请仔细阅读本报告末页声明证券研究报告|行业点评2023年02月12日计算机Chatgpt需要多少算力ChatGPT：大模型下计算量高速扩张，算力需求陡增。1）以前，人工智能大多是针对特定场景应用进行训练，难以迁移，属于小模型范畴；而ChatGPT背后的支撑为人工智能大模型，可大幅扩充适用场景、提升研发效率。OpenAIGPT3自发布以来，在翻译、问答、内容生成等领域均有不俗表现，也吸引了海内外科技巨头纷纷推出超大模型、并持续加大投入。2）在大模型的框架下，每一代GPT模型的参数量均高速扩张，GPT-3参数量已达到1750亿个。我们认为，ChatGPT的快速渗透、落地应用，也将大幅提振算力需求。访问算力：初始投入近十亿美元，单日电费数万美元。1）根据Similarweb的数据，2023年1月，平均每天约有1300万独立访客使用ChatGPT。访问阶段算力每天发生，其成本成为衡量ChatGPT最主要投入的关键指标。2）我们以英伟达A100芯片、DGXA100服务器、现阶段每日2500万访问量等假设为基础，估算得出：在初始算力投入上，为满足ChatGPT当前千万级用户的咨询量，投入成本约为8亿美元，对应约4000台服务器；在单日运行电费上，参考美国平均0.08美元/kwh工业电价，每日电费约为5万美元，成本相对高昂。前期训练：公有云下，单次训练约为百万至千万美元。1）模型的前期训练成本也是讨论的重要议题。基于参数数量和token数量估算，GPT-3训练一次的成本约为140万美元；对于一些更大的LLM模型（如拥有2800亿参数的Gopher和拥有5400亿参数的PaLM），采用同样的计算公式，可得出，训练成本介于200万美元至1200万美元之间。2）我们认为，在公有云上，对于全球科技大企业而言，百万至千万美元级别的训练成本并不便宜，但尚在可接受范围内。投资标的：服务器：浪潮信息、紫光股份、中科曙光等。芯片：景嘉微、寒武纪、海光信息等。IDC：宝信软件、万国数据、数据港、世纪华通等。光模块等。风险提示：AI技术迭代不及预期风险、经济下行超预期风险、行业竞争加剧风险。增持（维持）行业走势作者分析师刘高畅执业证书编号：S0680518090001邮箱：liugaochang@gszq.com分析师杨然执业证书编号：S0680518050002邮箱：yangran@gszq.com相关研究1、《计算机：微软公布AI融合版Bing，ChatGPT加速落地》2023-02-092、《计算机：ChatGPT应用展望》2023-02-053、《计算机：行情演绎的两个方向》2023-02-05-48%-32%-16%0%16%2022-022022-062022-102023-02计算机沪深300获取更多最新资料请加微信：chen...
