一、 算力的竞赛
需求端：AI 拉动成长，算力需求空间广阔
2022 到 2023，全球 AI 布局加速，大量人工智能模型涌现。2022 年 11 月，OpenAI 发 布聊天机器人 ChatGPT，将生成式 AI 的燎原战火带入公众视野。2023 年 2 月，Meta AI 在其官网公开发布了 LLaMA 大型语言模型。2023 年 5 月，Google 发布新一代大语言模 型 PaLM 2。与此同时，中国科技企业也按下了 AI 领域的快进键。百度于 2023 年 3 月 发布文心大模型。此后，商汤、阿里云、科大讯飞、华为等陆续发布各自的大模型。
大量人工智能模型的推出和迭代大幅带动了上游的算力需求。一方面，全球人工智能模 型数量的增长对上游算力需求的拉动十分显著。另一方面，单个模型的持续迭代过程中， 其算力需求较以往亦有大幅增长。以 GPT 系列预训练过程为例，历代 GPT 参数量呈现指数级增长，未来其算力需求有望 大幅增长。训练一次 1750 亿参数的 GPT-3 模型需要的算力约为 3640 PFlop/s-day，约合 3.14E23 FLOPs。但这算力消耗速 度很快被新一代模型刷新。GPT-4 不仅支持文本输入，还支持图像输入，文字输入限制 提升至 2.5 万单词，所需计算规模大幅提升。
历代 GPT 系列的参数量和预训练数据量
算力需求提升，意味着芯片、服务器、云厂商和运营商等各个环节的需求增长。根据中 国信通院《中国算力发展指数白皮书》测算，2021 年全球计算设备算力规模超过 615EFLOPS（1 个 EFLOPS 代表 10^18FLOPS），同比增速高达 44%左右，而后续几年则 将迎来算力引爆时代。信通院报告预测，2030 年，全球算力规模有望达 56ZFLOPS，2022- 2030 年复合增长率达 65%。这对于 AI 芯片需求的拉动将会非常显著： 一方面，从服务器总量上来看，算力需求增长将带动 GPU 服务器出货量增速高升， 从而带动训练芯片的需求； 另一方面，从服务器结构上来看，相比较普通 GPU 服务器（一般配备单卡或双卡）， AI 服务器平均每单位出货所需的 GPU 数量至少翻倍（一般配置 4 块以上 GPU 卡）。
供给端：算力竞赛激烈角逐
从 AI 芯片的市场格局看： GPU 核心供应商包括了 NVIDIA、AMD 等，NVIDIA 目前占据大部分市场。 FPGA 供应商主要包括 Intel、赛灵思（AMD）等，其中赛灵思于 2022 年被 AMD 收 购。 ASIC 市场较为分散，比较知名的供应商例如设计生产 TPU 的谷歌。 随着 AI 技术的迭代、算力需求的增长，各家芯片企业亦展开了百舸争流的竞争态势
在 GPU 市场，英伟达凭借以 H100 为首的高性能 GPU，率先卡位。；AMD：GPU 加速追赶英伟达，并快速布局 FPGA；谷歌：TPU 不断迭代，TPU v4 性能优秀；英特尔：提升 FPGA 推新频率，Gaudi2 性能强。
二、 大模型
随着大模型能力的持续迭代、应用端需求的不断增加，模型能力对外输出的需求带来了 MaaS（Model-as-a-Serivce）服务生态的形成。 以微软为例，微软云是 OpenAI 的独家云提供商，微软 Azure OpenAI 可以直接调用 OpenAI 模型，企业可以申请访问包括 GPT-4、ChatGPT、Codex 以及 DALL.E 等模型， 根据用量进行商业化收费。
AI 模型输出的需求将带来MaaS 业态的持续增长。不论是通用大模型、还是行业模型，其模型能力的输出都会带来 MaaS 服务需求的增加。
三、同质化的竞争？
1、大模型：从基模型到行业模型，模之战斗开启
随着 OpenAI 等先行者的突围、LLAMA 等模型的开源，当前国内外大模型产品如雨后春 笋一般层出不穷。
中国《人工智能大模型地图研究报告》显示， 据不完全统计，国内 10 亿级以上参数的大模型已有70+个；
尽管各家模型企业在算力资源和数据资 源上存在差别，但多数模型本身可能并不存在绝对的差异化。正如北京智源人工智能研 究院院长黄铁军表示，“大模型发展中没有绝对的壁垒和护城河，有了大模型就像人类多 年前学会了发电，后续还会有各种各样的‘发电手段’不断演进迭代”，“大家比拼的是 成本和效率，竞争的是应用和生态”。
2、问题：若模型同质化，MaaS 壁垒何在？
伴随着大模型的层出不穷，云厂商们提供的 MaaS 服务也在积极开展。 国际云服务巨头提供的 MaaS 业务模式，按照合作模型方的数量可以归为两类： 接入独家模型：如微软 Azure 绑定 OpenAI，则 AzureOpenAI 所能提供的 MaaS 能 力优劣大幅取决于 OpenAI 的模型能力。 接入多个模型：如亚马逊 AWS 推出 Amazon Bedrock，通过 API 可访问 AI 21 Labs、 Anthropic、Stability AI、Amazon Titan 等不同的模型。再如，Salesforce AI Cloud 托管了 AWS、Anthropic、Cohere 等不同合作伙伴的 LLM 模型。 当然，从模型厂商——如 Anthropic 和 Cohere——的角度，模型企业也乐于与多个 云服务平台展开非排他的合作。
从国内巨头近期的动作上看，打造开放的、多模型来源的模型商店，也是 MaaS 服务越 来越常见的模式。以字节跳动的火山方舟为例，其集成了百川智能、出门问问、复旦大 学 MOSS、IDEA 研究院、澜舟科技、MiniMax、智谱 AI 等多家 AI 科技公司及科研院所 的大模型，并已展开测试邀请。
未来“多模型”将成为 MaaS 平台的重要合作模式，而 MaaS 平台之间的产品相似性也会越来越高，MaaS 服务将成为基础设施。从长期角度，除了算力等资源外，精细化运营程度、价格等因素可能成为 MaaS 平台的核心竞争力。
