从阿里云、谷歌云和甲骨文云等云平台的官网可以看出，用户可以通过其租用英伟达A100、英伟达V100、谷歌TPU等显卡与人工智能加速处理器。此类服务一般根据硬件性能或使用时长等方式定价。近日英伟达DGX云的推出，将AIGC云算力推入新阶段。
3月，英伟达在其2023年开发者大会上宣布推出DGX云：通过英伟达与微软云（Azure）、谷歌云（GCP）和甲骨文云（OCI）合作，企业通过一个浏览器就可以按月租用英伟达DGX AI超级计算机。DGX云是世界上第一台云中的AI超级计算机。DGX AI超级计算机配有8个H100 GPU模组，H100配有Transformer引擎，旨在处理ChatGPT类大模型。8个H100协同工作，效果如同一个巨型GPU。
我们认为，通过与云平台合作，将GPU等硬件计算服务以租用的方式，开放给广大企业，英伟达DGX云并非AIGC产业首例，但由于DGX AI超级计算机的杰出性能，DGX云将AIGC云算力产业推向了更高的起点。
在报告《Web3视角下的AIGC算力进化论》中，我们比较了加密资产挖矿和AIGC产业的异同点，提出，
1）AIGC（Artificial Intelligence Generated Content，人工智能生成内容）产业耗电量可观，并将快速提升，大约会在1.6~7.5年间超过当前比特币挖矿产业耗电量，主要驱动因素是GPT类大语言模型在模型参数、日活和模型数量上的高速增长；
2）和比特币挖矿类似，AIGC产业由算力驱动的内容处于高强度竞争中，参与者只有持续、快速生产出高质量内容，才能保证自己获取到的用户注意力不下降。
另外，并非巧合，我们发现，加密资产挖矿历史上也出现了云算力这一业态，它代表了算力生产商在销售算力硬件整机外，将算力推向市场的终极形态。
与有限、特定对象联合挖矿。2021年6月，比特币矿机厂商嘉楠科技宣布，开启在哈萨克斯坦的联合挖矿业务。公司董事长兼CEO张楠赓表示相信联合挖矿业务有利于增加公司财务收益，拓展业务范围和客户群，整合行业资源；在比特币下行周期中，可以盘活公司的矿机库存，减少公司经营的波动风险；在比特币上行周期中，有利于公司拥有库存储备，能够及时满足新增的时长需求。
向无限、不特定对象售卖云算力。2018年12月，加密资产矿机厂商比特推出了云算力服务平台“比特小鹿”，用户无需购买矿机硬件，也可以购入挖矿算力，获得挖矿收入。对用户而言，比特小鹿的云算力套餐的性质接近于定期理财产品。
不论是AIGC云算力，还是加密资产云算力，我们认为，它们都是采用了“化整为零”的方式，赋能产业链各方：
1） 对上游算力生产商而言，在算力硬件进入淡季、库存趋增时，能通过售卖云算力的方式，平滑收入的波动，并为旺季储备“有生”力量，及时满足回弹的市场需求；
ChatGPT所需算力可观。不考虑与日活高度相关的推理过程所需的算力，仅考虑训练过程，根据论文《Language Models are Few-Shot Learners》的测算，ChatGPT的上一代GPT-3 （1750亿参数版）所需的算力高达3640PF-days（即假如每秒做一千万亿次浮点运算，需要计算3640天），已知单张英伟达A100显卡的算力约为0.6PFLOPS，则训练一次GPT-3（1750亿参数版），大约需要6000张英伟达A100显卡，如果考虑互联损失，大约需要上万张A100，按单张A100芯片价格约为10万元，则大规模训练就需要投入约10亿元，非头部厂商难以承担。而GPT4的模型参数更大，训练的标识符更多，所需算力更为可观。
4月5日，ChatGPT官网停止Plus付费项目的购买。在升级界面，OpenAI表示“因需求量太大暂停了升级服务”。这在一定程度上反映出，即便是OpenAI这样的头部模型厂商，也难以承载用户对ChatGPT的狂热需求。
摩尔定律中，集成电路上可容纳的元器件的数目，约每隔 18-24 个月便会增加一倍，性能也将提升一倍。
继摩尔定律后，英伟达 CEO 黄仁勋提出黄氏定律：每 12 个月 GPU 性能翻一倍，且不受物理制程约束。
根据OpenAI测算，自2012年至2018年，用于训练AI所需要的算力大约每隔3-4个月翻倍，总共增长了30万倍（而摩尔定律在相同时间只有7倍的增长），每年头部训练模型所需算力增长幅度高达 10 倍，整体呈现指数级上涨。
