ChatGPT最近成了科技界人人必谈的新宠。各家互联网巨头相继宣布研发相关产品，让市场对科技行业的预期发生了变化，应用场景多，发展空间大，加之AI催生算力、云服务、算例基础设施需求提速。
总得来看：今年无论是硬件还是软件行业都将迎来新一轮创新需求的窗口期。企业能够从哪些细分赛道上获得AI行业红利？
华尔街见闻•见智研究（公众号：见智研究Pro）非常荣幸地邀请到了中联云港数据科技股份有限公司副总裁、学术交流委员会主任【康楠】作分享交流，并将核心观点整理如下：
摘要：
1、云计算巨头企会成为类ChatGPT工具的卖铲人，不仅仅是因为资金庞大，还包括他们在算力网络、 AI 中台搭建和硬件投入方面都是有成功经验的。
而大多数的中小型企业未来会基于在通用模型上进行二次开发。多数的小企业会基于需要租赁使用云厂商的服务，两者是产业链上下游补链的一个过程。
2、ChatGPT将承担软件开发机器人的角色，替代低端码农工作。而在软件设计、软件架构上暂时无法取代人的工作。此外，对于算法工程师和数学家的需求会非常大。
3、应用落地速度：消费级互联网会快于工业互联网，重点方向关注游戏、虚拟人、之后是服务型机器人。
4、面向的用户横跨众多行业、未来不会是只有一个ChatGPT，在专用领域上对开发难度和硬件需求上所划分。
5、ChatGPT是属于软件工具，底层的服务器集群是它生长算力的载体，而大数据中心就是保障算力可靠安全运行的基础设施。
6、AI时代下，类ChatGPT的模型对底层的性能需求有百倍级别的提高，这超出了原来对云能力的诉求，算力发展的速度可能会呈现指数级的增长，从而加大对GPU芯片、服务器集群的需求。
全文：
ChatGPT是美国人工智能研究室OpenAI在去年末开发的一款聊天机器人，是一种基于神经网络自然语言模型技术开发的产品。它本身并不是一个技术的创新，而是最新的人工智能技术集成的产品。
OpenAI成立于2015年，在17年谷歌大脑推出了第一款模型Transformer。到了 18 年和 22 年， OpenAI又陆续推出了 GPT-1/2/3 、InstructGPT和家喻户晓的ChatGPT。
因为这款产品对新型互联网产生了巨大的影响和推动，我认为它的地位和当年移动互联网技术是同等量级的。特别是搜索类的公司，肯定会受到搜索形态变化和智能化的冲击，同时与AIGC形态相结合，使得互联网创新的效率和速度有一个爆发式的提升。
这次技术创新是非常接地气的， AI 工具迅速蔓延至了全球每一个角落。无论是 IT 公司、互联网公司、科技企业，未来一定会诞生出一批新的企业以及工种。基于 AI 开发的场景，会产生颠覆性的发明和变革，因为它的自学习能力、迭代的能力非常强。
云计算龙头企业会是行业卖铲人
微软是第一家提出接入ChatGPT的公司，作为全球领先的云计算服务商，增加工具集，做插件，是能够与云平台业务进行整合的。
总体看，确实是只有云计算巨头企业才能够成为ChatGPT的卖铲人，因为他们在算力网络、 AI 中台搭建和硬件投入方面都是有成功经验的，最终的商业模型还是基于云计算的理念。
模型的训练所需要的研发投入太大了，大多数的中小型企业资金有限，所以未来会是基于 AI 中台的应用和平台的二次开发，与云厂商进行深度合作，多数的小企业基于需要租赁使用就行了，两者是产业链上下游补链的一个过程。
ChatGPT抢了码农的工作，但软件设计还得依靠人工
ChatGPT未来也可以被叫作软件开发机器人，从发展的路径来看，本身机器人就是一台计算机，只不过是它背后有了更强大的人工智能的大脑支持。这时候对软件业也会有一个很大的冲击。
对于软件来说，ChatGPT代码开发的速度和自动化的程度会大幅度提高，迭代的速度也是惊人的。
而从应用层级来看，底层操作系统，复杂的云架构设计等ChatGPT估计目前还难以独立实现，所以这些就是要由人来完成的事情，但是基础性的编程它是可以实现。
未来由人完成的软件工作包括：软件设计、软件架构、平台软件。开发工作可能会主要由机器来进行完成，对于软件业蓬勃发展越有利，进入者会更多，投资的领域也会更宽泛，创新性得到了巨大的一个释放。但是低端低等级的开发者的劳动力可能会锐减，或者是转行。
应用速度:消费互联网>工业互联网
ChatGPT是AI 技术成熟的典型代表，语言开发包SDK是开放式的，工具性的叠加功能包也是层出不穷，它会成为众多应用的智能辅助工具集，应用场景的落地已经是迫在眉睫。包括搜索与知识问答，以及内容生成类的软件，如短视频、本地生活、智能客服等等。最佳的产品输出形态包括新一代数字人，成为虚拟世界社交娱乐、全息交互助手。
ChatGPT尚且处于比较初级的人类经验总结，距离工业互联网、数字化工厂的要求还有一定差距。
消费互联网领域应用更容易进行嵌入，像是游戏、短视频的广泛性，普适性更强。
所以在当下判断，还是以消费互联网带动为主，而且互联网大厂不管是从竞争格局角度，还是商业获利角度，都会得到很多快速发展的机会。
