AIGC的下游应用与AI服务器的关键壁垒是什么？
应用：ChatGPT令人眼前一亮，下游应用如雨后春笋涌现
GPT基础能力包括文本生成（分析）、代码生成、对话交互、机器翻译、图像生成、视频生成等，借此赋能通用与垂直领域应用，有望带来商业模式的重塑与变革。
结合ChatGPT现有应用场景，以及对GPT未来模型演变的展望，我们归纳出GPT的基础能力，具体包括：文本生成（分析）、代码生成、对话交互、机器翻译、图像生成、视频生成等。
我们认为，这些基础能力将支撑GPT在通用与垂直领域的应用，新的应用领域出现也将基于这些能力的组合。例如，在办公软件领域，主要涉及GPT的文本能力；在教育行业，主要应用到文本、对话、翻译能力；在传媒行业，主要应用到图像、视频能力。
模型：头部厂商都不肯错过AGI的“iPhone”时刻，纷纷下场（海外）
AIGC国外主要预训练模型
模型：头部厂商都不肯错过AGI的“iPhone”时刻，纷纷下场（国内）
AIGC国内主要预训练模型
算力：大模型需要的算力与以往有什么不同
算力：训练和推理类ChatGPT大模型所需要的算力
（一）、训练一个GPT3.5类的AI模型需要的算力
➢训练所需资源与训练模型消耗的时间成反比，要求训练速度越短，消耗的资源量越大；
➢3个月内训练出一个版本的GPT3.5模型需要3000片A800 80G GPU，如果需要在1-2个月内训练出
GPT3大小的模型则需要10000+片A800 80G GPU；
➢微软已经向OpenAI公司投入数万片GPU；
（二）、推理
➢推理GPT3.5类的AI模型需要的算力
➢GPT3.5类AI模型属于大规模语言模型，由于模型过于巨大，无法放在1张A800 80G GPU上进行推理，
最少8卡A800 80G GPU进行推理保证延迟在1s以内；
算力：不同规模的模型所需GPU数量
算力：AI服务器的关键壁垒是什么
