训练AI算法需要用到大量GPU算力资源，作为当前AI算法的“顶流”，训练ChatGPT用到的GPU数量或将达上千颗。从工作效率上看，不管是制作信息，还是加工信息方面，ChatGPT可以媲美人类。不过，要想精准的答案，算力的消耗是极其巨大的！以ChatGPT为例，训练类似AI模型时，用于训练ChatGPT的前身——GPT-3的语料库达到了45TB。GPT-3在单个英伟达V100 GPU上估计需要288年，使用8张V100显卡，训练时长预计需要36年，512张V100显卡，训练时间接近7个月，而1024张A100的训练时长可以减少到1个月。所以，当你向ChatGPT提问时，其实是上千颗高性能GPU在一同解决你的问题。

WEB3.0（核心理念：去中心化） 的终极形式是 100% 的虚拟世界，这就意味着需要统一的货币，这个时候虚拟货币自然被选上，然后就到如何更安全有效地管理自己的虚拟货币。既然涉及到虚拟货币（区块链技术），自然也要有虚拟数字人概念（元宇宙），还要唯一的ID（电子身份证）去识别。就目前的技术来看，虚拟艺术品NFT的技术还停留在2D，要想实现真正的3D，需要消耗极大的算力，这里包含了硬件（GPU）、算法（人工智能）以及电力能耗的三重加持！

AI能力的提升，并不是一蹴而就，而大部分则经历了“模型突破-大幅提升-规模化生产-遇到障碍-再模型突破-大幅提升”的循环发展。下面，我们来看看AIGC是如何一步步突破的？

1）早期突破：2014年，对抗生成网络（GAN）诞生，真正“教会”AI自己画画。

2）大幅提升：2020年，一篇关于扩散模型（Diffusion Model）的学术论文，大幅提升AI的画画水平。

3）批量生产：2022年夏天诞生的Stable Diffusion，让高大上的学术理论变得“接地气”。

从上面的信息我们不难看出，ChatGPT是AIGC的一个分支，和WEB3.0在人工智能上有一定程度的交叉关系。显然，WEB3.0的范畴要更大，更宏观。根据已有的信息我们不难看到即将发生的世界：工厂自动化，交通自动驾驶，互联网被人工智能控制，人工智能向脑中之脑输出信息，通过改变人脑的想法，终将会变革整个社会的组织形式。

根据三个概念的叠加，要找到投资方向变得越来越清晰，最大的概念在人工智能AI，支撑行业是大数据、云计算（国资云、东数西算），其细分领域包含了工业互联、机器视觉、ChatGPT、AIGC、WEB3.0、储能、无人驾驶、数字货币等。

在前几期文章里，我重点讲了影响中国技术革新的行业以及上市公司：

红禅，10年以上证券投资经验，擅长量化选股策略，深耕科技和生物医药两大领域。核心证券分析技术，独创红禅能量交易法，精准捕捉市场高低点！