ChatGPT行业报告（80页）

行业报告下载 2023年04月01日 08:02 管理员

整个人工智能的产业链包括算力、数据、算法乃至下游应用。算力与网络：英伟达的研究表示，GPT-3 模型需要使用 512 颗 V100 显卡训练 7 个月时间，或者使用 1024 颗 A100 芯片训练长达一个月的时间。随着各大科技厂商投入对大模型的研发，势必增加芯片、服务器等算力需求。同时，庞大的 AI 算力集群，又需要高带宽支撑数据传输。数据：数据采集、数据标注和数据质检是较为重要的三个环节。从自然数据源简单收集取得的原料数据并不能直接用于有效监督的深度学习算法训练，经过专业化采集、加工形成的训练数据集才能供深度学习算法等训练使用，由此带来数据服务需求。算法：相比传统 AI 模型，大模型的优势体现在：1）解决 AI 过于碎片化和多样化的问题；2）具备自监督学习功能，降低训练研发成本；3）摆脱结构变革桎梏，打开模型精度上限。对于大模型算法的研发、优化，亦是投入的重点。下游应用：产业界一直以来都在寻求人工智能的应用领域、商业模式突破。随着大模型使用、人工智能算法精度提升，下游应用的扩展可期。数字经济快速发展，数据要素成为重要战略资源。《“十四五”数字经济发展规划》中指出，数字经济是继农业经济、工业经济之后的主要经济形态。

《规划》设定了到 2025 年实现数字经济核心产业增加值占 GDP 比重达到 10%的目标，涵盖数据要素市场、产业数字化、数字产业化、数字化公共服务、数字经济治理体系五个方面。从 2015 年至今，数字经济平均增速持续高于 GDP 增速，2021 年数字经济占 GDP 比重已经由 2015 年的 27%提升至 40%。联网设备高增之下，流量增长不可避免。根据思科的《年度互联网报告》，到 2023 年，地球上的连网设备数量将是全球人口的大约三倍，从 2017 年的人均 2.4 台提升至 3.6 台。由于 IP 地址即网络地址+主机地址，网络站点所连接的 IP 数量也处于爆发的阶段。根据 IDC 的《中国物联网连接规模预测，2020-2025》，仅我国物联网 IP 连接量已在 2020 年达 45.3 亿，有望在 2025 年达到 102.7 亿，CAGR 为 17.8%。由于 IP 地址联网后即产生数据流量， IP 地址的数量增长即代表全网数据也将继续大增，对于现有的网络企业的承载能力提出了考验。根据思科的《年度互联网报告》，2022 年全球网络数据流量将达 799EB（1EB=十亿 GB），同比增长 21%。我们认为，数据流量的增长，有望直接带动大数据产业的发展，而其中稳定优质响应快的数据库性价比更高。

ChatGPT行业报告（80页）-第1张图片