云算力能让AIGC大模型厂商无需购买英伟达A100显卡等硬件，而直接按需租用云算力平台提供的算力，这使得初创企业或非头部模型厂商也能尝试进入AIGC的领域。如果AIGC大模型厂商愿意让渡更多资源，还可以更深入地与云平台合作。这方面的典型案例是微软云与ChatGPT开发商OpenAI的合作，两者的合作没有停留在算力租用上，而深入到了股权与产品的融合上：
股权上，根据《财富》杂志报道，在OpenAI的第一批投资者收回初始资本后，微软将有权获得OpenAI 75%利润，直到微软收回投资成本（130亿美元）；当OpenAI实现920亿美元的利润后，微软的份额将降至49%。与此同时，其他风险投资者和OpenAI的员工，也将有权获得OpenAI 49%的利润，直到他们赚取约1500亿美元。如果达到这些上限，微软和投资者的股份将归还给OpenAI非营利基金会。
产品上，除了让搜索引擎必应（Bing）整合ChatGPT，2023年1月，微软宣布推出Azure OpenAI服务，Azure 全球版企业客户可以在云平台上直接调用OpenAI模型，包括 GPT3.5、Codex 和 DALL.E模型，其后不久，微软宣布将GPT4整合到了新必应和Office升级版Copilot上。
对于IDC企业而言，构建云算力池的成本主要是购置显卡，而算力定价也与显卡成本紧密相关。伴随近期AIGC的放量，计算型GPU价格上涨明显，尤其在实际商用中，仍以英伟达系列产品为主。据产业调研了解，目前云算力尚处于试水阶段，主要模式为：
面向体量稍大且训练需求频繁的客户，往往采用买断独占模式，即GPU只提供给特定客户使用，往往需签订长约。此时对于IDC企业而言，主要提供相关配套机柜、散热、供电等服务。
面对中小客户，签约时间较短，中间会有空档期，但价格随行就市。若未来GPU价格持续走高，该部分租金价格也会走高。对于IDC企业而言，初期的算力投入相对固定，若租金涨价则回本周期将大幅缩短。
因此，在当前建立AIGC的算力资源，可视同对未来建立的“看多期权”，无论GPU、算力租金的价格都将具备弹性。
由于AIGC云算力可以在一定程度上“复用”云计算产业链资源，伴随着AIGC云算力需求的爆发，云计算产业链迎来第二增长曲线。以IDC（Internet Data Center，互联网数据中心）为例，它利用机房设施，以外包出租的方式，为用户提供以下服务：1）放置、代理维护、系统配置及管理服务器等互联网或其他网络相关设备；2）出租数据库系统或服务器等设备及其存储空间；3）代理租用通信线路和出口带宽等资源。从光环新网、奥飞数据等上市公司近年来发布的定增预案中，可以看出，投建IDC花费可观，为单个标准机柜募集的投资额约为18万元，项目建设期长达1~5年，投资回收期长达6~8年。在AIGC算力需求平地而起后，我们预计，其有望为IDC运营商缩短投资回收期，提升上架率，深化第二增长曲线。
何种AIGC云算力服务商能赢得新的“军备竞赛”？相较于可能新入局的厂商，我们认为，从上游资源看，能获得低价电力、GPU硬件设备、客户等资源的IDC服务商具备优势；从下游看，由于互联网企业、金融企业等都可能参与到AIGC的竞争中来，而这些客群与IDC服务商的高度相似，我们认为IDC服务商同样具备优势。因此，短期看GPU和客户是核心资源，中长期看，电力价格将直接影响计算成本，在中西部地区有布局或引入绿电本地消纳的企业将有优势。
此前，受产能扩张、出租率下降因素的影响，IDC板块已沉寂多时，市场预期较低。AIGC的爆发在初期对机柜出租的影响也并不大，但随着应用的爆发和AI云算力商业模式的出现，IDC板块有望迎来新的增长点。通过布局AI云算力，IDC企业获得增值服务的抓手，依托既有客户资源，转型云算力。
综上所述，AIGC云算力的核心资源在于：GPU、客户和电价。按此逻辑建议配置第三方IDC服务商：光环新网、奥飞数据、数据港、世纪华通、润泽科技、科华数据、宝信软件等。
AIGC技术发展不及预期。例如，对算力需求较大的“图生文/图生图/图生视频”“文生视频”等多模态技术发展尚处于早期，进度可能不及预期。
地缘冲突加剧。例如，美国禁运A100等高端AI可用显卡，对我国发展AIGC产业造成了一定的掣肘。
本文节选自国盛证券研究所于2023年4月7日发布的报告《AI云算力——AIGC的看多期权》，具体内容请详见相关报告。
