云廷投资 | 国产AI大模型，路在何方

AI火了。

5月30日，专业GPU厂商英伟达市值破万亿美元，成为芯片制造领域全球首家市值达到万亿美元公司，也是世界上极少市值超万亿美元的上市公司。目前，英伟达已经占据了AI产品60%的市场份额，订单多到做不过来。

这一切得益于AI大模型对算力的巨大需求，ChatGPT催生了大模型，大模型引爆了算力革命，把英伟达推上了“王座”。

面对AI行业日新月异的迭代速度，算力基础还较为落后的国产大模型，差距有被进一步拉大的可能。

留给国内同行们追赶的时间不多了。

01

差距在哪里？

底层算力落后是关键。

目前AI大模型必备的算力、算法和数据“三件套”中，算力是大模型先进程度的根基；没有先进算力基础做支撑，再先进的算法和数据都难以发挥其应有的价值。相反，先进算力可以弥补算法和数据的不足，提高大模型迭代的速度，缩短大模型训练时间，这对不断持续迭代更新的AI行业至关重要。对于大模型公司来说，算法和数据主要取决于科研技术水平和投入，算力直接取决于拥有多少芯片及芯片的先进程度。

因此，大模型要想变得更“聪明”，就必须适配最先进的GPU芯片。对于当前的国产大模型而言，版本落后是现实，差距主要在芯片。

目前，英伟达最主流的GPU芯片包括A100 和H100等产品，集成了AI训练和推理功能，是为生成式 AI 专门设计的计算机芯片；除此之外，更先进的搭载256颗GH200 Grace Hopper的英伟达超级芯片也已量产。

美国已对英伟达最先进的主流芯片实施了出口管制。中国企业只能购买“阉割”版的英伟达芯片A800和H800 GPU，互联带宽和集群算力性能较主流产品均有大幅缩水，较最新芯片性能差距更大。与之相比，最先进的国产芯片性能大概也只有英伟达A100的60%左右，最多也只是与“阉割”版的英伟达A100旗鼓相当，差距肉眼可见。

芯片及算力性能的落后，决定了国产大模型已经落后于国外同行至少1-2年左右。短期内，国产大模型短期内实现赶超希望渺茫。

02

大模型，跑出来的不多

国内大模型缺乏领军企业。

从2015年开始，OpenAI坚持不断创新，坚持不懈的长期巨额资金投入，长期坐冷板凳终于换来了丰厚回报，最终实现了ChatGPT质的飞越。在ChatGPT的带动下，国内大模型遍地开花，各类AI大模型产品层出不穷，“千模大战”已经打响。不过，抛开“芯片荒”的问题，国内真正坚持专心做AI的公司不多，投机“蹭概念”的很多，浑水摸鱼的不在少数。

大模型是个需要持续高投入的行业。不仅需要大量足够丰富的训练数据，持续的快速迭代，更需要算法和模型的持续优化，以支撑大模型在各类应用场景的适用性。

在AI领域，百度应该是国内投入最早，持续时间最长，也是投入最大的，“文心一言”也是国内为数不多可以直接对标ChatGPT的国产大模型；华为、阿里、腾讯等企业也走在国内大模型训练及应用的前列。但AI的技术突破涉及技术、工程、数据等多领域综合性创新，是一个长期积累从量变到质变的过程。ChatGPT大模型从量变到今天的质变不是一天完成的，是建立在持续多年大量人力和时间成本累计投入基础之上。如果只是一味做些外表看起来漂亮的低级应用，忽视基础算力及算法层面的长期投入，终将在真正的创新面前不堪一击，直致最终被市场所抛弃。

与ChatGPT相比，通用性的国产大模型的差距是实实在在的。但事在人为，国内的优势在于追赶者甚多，尤其是在侧重应用的垂直领域，国产大模型至少是具备后发先至的潜力的。

03

国产大模型，路在何方

在通用性的多模态大型语言（NLP）模型方面，ChatGPT是一面旗帜，国产大模型想要追赶绝非易事。

但在国内市场， ChatGPT以英文为主的数据集和评估基准，缺乏对国内产业的理解，难以满足国内关键行业应用需求，这为国产大模型发展提供了契机。

国产大模型聚焦于应用端，把更多的时间和成本放在行业应用及解决产业技术壁垒问题。基于中文的国产大模型可以通过与行业的深度捆绑在垂直领域建立产业级模型库，能够更好的满足国内行业需求。

在解读中文语义方面，华为盘古大模型4、阿里通义千问、百度文心一言等均有不错的表现，部分性能已经不输ChatGPT。

应用领域，国产替代和弯道超车一直我们的强项，制造领域如此，互联网领域如此，未来AI领域大概率也会一样。依托无与伦比的庞大内需市场和“内卷”不止的海量竞争队伍，只要持续补齐产业数据短板，并不断对数据及模型进行持续训练和快速迭代，国产大模型在应用领域实现质的飞跃指日可待。

郑重声明：本文仅代表作者观点，不代表云廷投资立场。本文不对您构成任何投资与决策建议，据此操作，风险自担。