AIGC（AI-Generated Content），指基于生成对抗网络GAN、大型预训练模型等AI技术，自主生成创造新的文本，图像、音乐、视频、3D交互内容(如虚拟化身、虚拟物品、虚拟环境)等各种形式的内容和数据。目前，AIGC主要应用于 文字生成 音频生成 图像生成 视频生成 跨模态生成（文生图） 虚拟人生成等技术场景，赋能社交媒休、游戏、广告、建筑、编码、平面设计、产品设计、营销销售等各个需要人类知识创造的行业。

2022年11月30日，OpenAI公司发布集代码创作、文本撰写、翻译等功能于一体的聊天机器人模型ChatGPT，发布一周内用户量超过百万，两个月用户数突破一亿，创历史记录。微软、谷歌、百度、字节、阿里、腾讯等国内外主流厂家迅速布局，不断夯实通用大模型，打造产业模型，助力AI大模型产业化。生成式AI将是未来几年最重要的生产力工具，并深刻改变各个产业环节，围绕生成式AI，无论是训练还是推理端，算力需求都将有望爆发式增长。

大模型算力需求评估

基础模型（基于大规模数据集和大规模算力训练的大型预训练模型）是AIGC产业生态体系的关键AI算力底座。以ChatGPT为例，其根基还是在通用基础大模型底座GPT-3上，训练超大基础模型需要强大的GPU算力作为支撑，ChatGPT三大算力需求场景包括预训练、Finetune及日常运营。

ChatGPT基于Transformer架构，进行语言模型预训练，预训练阶段单次算力需求取决于模型参数量，以GPT-3为例，以GPT-3模型为例，随着模型朝更大体量的方向演进，参数量从GPT-3 Small的1.25亿个增长到GPT-3 175B的1746亿个，一次训练所需的计算量从2.6PFlop/s-day增至3640PFlop/s-day，换算成GPU，则是需要800张A100的计算卡；报告推算，2023年-2027年，全球大模型训练端峰值算力需求量的年复合增长率有望达到78.0%，2023年全球大模型训练端所需全部算力换算成的A100芯片总量可能超过200万张。

信维GPU解决方案助力构建AI大模型GPU集群

组建训练集群的服务器大多使用搭载专用GPU模组的标准8卡机型，信维采用XXX+XXX（华勤P6220+GPU BOX）的组合解决方案，可广泛用于互联网用户的大模型训练集群部署。基于Intel Whitley平台，最多可以提供80个CPU核心，可最大程度满足训练集群的CPU算力需求。

-  超强算力：4U空间内搭载全新NVLink技术连接的SXM4 A800 GPU模组，GPU通信带宽及性能较上一代翻倍，GPU之间的通信互联带宽可达400GB/s，算力超群，支撑大模型计算底座。

- 高速互联：8块HHHL插槽可配备200G网卡设备实现高性能、低时延的互联网络部署，搭建高速AI集群，完成海量的并发在线数据处理；机器支持8个2.5寸 U.2 NVME 硬盘位，可用于存储预训练数据集，通过PCIe Switch将NVMe SSD里的数据直接读取到GPU显存里。

- 灵活部署：超短的机箱尺寸，可以适配多变的机房环境；前后维护兼容设计，满足不同用户的运维需求；独立的BOX机箱管理，为用户带来便捷的BOX运维体验；可灵活适配全新Gen4链路的各平台计算节点。

以ChatGPT为代表的AIGC已经成为当下互联网行业的风口，当前，部分行业顶尖的AIGC公司已进行商业化落地，但应用场景、行业处于起步阶段，内容生产效率仍有待提高，主要原因是整体技术仍处在快速成长中。随着关键技术与基础理论不断突破，大算力、大数据、大模型将成为未来重点发展方向，带动自然语言处理、翻译模型、生成算法和数据集等细分要素持续提升，推动产出的内容细节、类型更丰富、质量更高。以ChatGPT为例，其新一代模型GPT-4预计已于近期发布，GPT-4的训练数据量、token数、模型参数量将有所提升，从而提高模型规模，降低训练成本和使用门槛的同时，有望完全通过图灵测试达到人类智慧水平,AIGC将迎来快速发展阶段。