ChatGPT開(kāi)啟大模型“軍備賽”，存算一體開(kāi)啟算力新篇章

ChatGPT開(kāi)啟大模型“軍備賽”，存儲(chǔ)作為計(jì)算機(jī)重要組成部分明顯受益:?

ChatGPT開(kāi)啟算力軍備賽，大模型參數(shù)呈現(xiàn)指數(shù)規(guī)模，引爆海量算力需求，模型計(jì)算量增長(zhǎng)速度遠(yuǎn)超人工智能硬件算力增長(zhǎng)速度，同時(shí)也對(duì)數(shù)據(jù)傳輸速度提出了更高的要求。XPU、內(nèi)存、硬盤(pán)組成完整的馮諾依曼體系，以一臺(tái)通用服務(wù)器為例，芯片組+存儲(chǔ)的成本約占70%以上，芯片組、內(nèi)部存儲(chǔ)和外部存儲(chǔ)是組成核心部件；存儲(chǔ)是計(jì)算機(jī)的重要組成結(jié)構(gòu)，“內(nèi)存”實(shí)為硬盤(pán)與CPU之間的中間人，存儲(chǔ)可按照介質(zhì)分類(lèi)為ROM和RAM兩部分。

存算一體，后摩爾時(shí)代的必然發(fā)展:?

過(guò)去二十年中，算力發(fā)展速度遠(yuǎn)超存儲(chǔ)，“存儲(chǔ)墻”成為加速學(xué)習(xí)時(shí)代下的一代挑戰(zhàn)，原因是在后摩爾時(shí)代，存儲(chǔ)帶寬制約了計(jì)算系統(tǒng)的有效帶寬，芯片算力增長(zhǎng)步履維艱。因此存算一體有望打破馮諾依曼架構(gòu)，是后摩時(shí)代下的必然選擇，存算一體即數(shù)據(jù)存儲(chǔ)與計(jì)算融合在同一個(gè)芯片的同一片區(qū)之中，極其適用于大數(shù)據(jù)量大規(guī)模并行的應(yīng)用場(chǎng)景。存算一體優(yōu)勢(shì)顯著，被譽(yù)為AI芯片的“全能戰(zhàn)士”，具有高能耗、低成本、高算力等優(yōu)勢(shì)；存算一體按照計(jì)算方式分為數(shù)字計(jì)算和模擬計(jì)算，應(yīng)用場(chǎng)景較為廣泛，SRAM、RRAM有望成為云端存算一體主流介質(zhì)。

存算一體前景廣闊、漸入佳境:?

存算一體需求旺盛，有望推動(dòng)下一階段的人工智能發(fā)展，原因是我們認(rèn)為現(xiàn)在存算一體主要AI的算力需求、并行計(jì)算、神經(jīng)網(wǎng)絡(luò)計(jì)算等；大模型興起，存算一體適用于從云至端各類(lèi)計(jì)算，端測(cè)方面，人工智能更在意及時(shí)響應(yīng)，即“輸入”即“輸出”，目前存算一體已經(jīng)可以完成高精度計(jì)算；云端方面，隨著大模型的橫空出世，參數(shù)方面已經(jīng)達(dá)到上億級(jí)別，存算一體有望成為新一代算力因素；存算一體適用于人工智能各個(gè)場(chǎng)景，如穿戴設(shè)備、移動(dòng)終端、智能駕駛、數(shù)據(jù)中心等。我們認(rèn)為存算一體為下一代技術(shù)趨勢(shì)并有望廣泛應(yīng)用于人工智能神經(jīng)網(wǎng)絡(luò)相關(guān)應(yīng)用、感存算一體，多模態(tài)的人工智能計(jì)算、類(lèi)腦計(jì)算等場(chǎng)景。

