ChatGPT带火了生成式AI应用，也推动着AI技术发展来到新的临界点，各大科技公司不得不正视ChatGPT所带来的变化与冲击，进而纷纷涉足布局类ChatGPT技术。

ChatGPT大火的背后离不开高算力基础设施的支撑，而这一切的最基本的核心是芯片。ChatGPT接下来会对芯片算力、数据中心带来什么影响？

英特尔中国研究院院长宋继强在接受集微网等行业媒体采访时表示，“未来对算力的需求肯定是上升的。如果说仅用原来的一些方案去线性扩展的话，能效比肯定不是最优的，所以一定要去寻找更好的方法解决问题。”

据悉，ChatGPT在底层算法上并没有太多变化，但它的训练方式采用交互式、强化学习，大大增加了训练的复杂度，数据量也翻倍增长，导致它的模型规模以及训练成本快速上升。此前，OpenAI预估算力需求每3.5个月会翻一倍，每年近10倍，对于目前很多硬件系统方案都会带来新的挑战。

提到AI应用的硬件产品，GPU当仁不让。过去六七年来，随着AI技术在各行业中的应用落地，以英伟达为代表的GPU公司在场景应用上有了较大突破。ChatGPT的出现，也让这些GPU公司看到了更广阔的应用前景。但作为新生事物，ChatGPT仍然处在发展的早期阶段，就像以前的TensorFlow技术，最先是跑在CPU上，后来又有了ASIC芯片。ChatGPT未来发展，或会结合实际应用需求，在CPU、GPU、FPGA、ASIC等类型硬件中探寻更合适的加速方案。

“现在大模型的训练有很高的门槛，训练好了以后，真正要部署的时候提供服务，很多中小型企业介入，他们如何去选择一套最优的硬件方案是接下来的一大关键。”宋继强指出，“这需要在架构上去做创新，为它构造新的类似于CPU+GPU的集群，对存储也要做更多的优化。或许其它非GPU的硬件也可以加入进来，例如，专门的加速器或者FPGA方案，很多创新想法都有可能发生。”

作为一家芯片供应商，英特尔的产品中既有CPU，也有GPU、FPGA等多种类型硬件产品，同时，英特尔在数据中心高性能加速领域拥有深厚的经验积累，这些都为满足ChatGPT这类AI应用的硬件方案提供了基础。

“但我们还不太清楚不同领域的客户的工作负载中哪些环节存在不足，模型训练的交互流程中哪些有瓶颈。这正是我们在做的工作，我们会去和头部客户深入交流，帮助他们去做适应中国应用的定制方案。”宋继强表示。

据悉，英特尔已与包括百度、阿里在内的广泛客户展开深入合作，下一步将跟中国头部客户去共同研究布局推进ChatGPT这类AI技术在企业及垂直领域的落地应用。