高算力芯片需求旺盛，投资者可关注哪些细分板块？| 直通行业
今天我们来聚焦一下高算力芯片。最近跟ChatGPT相关的题材风起云涌，但是由于很多人都去访问ChatGPT产品，导致它最后宕机了，它的算力没有办法承接庞大的访问量，而这必须要更加高效的算力来支撑，更加高效算力需要芯片去承担这一切。所以芯片在人工智能时代到来之后会有大量需求的提升。今天我们就重点来跟大家聊一下人工智能时代下，高算力芯片的投资智慧。
从产业链来看，在ChatGPT当中不得不谈到AIGC，AIGC的产业链其实可以分为几个层次，这当中包括应用层、大型模拟层、芯片层，这三个层次是比较重要的。
具体来说，第一个层叫做应用层，这当中会涉及客服回复，包括新闻生成、代码编程、芯片设计等等相应的应用场景，目前整体的商业化落地方式仍然在探索阶段。
第二个层叫大模型层，主要是通过构建模型的框架，提升数据集的质量，使得AI模型具备更强的逻辑推理能力、后续自我学习能力。国外这方面的代表厂商最有名的就是ChatGPT、Google。国内大模型层的代表厂商主要包括百度、阿里、字节跳动、华为等。这些厂商本身都是拥有海量的真实场景数据，具备模拟型的训练优势。
第三个层就是芯片层。芯片层AIGC模型实际效果的好坏，其实是依赖两个量级，第一个是模型参数的量级，第二个就是训练数据的量级。而这两者的提升全部都需要最底层的算力作为支持的。而在算力中最为重要的就是芯片，我们把它称为芯片层。
当前AIGC发展会带动芯片层的发展，其中几种芯片的优势会凸显。第一个叫GPU，第二个叫做CPU，第三个叫做FPGA，第四个就是存算一体化芯片。但存算一体化芯片现在国内还没有能够完全在这方面拓展的公司，所以更多的应该留意科创板当中的存储芯片，他们的技术是相通的。
AIGC的三个层次当中，数据、算法其实不是我们的弱项，真正的差距主要是在于算力。而算力当中最为重要的在于芯片，这个芯片大部分涉及图片文字语言存储，这种芯片是有待于快速突破的。
存算一体化芯片相对来说比较复杂，它其实就是存储芯片。现在随着深度学习的发展和应用，计算单元和存储单元之间的数据移动尤为的频繁。数据搬运慢、搬运耗能大等等问题，就成了算力效能进一步提升的关键瓶颈。从处理单元外的存储区来提取数据，搬运时间往往是运算时间的成百上千倍，公开数据显示，整个过程的无用能耗大约是在60%到90%之间。特别是大算力场景下，存算分离带来的计算带宽问题会成为主要瓶颈。
从智能驾驶等计算场景来看，他们除了对算力需求高之外，对芯片的功耗也有很高的要求。而常规架构的芯片设计当中，内存系统的性能提速已经是大幅落后于处理器的。所以有限的内存带宽根本就没有办法保证数据高速传输，也无法满足高级别的计算需求，因此芯片当中就会具备比较好的投资机会。
最后再对高算力下的芯片行业进行一下总结。这当中有四个方向值得关注，第一个是GPU芯片，要去关注一下GPU一些龙头企业，这个龙头当中有些本身就是做GPU的，还有一些是给GPU生产厂商供货的核心供应商。
第二个叫做CPU中央处理器，这方面可以关注具备自研架构的一些公司。第三个叫做FPGA，这个芯片是非常之重要的，A股当中也有3家企业。另外就是要关注存算一体化芯片，但是现在目前来看我国还没有相应公司，主要是在科创板当中去找能够在存储芯片当中进行突破的核心上市公司，像存储芯片科创板是找存算一体化当中的核心点。
最后可以适当的关注一下数据传输领域当中的印刷电路板，这种公司也可以适当进行一下参考。总的来说，这个行业应该是非常之重要，投资者应该对行业进行潜心的研究。