01.?存算一體，開(kāi)啟算力新篇章

1.1 ChatGPT開(kāi)啟大模型“軍備賽”，算力呈現(xiàn)明顯缺口

ChatGPT開(kāi)啟算力軍備賽:?我們已經(jīng)在《ChatGPT: 百度文心一言暢想》中證明數(shù)據(jù)、平臺(tái)、算力是打造大模型生態(tài)的必備基礎(chǔ)，且算力是訓(xùn)練大模型的底層動(dòng)力源泉，一個(gè)優(yōu)秀的算力底座在大模型(AI算法)的訓(xùn)練和推理具備效率優(yōu)勢(shì)；同時(shí)，我們?cè)凇禖hatGPT打響AI算力“軍備戰(zhàn)”》中證明算力是AI技術(shù)角逐“入場(chǎng)券”，其中AI服務(wù)器、AI芯片等為核心產(chǎn)品；此外，我們還在《ChatGPT ，英偉達(dá)DGX引爆AI “核聚變”》中證明以英偉達(dá)為代表的科技公司正在快速補(bǔ)足全球AI算力需求，為大模型增添必備“燃料”。

大模型參數(shù)呈現(xiàn)指數(shù)規(guī)模，引爆海量算力需求:?根據(jù)財(cái)聯(lián)社和OpenAI數(shù)據(jù)，ChatGPT浪潮下算力缺口巨大，根據(jù)OpenAI數(shù)據(jù)，模型計(jì)算量增長(zhǎng)速度遠(yuǎn)超人工智能硬件算力增長(zhǎng)速度，存在萬(wàn)倍差距。運(yùn)算規(guī)模的增長(zhǎng)，帶動(dòng)了對(duì)AI訓(xùn)練芯片單點(diǎn)算力提升的需求，并對(duì)數(shù)據(jù)傳輸速度提出了更高的要求。根據(jù)智東西數(shù)據(jù)，過(guò)去五年，大模型發(fā)展呈現(xiàn)指數(shù)級(jí)別，部分大模型已達(dá)萬(wàn)億級(jí)別，因此對(duì)算力需求也隨之攀升。

資料來(lái)源：新浪，智東西，可創(chuàng)辦日?qǐng)?bào)，華西證券研究所

1.2 深度拆解服務(wù)器核心硬件組成部分

服務(wù)器的組成:?我們以一臺(tái)通用服務(wù)器為例，服務(wù)器主要由主板、內(nèi)存、芯片組、磁盤(pán)、網(wǎng)卡、顯卡、電源、主機(jī)箱等硬件設(shè)備組成；其中芯片組、內(nèi)部存儲(chǔ)和外部存儲(chǔ)是組成核心部件。

GPU服務(wù)器優(yōu)勢(shì)顯著: GPU服務(wù)器超強(qiáng)的計(jì)算功能可應(yīng)用于海量數(shù)據(jù)處理方面的運(yùn)算，如搜索、大數(shù)據(jù)推薦、智能輸入法等，相較于通用服務(wù)器，在數(shù)據(jù)量和計(jì)算量方面具有成倍的效率優(yōu)勢(shì)。此外，GPU可作為深度學(xué)習(xí)的訓(xùn)練平臺(tái)，優(yōu)勢(shì)在于1、GPU 服務(wù)器可直接加速計(jì)算服務(wù)，亦可直接與外界連接通信；2、GPU服務(wù)器和云服務(wù)器搭配使用，云服務(wù)器為主，GPU服務(wù)器負(fù)責(zé)提供計(jì)算平臺(tái)；3、對(duì)象存儲(chǔ)COS 可以為GPU 服務(wù)器提供大數(shù)據(jù)量的云存儲(chǔ)服務(wù)。

AI服務(wù)器芯片組價(jià)值成本凸顯:?以一臺(tái)通用服務(wù)器為例，主板或芯片組占比最高，大約占成本50%以上，內(nèi)存(內(nèi)部存儲(chǔ)+外部存儲(chǔ))占比約為20%。此外，根據(jù)Wind及芯語(yǔ)的數(shù)據(jù)，AI服務(wù)器相較于高性能服務(wù)器、基礎(chǔ)服務(wù)器在芯片組(CPU+GPU)的價(jià)格往往更高，AI服務(wù)器(訓(xùn)練)芯片組的成本占比高達(dá)83%、AI服務(wù)器(推理)芯片組占比為50%，遠(yuǎn)遠(yuǎn)高于通用服務(wù)器芯片組的占比。

資料來(lái)源：H3C UniServer R4900 G5技術(shù)白皮書(shū)，華西證券研究所

1.3 存儲(chǔ)，計(jì)算機(jī)的重要組成結(jié)構(gòu)

