当一群嗜血的互联网投资客、互联网大鳄开始争抢类ChatGPT应用的入场券时，芯片玩家已悄然稳坐ChatGPT的牌桌。
AI训练芯片“一哥”英伟达被视作云计算资本支出重心转向人工智能（AI）的最大受益者，韩国政府也在ChatGPT热潮中加大AI芯片扶持力度。
今年1月3日至今，英伟达股价已上涨49%，市值从3522亿美元增至5261亿美元（折合增长了约1.19万亿人民币）；据公开信息显示，英伟达CEO黄仁勋的财富同期增长了60亿美元。
如此“躺赚”，难怪黄仁勋谈到ChatGPT时满面笑容，直夸其意义堪比“iPhone时刻”。
ChatGPT火爆出圈之后，不少公司及投资者都加大了对生成式AI的投入，然而ChatGPT的成本不菲，训练一次的费用在几百万到上千万不等，背后需要强大的算力，目前AI最强算力就是GPU了。
GPU计算这个市场几乎是NVIDIA的天下，就连ChatGPT都是在微软的云计算平台下用NVIDIA的A100加速卡进行训练的。
2022年11月份，微软还跟NVIDIA达成了协议，双方将合作建造一台大型云AI计算机，将微软的Azure与NVIDIA的GPU结合起来，以“帮助企业训练、部署和扩展AI，包括大型、最先进的模型”。
受益于此，NVIDIA的股票最近2个月来一直在涨，股价已经升了52%之多，市值重回5300亿美元左右，虽然距离一年来的巅峰还有点距离，但是趋势已经确定，随着GPU的采购增加，还会继续往上涨。
ChatGPT类产品的开发成本有多高呢？据外媒报道，分析师称ChatGPTBeta版本使用了10000个英伟达GPU训练模型，新一代GPT-5大模型正在25000个英伟达GPU上训练。
ChatGPT是基于大模型GPT-3.5训练出的对话式AI模型。GPT-3.5跟前代GPT-3一样有1750亿个参数。GPT-3训练所需算力达3650PflOPS-days，训练成本约140万美元。参数更多的大模型训练成本则介于200万~1200万美元之间。
据专家测算，标准大小的ChatGPT-175B大概需要625台8卡DGX A100服务器进行训练，如果愿意等它跑1个月，200台8卡也够用。针对ChatGPT-175B的服务器成本（主要考虑GPU和CPU）约为3~5亿元。
相对来说模型迭代成本没那么高。越往后迭代，大模型的训练成本可能会显著下降。自2020年5月GPT-3发布以来，与GPT-3性能相当的模型，训练和推理成本已经降低了超过80%。
微软、谷歌、百度等搜索巨头都计划将ChatGPT同类技术整合到它们的搜索引擎中。据外媒估算，将这类技术集成到谷歌的每个搜索查询中，需要超过51万台A100 HGX服务器和总共超过410万个A100 GPU，服务器和网络总成本的资本支出将达到1000亿美元。
这些支出的相当一部分，将流入英伟达的口袋。
点击收藏本站，随时了解时事热点、娱乐咨询、游戏攻略等更多精彩文章。
