生成式人工智能不仅改变了组织开展业务的方式，还改变了它们消耗计算资源的方式。这些大型语言模型(LLM)以及数字孪生、扩展现实和元宇宙等其他人工智能工具，需要大量图形处理单元(GPU)来训练数据集或处理图形密集型任务。
通用CPU和GPU服务平台在功耗和散热受限的终端上的运用，其差异性需求难以应对AI用例严苛且多样化的计算要求。
过去一年，用于AI服务器的GPU一直供不应求，而从未来一年的发展态势来看，相关产品的紧张程度有增无减。
随着chatGPT的爆火和AGI的繁荣，英伟达正在以前所未见的速度发展，这不但造就了GPU的繁荣，同时还让扮演关键角色HBM热度高居不下。
随着AI大模型被纳入云服务的版图，给云厂商带来的商业化营收增长，似乎与大模型技术本身的热度并不匹配，有几个月都停留在“叫好不叫座”的情况，投入不少，产出却不高。
3D图像一直是芯片发展的推动力之一，从上世纪九十年代直到今天，以游戏、电影等为代表的高性能图像渲染应用的蓬勃发展直接让GPU芯片成为了一个新的芯片品类，并且快速发展至今。从这个角度，我们认为高性能3D图像渲染以及3D图像学的发展一直在驱动着GPU芯片品类的发展。
伴随着英伟达AI芯片的热卖，HBM（高带宽内存）成为了时下存储中最为火热的一个领域，不论是三星、海力士还是美光，都投入了大量研发人员与资金，力图走在这条赛道的最前沿。
不仅是国际巨头，中国本土GPU厂商，特别是更具前瞻性的几家创业公司，在发展GPU方面也需要研发更具竞争力的技术和产品，而在当下美国政府推出各种限制政策的大环境下，中国本土GPU芯片技术和生态系统建设可以拓展更多思路，将更多先进的技术和理念融入相关产品。在本土企业客户给出更多采用和试错空间的情况下，中国芯片企业或许可以加快追赶国际先进GPU的步伐。
目前，人们对于生成式模型的关注还主要在于以OpenAI和谷歌为代表的人工智能巨头运行在云端服务器的模型，这些模型需要巨大的算力，并且一般运行在GPU上。
在数字化的风潮中，云计算像巨人一般矗立，其脊梁是无数微小而强大的“细胞”——芯片。这些不起眼的硅片，却支撑起了虚拟化世界的庞大体系。而现今，一场由GPU主导的变革正在悄然兴起，它不仅重塑着数据中心的内部结构，更是在推进整个云计算界的地壳运动。
在新的管制规则下，算力芯片的“国产替代”思路将让位于“国产突破”。这次禁运可能会促进资源向AI芯片的颠覆性技术集中。
ChatGPT意外掀起的一波AI革命，带火了AI芯片市场。而英伟达旗下A100和H100两款AI芯片，正是ChatGPT这样的大语言模型的核心动力。