存儲(chǔ)是計(jì)算機(jī)的重要組成結(jié)構(gòu):?存儲(chǔ)器是用來(lái)存儲(chǔ)程序和數(shù)據(jù)的部件，對(duì)于計(jì)算機(jī)來(lái)說(shuō)，有了存儲(chǔ)器才有記憶功能，才能保證正常工作。存儲(chǔ)器按其用途可分為主存儲(chǔ)器和輔助存儲(chǔ)器，主存儲(chǔ)器又稱內(nèi)存儲(chǔ)器(簡(jiǎn)稱內(nèi)存)，輔助存儲(chǔ)器又稱外存儲(chǔ)器(簡(jiǎn)稱外存)。

內(nèi)存:?主板上的存儲(chǔ)結(jié)構(gòu)，與CPU直接溝通，并用其存儲(chǔ)數(shù)據(jù)的部件，存放當(dāng)前正在使用的（即執(zhí)行中）的數(shù)據(jù)和程序，一旦斷電，其中的程序和數(shù)據(jù)就會(huì)丟失；

外存:?磁性介質(zhì)或光盤(pán)，像硬盤(pán)，軟盤(pán)，CD等，能長(zhǎng)期保存信息，并且不依賴于電力來(lái)保存信息。

XPU、內(nèi)存、硬盤(pán)組成完整的馮諾依曼體系: “內(nèi)存”實(shí)為硬盤(pán)與CPU之間的中間人，CPU如果直接從硬盤(pán)中抓數(shù)據(jù)，時(shí)間會(huì)太久。所以“內(nèi)存”作為中間人，從硬盤(pán)里面提取數(shù)據(jù)，再讓CPU直接到內(nèi)存中拿數(shù)據(jù)做運(yùn)算。這樣會(huì)比直接去硬盤(pán)抓數(shù)據(jù)，快百萬(wàn)倍；CPU里面有一個(gè)存儲(chǔ)空間Register(寄存器)，運(yùn)算時(shí)，CPU會(huì)從內(nèi)存中把數(shù)據(jù)載入Register, 再讓Register中存的數(shù)字做運(yùn)算，運(yùn)算完再將結(jié)果存回內(nèi)存中，因此運(yùn)算速度Register > 內(nèi)存> 硬盤(pán)，速度越快，價(jià)格越高，容量越低。

資料來(lái)源：CSDN，華西證券研究所

存儲(chǔ)按照易失性分類(lèi):?分別為ROM(只讀存儲(chǔ)器)是Read Only Memory的縮寫(xiě)，RAM(隨機(jī)存取存儲(chǔ)器)是Random Access Memory的縮寫(xiě)。ROM在系統(tǒng)停止供電的時(shí)候仍然可以保持?jǐn)?shù)據(jù)，而RAM通常都是在掉電之后就丟失數(shù)據(jù)，典型的RAM就是計(jì)算機(jī)的內(nèi)存。

RAM(隨機(jī)存取存儲(chǔ)器)作為內(nèi)存架構(gòu)廣泛應(yīng)用于計(jì)算機(jī)中:是與中央處理器直接交換數(shù)據(jù)的內(nèi)部存儲(chǔ)器?？梢噪S時(shí)讀寫(xiě)且速度很快，通常作為操作系統(tǒng)或其他正在運(yùn)行中的程序的臨時(shí)資料存儲(chǔ)介質(zhì)。RAM可分為靜態(tài)SRAM與動(dòng)態(tài)DRAM,SRAM速度非?？欤悄壳白x寫(xiě)最快的存儲(chǔ)設(shè)備了，但是價(jià)格昂貴，所以只在要求很苛刻的地方使用，譬如CPU的一級(jí)緩沖，二級(jí)緩沖；DRAM保留數(shù)據(jù)的時(shí)間很短，速度也比SRAM慢，不過(guò)比任何的ROM都要快，但從價(jià)格上來(lái)說(shuō)DRAM相比SRAM要便宜，因此計(jì)算機(jī)內(nèi)存大部分為DRAM架構(gòu)；

