芝能智芯出品
生成式人工智能（Gen AI）已成为炙手可热的话题。随着ChatGPT和Sora等Gen AI应用在全球范围内的迅速普及，对计算能力的需求也呈现出爆发式增长。
这一趋势正将焦点转移到半导体行业，将其推向了新的发展阶段，我们可以形象地将其描述为"下一个S曲线"。这也带来了一个紧迫的问题，半导体行业能否跟上这股变革的步伐。
半导体行业的领军者们纷纷采取措施，投入大量资本用于扩大数据中心和半导体制造工厂，并不断探索芯片设计、材料和架构方面的进步，目标是要满足新一代Gen AI驱动的商业环境所带来的不断变化的需求。
Part 1
半导体行业的S曲线
半导体行业面临着一个新的增长曲线S曲线。这要求行业领导者进行大量资本投入，以扩大数据中心和半导体制造工厂（fabs），并探索芯片设计、材料和架构的进步，以满足新一代AI驱动的商业环境的需求。
在B2B和B2C市场中，生成式AI的影响正在开发多种场景，这些场景都预示着计算需求的显著增长。这些场景主要关注数据中心，并承认边缘设备如智能手机的影响，尽管规模较校
生成式AI应用程序的需求可以分为两个主要阶段：训练和推理。
●训练阶段通常需要处理大量数据，是计算密集型的，
●而推理阶段则在每次运行用例时需要较少的计算量。
B2C应用程序预计将占新一代AI计算需求的70%，而B2B用例预计占30%。
Part 2
B2B和B2C
麦肯锡分析了六种B2B用例原型，并根据服务计算成本和AI价值创造进行了组织。这些原型包括编码和软件开发应用、创意内容生成应用、客户互动应用、创新应用、简单简洁的应用和复杂简洁的应用。
分析的核心是服务计算成本，包括训练、微调和推理成本，以及基础设施即服务（IaaS）利润，其中包括计算硬件、服务器组件、IT基础设施、功耗和人才成本。
B2B需求场景：
●基础采用：在18年内预计实现90%的采用率，需要大量投资于计算基础设施。
●保守采用：采用率可能减缓，仅产生部分价值捕获，受监管限制和数据隐私问题的影响。
●加速采用：预计13年内实现90%的采用率，受到新商业模式和技术进步的推动。
对于B2C计算需求，消费者参与度和计算含义是关键驱动因素。基本、保守和加速采用场景代表了新一代AI对B2B和B2C应用程序需求的可能结果。例如，到2030年，在基本场景中，新一代AI计算总需求可能达到25x10^30 FLOP，其中约70%来自B2C应用程序，30%来自B2B应用程序。
B2C计算需求场景：
●基础采用：预计每个智能手机用户的日常交互次数将增加，对B2C应用程序的需求将持续增长。
●保守采用：担忧数据隐私和监管问题可能导致交互次数减半。
●加速采用：高度信任和用户接受度可能会导致消费者应用程序交互数量的急剧增加。
Part 3
AI对行业的影响
随着组织应对采用新一代AI的复杂性，对这些原型的战略利用变得势在必行。经济性、算法效率以及硬件的持续进步等因素进一步影响着新一代AI的采用和技术进步。
在数据中心基础设施方面，生成式AI应用程序通常在专用服务器上运行，这些服务器可能需要更高的机架功率密度和液体冷却。服务器将采用高性能GPU或专用AI芯片，如ASIC，以高效处理工作负载。训练服务器预计将采用CPU+GPU架构，而推理工作负载预计将转向专用硬件，因为它们成本更低，能源效率更高。
晶圆需求的增长对半导体行业产生了显著影响。到2030年，非新一代AI应用对逻辑晶圆的需求将约为1500万片，而生成式AI需求将需要额外的120万至360万片晶圆。这可能导致需要三到九座新的逻辑晶圆厂来满足需求。
对于DRAM和HBM内存芯片，到2030年，gen AI应用对DRAM的需求可能在5至1300万片晶圆之间，相当于4至12个专用晶圆厂。NAND存储器的总需求预计为2至800万片晶圆，对应1至5家晶圆厂。
除了逻辑和内存芯片，其他组件如高速网络和互连设备、功率半导体等也将面临增长的需求。gen AI的增长推动了对计算能力的相应需求，促进了软件创新以及对数据中心基础设施和半导体工厂的大量投资。
小结
为了应对新一代AI带来的挑战与机遇，半导体行业必须拥抱变革，制定相应的应对策略。行业领军者加大对计算基础设施的投资，以满足不断增长的需求。
在B2C市场，制定针对智能手机等边缘设备的芯片设计与制造策略至关重要，以满足日益增长的消费者需求。
