①衡量一个优秀的AI芯片企业有四个方面的核心因素；

②有政府需求跑在前面，不管是中小模型还是专用模型，匹配国产算力将来大有可为；

③接下来对于国内厂商来说，能否有可靠可用的算力产品是抢占市场的关键。

近期国君TMT团队邀请了AI算力专家做分享，现将交流内容总结如下：

国外使用 GPT 通用模型，国内现在开发各种各样的专属模型，模型下边会有一个底座，使用异构GPU 算力。把 GPU 放到 AI 里面，就叫它 AI 芯片。

AI 芯片大概分四类：GPU，FPGA，ASIC和类脑，类脑目前还是在实验室研究阶段。市场销售比较多是前三类，大模型背景下面我们能看到 GPU 和 ASIC 出货量最多。国内在大模型出来之前， AI 芯片公司更多关注 ASIC ，因为GPU的研发难度是比较高的，ASIC相对来说是算力小，然后成本低，总结就是便宜、好用、专用。

AI应用海外内差异较大，特别是大模型出来以后，GPU算力落地的行业不太一样。海外和国内的区别在于海外在商业市场落地是比较快的，国内虽然说互联网厂商们一直在囤英伟达的芯片，但是能看到真正在B端能够产生实际应用场景反而是在政府侧。

特殊国情导致很多数字化、信息化的应用，政府会冲在前面。其他国家的政府好像也没有中国在这方面效率高，直观上现在公共安全政务部门对 GPU 的这个算力开始格外关注。另外，考虑到信息安全的问题，政府部门也在关注中国人自己到底能不能做真正的GPU，或者说GPU出来之后能不能好用？能不能低成本使用，能不能用出中国特色，因此国内是政府端的大需求是和互联网厂商同步的。

海外更多的是商业化的应用。德国那边已经研发在用英伟达GPU的算力集群，加上通用模型、加化工行业的专属模型，去做化学材料的加速创新研发，这意味着将来大家的汽车发生事故以后没必要再纠结是否去 4S 店补漆，以后小汽修店把漆补的又亮又硬又漂亮，跟原来的车的颜色一样的。这就是算力落地能够在生活中的一些应用。

国内的芯片公司产品做得再好也需要市场营销。目前国内产品做得再好，哪怕是像华为海思这样，在客户侧的号召力依旧赶不上老大哥Intel、英伟达。所以，产品再优秀，依旧需要市场销售去在客户侧做大量基础工作。芯片这个圈子仅仅靠国内是难以自主循环的，芯片产业是一个全球的产业链，国内最擅长的是芯片设计，我们设计确实是很厉害的，如果没有制裁或者限制，海思会把芯片做得很漂亮，国内也会孵化出很多不错的芯片设计公司。但是在上游 EDA 软件的问题到下游工厂光刻机以及光刻胶的生产等等，目前这些材料一旦到了生产28纳米以下的芯片，就有很多问题存在，国内目前能做到的就是中低端产品，在中低端勉强可以做一些产业链的自给自足，但是一旦制程比较先进的，受限制就会比较大。