式，借助AIGC新技术，亿图脑图将大幅省去用户的思索时间，助力用户更快生成灵感与解题思路，开启更智能畅快的思维脑图协作之旅。据了解，亿图脑图AIGC功能，即将面向用户开放内测申请，获得名额的用户届时可“尝鲜”体验。我们认为，图片应用场景丰富，包括营销宣传、读物插画、艺术创作等多领域，未来空间有望进一步打开。3.4 视频：AIGC辅助生成动画，星辰大海拉开序幕
AIGC辅助商业动画片，视频领域前景广阔。《犬与少年》是 AIGC 技术辅助商业动画片的发行级别作品，由Netflix、小冰公司日本分部（rinna）、WIT STUDIO 共同创作。根据新华网报道，小冰公司前身为微软人工智能小冰团队，2020年分拆为独立技术研发实体。2022年11月7日，小冰公司宣布完成总额10亿元规模的新融资，用于加速AI Being小冰框架技术研发，还宣布对旗下人工智能数字员工（AI Being Employee）产品线启动年度升级，升级内容包括大模型对话引擎、3D神经网络渲染、超级自然语音及AIGC人工智能内容生成。根据新华网报道，小冰公司目前已经覆盖中国、日本、印度尼西亚等国6.6亿在线用户、10亿台第三方智能设备和9亿内容观众。单秒输出数据量达到1MB，星辰大海或拉开序幕。1）视频大小：根据存储卡制造商ProGrade Digital官网，视频文件大小（MB） =比特率 （Mbps） / 8（位）x 持续时间（秒）。《犬与少年》为1920x1080 24fps（即1080p，每秒24帧），根据Youtube Help，1080p、24fps 的SDR视频建议上传Youtube的比特率为8Mbps，据此计算1秒视频大小约为1MB。2）随着AIGC技术在影视剧集、宣传视频等领域逐步渗透，视频创作效率或迎来显著提升，星辰大海拉开序幕。综上，我们认为，目前文字交互仅为Chatgpt以及AIGC应用场景的冰山一角，语音、图片、视频等多形式的输入输出，或将为内容创作领域带来革命性变化。而更广的数据形态、更多的应用场景、更深的用户体验，亦将大幅提升支撑人工智能的算力需求，算力或迎来高速扩张时代，服务器、芯片、IDC、光通信等厂商有望核心受益。
服务器：浪潮信息、紫光股份、中科曙光、拓维信息等；
风险提示
AI技术迭代不及预期风险：若AI技术迭代不及预期，NLP技术理解人类意图水平未能取得突破，则对产业链相关公司会造成一定不利影响。经济下行超预期风险：若宏观经济景气度下行，固定资产投资额放缓，影响企业再投资意愿，从而影响消费者消费意愿和产业链生产意愿，对整个行业将会造成不利影响，NLP技术应用落地将会受限。行业竞争加剧风险：若相关企业加快技术迭代和应用布局，整体行业竞争程度加剧，将会对目前行业内企业的增长产生威胁。假设测算与实际不符风险：文中测算参考了部分相对权威的数据来源，但实际落地应用中，影响因素多、使用场景复杂，可能会导致假设测算与实际产生偏差。
具体分析详见2023年2月19日发布的报告《ChatGPT算力需求是如何扩张的》
分析师 刘高畅 分析师执业编号S0680518090001
特别声明：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施。通过微信形式制作的本资料仅面向国盛证券客户中的专业投资者。请勿对本资料进行任何形式的转发。若您非国盛证券客户中的专业投资者，为保证服务质量、控制投资风险，请取消关注，请勿订阅、接受或使用本资料中的任何信息。因本订阅号难以设置访问权限，若给您造成不便，烦请谅解！感谢您给予的理解和配合。
重要声明：本订阅号是国盛证券计算机团队设立的。本订阅号不是国盛计算机团队研究报告的发布平台。本订阅号所载的信息仅面向专业投资机构，仅供在新媒体背景下研究观点的及时交流。本订阅号所载的信息均摘编自国盛证券研究所已经发布的研究报告或者系对已发布报告的后续解读，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。本资料仅代表报告发布当日的判断，相关的分析意见及推测可在不发出通知的情形下做出更改，读者参考时还须及时跟踪后续最新的研究进展。
本资料不构成对具体证券在具体价位、具体时点、具体市场表现的判断或投资建议，不能够等同于指导具体投资的操作性意见，普通的个人投资者若使用本资料，有可能会因缺乏解读服务而对报告中的关键假设、评级、目标价等内容产生理解上的歧义，进而造成投资损失。因此个人投资者还须寻求专业投资顾问的指导。本资料仅供参考之用，接收人不应单纯依靠本资料的信息而取代自身的独立判断，应自主作出投资决策并自行承担投资风险。
版权所有，未经许可禁止转载或传播。