【产通社，3月6日讯】ChatGPT的火爆为云计算和AI相关行业增加了活力。根据TrendForce的最新报告“从AI生成的内容(AIGC)看AI应用开发的趋势和挑战”，这一新兴浪潮有望为GPU和AI芯片供应链的参与者带来好处。

这些参与者包括英伟达、TSMC、Unimicron、AIChip等。然而，由生成式AI驱动的产品和服务的采用和功能相关优化存在挑战。此外，用户体验是基于AI的技术核心，涉及个人信息的保护和内容请求响应的准确性。随着AIGC进入下一个阶段，监管问题可能会出现。

TrendForce表示，AIGC代表了不同类型的算法、预训练模型和多模态机器学习的集成，包括生成对抗网络(GAN)，对比语言图像预训练(CLIP)，转换器和扩散。AIGC在现有数据或批量信息中搜索模式，并高效输出适合数据收集和分析、社交互动、文案等场景的内容。目前市场上已经有许多由AIGC驱动的应用，最常见的输出类型包括文本、图像、音乐和软件代码。

云服务的主要提供商首先需要加强他们自己的搜索引擎

数据、计算能力和算法是驱动AIGC发展的三个不可或缺的因素。此外，虽然基于AI的产品和服务相对容易构建，但优化它们要困难得多。在这方面，主要云公司处于更有利的地位，因为它们拥有大量的基本资源。从这些产品开发者的角度看，现有的聊天机器人，如ChatGPT，不仅能够用自然语言与用户对话，而且在一定程度上满足了“理解”用户输入的需求。因此，更好地理解用户的需求或期望，反过来可以为用户的查询和响应提供进一步的建议。由于使用互联网搜索引擎几乎是全球大多数人的习惯，主要云公司最紧迫的任务是不断优化自己的搜索引擎。

TrendForce最新调查发现，谷歌仍然是全球互联网搜索引擎市场的绝对领导者，市场份额超过90%。微软及其Bing目前的市场份额仅为3%，短期内不太可能构成重大威胁。然而，Bing正在获得更多用户，这些用户可以为其数据反馈和模型优化周期做出贡献。因此，谷歌必须警惕微软在搜索相关服务领域创造差异化的机会，或许还能在在线广告领域抓住某些机会。

台湾的AIchip和eMemory预计将受益于对GPU和AI芯片需求的上升

生成式AI需要海量数据进行训练，因此部署大量高性能GPU有助于缩短训练时间。在作为ChatGPT基础的生成式预训练转换器(GPT)的情况下，用于开发这种自回归语言模型的训练参数数量从2018年的约1.2亿增加到2020年的近1800亿。根据TrendForce的估计，2020年GPT模型处理训练数据所需的GPU数量约为20，000个。展望未来，GPT模型(或ChatGPT)商业化所需的GPU数量预计将超过30，000。

请注意，这些估计使用NVIDIA的A100作为计算基础。因此，随着AIGC成为一种趋势，对GPU的需求预计将大幅上升，从而使相关供应链的参与者受益。例如，英伟达可能会从AIGC发展中获益最多。其DGX A100是一个用AI相关工作负载的通用系统，提供5 petaFLOPS，几乎已成为大数据分析和AI加速的首选。除了NVIDIA，AMD还相继推出了广泛用于AI应用的MI00、MI200和MI300系列服务器芯片。至于相关供应链中的台资企业，TSMC将继续作为先进计算芯片的主要代工厂发挥关键作用。南亚印刷电路板公司、金赛公司和Unimicron是ABF基板的供应商，可以利用这一新兴需求浪潮。至于来自台湾的AI芯片开发商，例子包括GUC、AIchip、Faraday Technology和eMemory。

由AIGC驱动的产品和服务将面临监管挑战

ChatGPT已经成为AI相关产品和服务的领导者，因为它使消费者能够以非常方便和互动的方式使用该技术。在未来，TrendForce预计，处于早期发展阶段的AIGC将主要进入语音客户服务、语音助手、游戏和零售等应用领域。由于该市场的主要参与者仍在优化他们的产品，较小的参与者在开发新产品方面也受到限制。TrendForce认为，AIGC持续增长取决于下一代产品和服务是否会被消费者视为既创新又实用。

除了产品开发，参与AIGC行业将面临与机器学习的法规和培训资源有关的挑战。已经有人担心，提供ChatGPT等产品和服务的公司是否能够保护用户的数据隐私，并确保新闻等特定类型的内容是“准确”或“真实”的。除了这些问题，还有遵守当地法律法规的问题。谈到培训资源，AI模型的有效优化取决于知识平台服务提供商是否在分类、过滤和整合各种类型的数据方面做得很好，然后将这些数据交给AI模型的开发人员进行培训。（张怡，产通发布）