ROM(只讀存儲(chǔ)器)作為硬盤(pán)介質(zhì)廣泛使用: Flash內(nèi)存的存儲(chǔ)特性相當(dāng)于硬盤(pán)，它結(jié)合了ROM和RAM的長(zhǎng)處，不僅具備了電子可擦除可編程的性能，還不會(huì)斷電丟失數(shù)據(jù)同時(shí)可以快速讀取數(shù)據(jù)，近年來(lái)Flash已經(jīng)全面替代傳統(tǒng)ROM在嵌入式系統(tǒng)的定位，目前Flash主要有兩種NOR Flash和NAND Flash。Nand-flash存儲(chǔ)器具有容量較大，改寫(xiě)速度快等優(yōu)點(diǎn)，適用于大量數(shù)據(jù)的存儲(chǔ)，因此被廣泛應(yīng)用在各種存儲(chǔ)卡，U盤(pán)，SSD，eMMC等等大容量設(shè)備中；NOR-Flash則由于特點(diǎn)是芯片內(nèi)執(zhí)行，因此應(yīng)用于眾多消費(fèi)電子領(lǐng)域。

資料來(lái)源：CSDN，華西證券研究所

1.4 存算一體，后摩爾時(shí)代的必然發(fā)展

算力發(fā)展速度遠(yuǎn)超存儲(chǔ)，存儲(chǔ)帶寬限制計(jì)算系統(tǒng)的速度:?在過(guò)去二十年，處理器性能以每年大約55%的速度提升，內(nèi)存性能的提升速度每年只有10%左右。因此，目前的存儲(chǔ)速度嚴(yán)重滯后于處理器的計(jì)算速度。能耗方面，從處理單元外的存儲(chǔ)器提取所需的時(shí)間往往是運(yùn)算時(shí)間的成百上千倍，因此能效非常低；“存儲(chǔ)墻”成為加速學(xué)習(xí)時(shí)代下的一代挑戰(zhàn)，原因是數(shù)據(jù)在計(jì)算單元和存儲(chǔ)單元的頻繁移動(dòng)。

存儲(chǔ)墻、帶寬墻和功耗墻成為首要限制關(guān)鍵:?在傳統(tǒng)計(jì)算機(jī)架構(gòu)中，存儲(chǔ)與計(jì)算分離，存儲(chǔ)單元服務(wù)于計(jì)算單元，因此會(huì)考慮兩者優(yōu)先級(jí)；如今由于海量數(shù)據(jù)和AI加速時(shí)代來(lái)臨，不得不考慮以最佳的配合方式為數(shù)據(jù)采集、傳輸、處理服務(wù)，然而存儲(chǔ)墻、帶寬墻和功耗墻成為首要挑戰(zhàn)，雖然多核并行加速技術(shù)也能提升算力，但在后摩爾時(shí)代，存儲(chǔ)帶寬制約了計(jì)算系統(tǒng)的有效帶寬，芯片算力增長(zhǎng)步履維艱。

存算一體有望打破馮諾依曼架構(gòu)，是后摩時(shí)代下的必然選擇:?存算一體是在存儲(chǔ)器中嵌入計(jì)算能力，以新的運(yùn)算架構(gòu)進(jìn)行二維和三維矩陣乘法/加法運(yùn)算。存內(nèi)計(jì)算和存內(nèi)邏輯，即存算一體技術(shù)優(yōu)勢(shì)在于可直接利用存儲(chǔ)器進(jìn)行數(shù)據(jù)處理或計(jì)算，從而把數(shù)據(jù)存儲(chǔ)與計(jì)算融合在同一個(gè)芯片的同一片區(qū)之中，可以徹底消除馮諾依曼計(jì)算架構(gòu)瓶頸，特別適用于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)這種大數(shù)據(jù)量大規(guī)模并行的應(yīng)用場(chǎng)景。

資料來(lái)源：知乎@陳巍談芯，華西證券研究所

存算一體概念已有50年歷史:早在1969年，斯坦福研究所的Kautz等人提出了存算一體計(jì)算機(jī)的概念。但受限于當(dāng)時(shí)的芯片制造技術(shù)和算力需求的匱乏，那時(shí)存算一體僅僅停留在理論研究階段，并未得到實(shí)際應(yīng)用。然而為了打破馮諾依曼架構(gòu)，降低“存儲(chǔ)-內(nèi)存-處理單元”過(guò)程數(shù)據(jù)搬移帶來(lái)的開(kāi)銷(xiāo), 業(yè)內(nèi)廣泛采用3D封裝技術(shù)實(shí)現(xiàn)3D堆疊提供更大帶寬，但是并沒(méi)有改變數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)處理分離的問(wèn)題；