比如Chat GPT与元宇宙的结合，可以使元宇宙更好地去落地。包括数字人、智能穿戴、沉浸式互动性的能力的结合，在原来场景下进行更逼真的还原。因为穿戴设备在不断进行升级，包括头盔的重量，以及内容、逼真程度。但是它欠缺了一个灵魂的东西，这个灵魂的东西就是ChatGPT，通过脑机接口让它变得更有意思。
元宇宙主要从两个角度率先进行渗透，第一个是游戏，相比于工作人更喜欢娱乐，喜欢放松，游戏的沉浸性会更强， 而ChatGPT会增强游戏的互动性。
元宇宙以前是要通过一个图像生成和计算来实现虚拟空间的搭建。ChatGPT也可以承担搭建空间的职责，包括在元宇宙空间里进行二次创造，或者是内容生成等，它可以有很多自主性的东西。
与元宇宙结合以后，这个意义就重大了，调动了非常多开发者和互联网公司的兴趣，对于具有ChatGPT能力的公司可能会重新进行定义了。
类ChatGPT产品涉足众多行业，开发根据需求和部署会多样化
在实验测试部署的各个环节都是需要时间。
首先是国内的软件公司要能够把类ChatGPT的产品模型拿出来。后续在部署的过程中要再考虑算力网络和芯片的供给是否能跟得AI云形态的同步升级。
从各大厂家来说，可能首先要扩大整体的硬件投资，此外还包括需要扩展各种类ChatGPT的模型的代码开发。因为应用的深度场景不一样，所以每一个互联网公司都会基于自己的商业版图去开发所适配的类ChatGPT工具平台，或者AI 中台，在进一步开放资源进行商业应用。
未来产品可能会进行地域性的、国家级的分布式部署，来更快地进行服务响应。比如对于科学侧的，医学基因生物工程、金融大数据分析等。
主要的目的是为了把这些访问的请求进行分散处理。我相信未来类ChatGPT的智能工具不会只有一个，并且智能化程度也是可以千差万别的。
因为未来一定有 To B 和 To C 端不同的市场。涉及的领域不同，需要解决的问题难易程度不同，但是都会消耗大量的算力。可能后续各大厂家会把它做一个划分，进行一些批量的芯片和板卡生产，对应到类ChatGPT不同的智能中台模型上去，成本不一样，开销也不一样。
为什么要关注算力、模型？
ChatGPT对高算力的需求非常大，大模型时代AI的超级工具的部署从IT 基础设施、服务器，延伸到高耗能的供给保障、新型节能制冷技术都会有更高求。
伴随着算力和芯片技术的迭代升级和发展，算力的基础性是保障和发展 ChatGPT等人工智能工具的核心竞争力。
在人工智能时代，计算和存储的消耗量会非常的巨大，算力网络这个词就是名副其实了。之前我们会认为无非还是一些数据中心新基建，网络承载能力保障，底层的设备托管环境升级。
但是，AI时代下，类ChatGPT的模型对底层的性能需求有百倍级别的提高，这超出了原来对云能力的诉求，算力发展的速度可能会呈现指数级的增长。
从需求上来看，ChatGPT算法模型是非常的巨大的，对于大规模并行计算能力，运行稳定性的要求非常高。
未来可能催生出一些产业，比如现在经常说的是GPU集群来构建大数据的处理平台，未来可能叫做 AI 大模型处理平台。未来在芯片的角度，我认为也会有针对于 AI 加速芯片的一些诉求。
云厂商未来一定会参与到这个竞争过程中，比如说AI云原来是各大云商里边用得比较少的业务形态，现在必然是市场争夺的焦点。各大互联网公司和IT公司也都在第一时间做出了反应，各大厂商一定会保持高速的创新力。
数据中心，服务器集群和ChatGPT之间的关系
一切的数据处理、交换、存储是有载体的，从这个角度来说，大数据中心是根基。
上一层是服务器集群，ChatGPT所需要用的就要更加重于 AI 类的服务器集群，而不是传统互联网服务器集群。
传统集群里边也有专门集中处理数据库的、包括应用侧都是有大量的数据库要进行处理的，还有进行视频工具软件的处理。
人工智能时代，预计所有的软件公司都会插上 AI 的翅膀，这个时候对于 AI 中台的服务器集群也要进行部署，或者是部署在云上进行调用。因为 AI 服务器集群从成本来说是传统集群的四五倍之多。
ChatGPT是软件侧的中台，是一个工具集，底层的集群是它生长算力的载体，没有算力是不行的。大数据中心就是保障算力可靠安全运行的基础设施。
Q：如何看待人形机器人和ChatGPT的结合？
A：服务机器人原来多数还是以单机为主，是固定模式的一个服务，层级服务的内容也比较低。有了chat GPT 以后，机器人的生产厂家可以通过远端大脑和机器连接实现功能性的提升、也会扩大它的服务范围，加速替代低端劳动力。
这些机器人不仅仅是在公共场所里提供服务的，像是劳动型、巡逻型、看护型的会参与到人的生活之中，对这部分产业拉动是毋庸置疑的。目前来看还是以服务机器人为主，先进行落地。
Q： 如何看待AI生成视频？
A：这就是我们常说的产品跨界融通，每一个单项都具备能力了，比如文本、图片，那么同和以后，下一步就是生成视频类。因为数据是非结构化的、AI生成图片文字都可以进行功能融合，接下来就是对视频进行渲染了。
从底层的角度来说，支撑这些能力根源都是依靠GPU图形处理芯片。