火爆出圈！ChatGPT 带来了产业旋风，紫光数码特别推出 NVIDIA AI 算力产品矩阵

ChatGPT 是由美国 OpenAI 于2022年11月开发推出的一个 AI 对话模型。因出色的文本生成和对话交互能力在全球范围内迅速走红，5天活跃用户过百万，2个月活跃用户过亿，可谓风光无限。

ChatGPT 的本质上是一个有着大量复杂计算需求的 AI 模型，其通过连接大量真实语料库来进行深层次、多阶段的训练和学习得以具备智慧能力，它仍属于 AIGC（利用 AI 技术自动生成内容的生产方式）的应用范畴。有专家指出：ChatGPT 的持续火爆，为 AIGC 带来全新变革，它所引发的深刻影响和变革是以算力为基石，并且对 AI 模型训练所需要的算力支持提出了更高要求。

ChatGPT 需要大量 GPU 的高性能算力，用于深度神经网络训练。它支持单机环境和多机环境，可充分利用多 GPU 训练，以提高算力。ChatGPT 还需要良好的网络环境，以便进行大规模数据分发，同时占用了大量存储空间，以存储训练数据和模型参数。此外，ChatGPT 还需要先进的 IT 基础设施，以便支持训练过程的管理、可视化和优化。

国内向 ChatGPT 以及 AIGC 领域发展的公司已经非常多。有报道称，百度的文心一言将直接接入搜索；京东则计划结合 ChatGPT 的方法和技术点融入到产品服务中来；阿里内测中的达摩院版 ChatGPT 则在钉钉进行人机对话；腾讯持续投入此前在 AI 大模型、机器学习算法以及 NLP 等领域的技术储备；字节跳动的人工智能实验室（ AI Lab）有开展类似 ChatGPT 和 AIGC 的相关研发，未来或为 PICO 提供技术支持。

目前，国内公司正在向虚拟人、AIGC 等概念靠拢，但还存在着一些技术发展瓶颈。原因在于五点：

1）国内缺少原创模型，没有模型迭代积累。ChatGPT 依赖于 InstructGPT，InstructGPT 依赖于 GPT-3.5、GPT-3。

2）国内真实数据体量。除百度有天然用户搜索问答训练样本外，对于其他公司可能较为缺少。

3）国内缺少技术积累。ChatGPT 发展过程中对于数据处理、清洗、标注、模型训练、推理加速等方面均具有技术难点，且对结果均影响较大。且包括国内大厂在内，强化学习框架仍未出现大规模使用场景。

4）国内创新性土壤还需发展。整体商业环境较为急躁，但投入与产出需要花费一些时间。

5）众所周知，目前，我们的算力平台已经有明显落后的趋势：

• 硬件平台算力被限制

• 模型的成熟程度及可扩展性、鲁棒性

• 集群管理难、调试难，研发成果难转换成生产应用

• 数据并行、模型并行等多机多卡带来的管理难题

• 对IT基础设施建设、IDC 管理、可视化、运维等众口难调

在高算力的需求下，对于超算基础设施的计算和传输能力都提出了更多的要求，扩容迫在眉睫。企业上云的趋势确定加速，将会在云端沉淀越来越多的数据，这些数据构成了 AIGC 爆发的基础，由此而带动相关长周期受益。在应用层面，更多的公司会将 ChatGPT 等 AIGC 产品与各自的垂类行业深度结合，产生更大的效用，长期来看会给产业链带来更多机会。

>>>> 基础层：算力及云计算芯片+预训练模型

>>>> 工具层：垂直化、场景化、个性化模型与工具

>>>> 应用层：AI+行业应用

紫光数码根植 ICT 领域 20 余年，面向数字经济和智能时代的发展需求，推出系列 AI算力产品。该系列产品涵盖 NVIDIA 全系企业级产品，包括 DC GPU、DGX 超级 AI服务器、专业图形 GPU 、高速网络产品、集群管理及调度、资源监控软件。同时提供如 NVIDIA AI Enterprise 等 AI 解决方案、AI 一栈式软件。紫光数码具备强大的项目管理和实施能力，拥有多个大型 AI 项目的实施和运维经验，将把系列 AI 算力产品赋能各行各业 AI 场景和应用，并为新技术发展提供澎湃的算力支撑。