近年來(lái)，存算一體隨著人工智能的驅(qū)動(dòng)得到較快發(fā)展:?隨著半導(dǎo)體制造技術(shù)突破，以及AI等算力密集的應(yīng)用場(chǎng)景的崛起，為存算一體技術(shù)提供新的制造平臺(tái)和產(chǎn)業(yè)驅(qū)動(dòng)力。2016年，美國(guó)加州大學(xué)團(tuán)隊(duì)提出使用RRAM構(gòu)建存算一體架構(gòu)的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)(PRIME)。相較于傳統(tǒng)馮諾伊曼架構(gòu)的傳統(tǒng)方案，PRIME可以實(shí)現(xiàn)功耗降低約20倍、速度提升約50倍；此外，2017年，英偉達(dá)、微軟、三星等提出存算一體原型；同年起，國(guó)產(chǎn)存算一體芯片企業(yè)開(kāi)始“扎堆”入場(chǎng)，例如千芯科技、智芯微、億鑄科技、后摩時(shí)代、蘋(píng)芯科技等。

資料來(lái)源：知乎@陳巍談芯，與非望，華西證券研究所

1.5 存算一體: AI芯片的“全能戰(zhàn)士”

存算一體優(yōu)勢(shì)顯著，被譽(yù)為AI芯片的“全能戰(zhàn)士”其優(yōu)勢(shì)如下:?

1、成百上千倍的提高計(jì)算效率，降低成本:存算一體的優(yōu)勢(shì)是打破存儲(chǔ)墻，消除不必要的數(shù)據(jù)搬移延遲和功耗，使用存儲(chǔ)單元提升算力；

2、特定領(lǐng)域提供更高算力與能效:存算一體架構(gòu)消除了計(jì)算與存儲(chǔ)的界限，直接在存儲(chǔ)器內(nèi)完成計(jì)算，因此屬于非馮諾伊曼架構(gòu)，在特定領(lǐng)域可以提供更大算力（1000TOPS以上）和更高能效（超過(guò)10-100TOPS/W），明顯超越現(xiàn)有ASIC算力芯片；

3、存算一體代表了未來(lái)AI計(jì)算芯片的主流架構(gòu): 除AI計(jì)算外，存算技術(shù)也可用于感存算一體芯片和類(lèi)腦芯片，可減少不必要的數(shù)據(jù)搬運(yùn)與使用存儲(chǔ)單元參與邏輯計(jì)算提升算力，原因在于等效于在面積不變的情況下規(guī)模化增加計(jì)算核心數(shù)。

目前存算技術(shù)按照歷史路線順序演進(jìn):

A、查存計(jì)算: GPU中對(duì)于復(fù)雜函數(shù)就采用了這種計(jì)算方法，通過(guò)在存儲(chǔ)芯片內(nèi)部查表來(lái)完成計(jì)算操作，目前應(yīng)用較為廣闊，且技術(shù)相較成熟；

B、近存計(jì)算: 計(jì)算操作由位于存儲(chǔ)區(qū)域外部的獨(dú)立計(jì)算芯片/模塊完成。這種架構(gòu)設(shè)計(jì)的代際設(shè)計(jì)成本較低，適合傳統(tǒng)架構(gòu)芯片轉(zhuǎn)入。例如AMD的Zen系列CPU、三星的HBM-PIM、特斯拉Dojo(AI訓(xùn)練計(jì)算機(jī))、阿里達(dá)摩院等，近存計(jì)算技術(shù)早已成熟，被廣泛應(yīng)用在各類(lèi)CPU和GPU上；

C、存內(nèi)計(jì)算: 計(jì)算操作由位于存儲(chǔ)芯片/區(qū)域內(nèi)部的獨(dú)立計(jì)算單元完成，存儲(chǔ)和計(jì)算可以是模擬的也可以是數(shù)字的。這種路線一般用于算法固定的場(chǎng)景算法計(jì)算，典型代表如Mythic、千芯科技、閃億、知存、九天睿芯等；

D、存內(nèi)邏輯: 這種架構(gòu)數(shù)據(jù)傳輸路徑最短，同時(shí)能滿足大模型的計(jì)算精度要求。通過(guò)在內(nèi)部存儲(chǔ)中添加計(jì)算邏輯，直接在內(nèi)部存儲(chǔ)執(zhí)行數(shù)據(jù)計(jì)算。典型代表為T(mén)SMC和千芯科技等。

存算一體按照計(jì)算方式分為數(shù)字計(jì)算和模擬計(jì)算:?

模擬計(jì)算:?模擬存算一體通常使用FLASH、RRAM、PRAM等非易失性介質(zhì)作為存儲(chǔ)器件，存儲(chǔ)密度大，并行度高，但是對(duì)環(huán)境噪聲和溫度非常敏感。模擬存算一體模型權(quán)重保持在存儲(chǔ)器中，輸入數(shù)據(jù)流入存儲(chǔ)器內(nèi)部基于電流或電壓實(shí)現(xiàn)模擬乘加計(jì)算，并由外設(shè)電路對(duì)輸出數(shù)據(jù)實(shí)現(xiàn)模數(shù)轉(zhuǎn)換。由于模擬存算一體架構(gòu)能夠?qū)崿F(xiàn)低功耗低位寬的整數(shù)乘加計(jì)算，因此非常適合邊緣端AI場(chǎng)景。

數(shù)字計(jì)算:?隨著AI任務(wù)的復(fù)雜性和應(yīng)用范圍增加，高精度的大規(guī)模AI模型不斷涌現(xiàn)。這些模型需要在數(shù)據(jù)中心等云端AI場(chǎng)景完成訓(xùn)練和推理，產(chǎn)生巨大的算力需求，相比于邊緣端AI場(chǎng)景，云端AI場(chǎng)景具有更多樣的任務(wù)需求，因此云端AI芯片必須兼顧能效、精度、靈活性等方面以保證各種大規(guī)模AI推理和訓(xùn)練；數(shù)字存算一體主要以SRAM和RRAM作為存儲(chǔ)器件，采用先進(jìn)邏輯工藝，具有高性能高精度的優(yōu)勢(shì)，且具備很好的抗噪聲能力和可靠性，因此較為適合在云端大算力高能效的商用場(chǎng)景。

02.?存算一體，打開(kāi)海量應(yīng)用空間

存算一體需求旺盛，有望推動(dòng)下一階段的人工智能發(fā)展:?我們認(rèn)為現(xiàn)在存算一體主要AI的算力需求、并行計(jì)算、神經(jīng)網(wǎng)絡(luò)計(jì)算等，因此存算一體需求旺盛；以數(shù)據(jù)中心為例，百億億次（E級(jí)）的超級(jí)計(jì)算機(jī)成為各國(guó)比拼算力的關(guān)鍵點(diǎn)，為此美國(guó)能源部啟動(dòng)了“百億億次計(jì)算項(xiàng)目”，我國(guó)則聯(lián)合國(guó)防科大、中科曙光等機(jī)構(gòu)推出首臺(tái)E級(jí)超算，而E級(jí)超算面臨的主要問(wèn)題為功耗過(guò)高、現(xiàn)有技術(shù)超算功率高達(dá)千兆瓦，需要一個(gè)專門(mén)的核電站來(lái)給它供電，而其中50%以上的功耗都來(lái)源于數(shù)據(jù)的“搬運(yùn)”，本質(zhì)原因是計(jì)算與存儲(chǔ)分離所致。

大模型興起，存算一體適用于從云至端各類(lèi)計(jì)算: ChatGPT等“大模型”興起，本質(zhì)即為神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等計(jì)算，因此，我們認(rèn)為對(duì)算力需求旺盛；端測(cè)方面，人工智能更在意及時(shí)響應(yīng)，即“輸入”即“輸出”，同時(shí)，隨著存算一體發(fā)展，存內(nèi)計(jì)算和存內(nèi)邏輯，已經(jīng)可以完成高精度計(jì)算；云端方面，隨著大模型的橫空出世，參數(shù)方面已經(jīng)達(dá)到上億級(jí)別，因此對(duì)算力的能耗方面考核更加嚴(yán)格，隨著SRAM和PRAM等技術(shù)進(jìn)一步成熟，存算一體有望成為新一代算力因素，從而推動(dòng)人工智能產(chǎn)業(yè)的發(fā)展。

資料來(lái)源：網(wǎng)易、知乎，華西證券研究所

編輯：黃飛

?