亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

ChatGPT開啟大模型“軍備賽”，存儲作為計算機重要組成部分明顯受益: ChatGPT開啟算力軍備賽，大模型參數呈現指數規模，引爆海量算力需求，模型計算量增長速度遠超人工智能硬件算力增長速度，同時也對數據傳輸速度提出了更高的要求。XPU、內存、硬盤組成完整的馮諾依曼體系，以一臺通用服務器為例，芯片組+存儲的成本約占70%以上，芯片組、內部存儲和外部存儲是組成核心部件；存儲是計算機的重要組成結構， “內存” 實為硬盤與CPU之間的中間人，存儲可按照介質分類為ROM和RAM兩部分。 　　存算一體，后摩爾時代的必然發展: 過去二十年中，算力發展速度遠超存儲， “存儲墻”成為加速學習時代下的一代挑戰，原因是在后摩爾時代，存儲帶寬制約了計算系統的有效帶寬，芯片算力增長步履維艱。因此存算一體有望打破馮諾依曼架構，是后摩時代下的必然選擇，存算一體即數據存儲與計算融合在同一個芯片的同一片區之中，極其適用于大數據量大規模并行的應用場景。存算一體優勢顯著，被譽為AI芯片的“全能戰士”，具有高能耗、低成本、高算力等優勢；存算一體按照計算方式分為數字計算和模擬計算，應用場景較為廣泛， SRAM、RRAM有望成為云端存算一體主流介質。 　　存算一體前景廣闊、漸入佳境: 存算一體需求旺盛，有望推動下一階段的人工智能發展，原因是我們認為現在存算一體主要AI的算力需求、并行計算、神經網絡計算等；大模型興起，存算一體適用于從云至端各類計算， 端測方面， 人工智能更在意及時響應，即“輸入”即“輸出”，目前存算一體已經可以完成高精度計算；云端方面，隨著大模型的橫空出世，參數方面已經達到上億級別，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場景，如穿戴設備、移動終端、智能駕駛、數據中心等。我們認為存算一體為下一代技術趨勢并有望廣泛應用于人工智能神經網絡相關應用、感存算一體，多模態的人工智能計算、類腦計算等場景。

　2023年3月31日，我國發起對美光在華銷售產品的網絡安全審查，體現出存儲產業安全的重要性。此外，AI算力需求拉動高算力服務器出貨，而AI服務器的存力需求更強，AI將驅動“從算力到存力”的中長期需求： 　　1、海外廠商占據絕對份額，國內存儲安全重要性凸顯 　　存力的底層支撐：半導體存儲器芯片（主流為DRAM+NANDFlash）。存力的體現形式：數據中心+存儲服務器。 　　海外巨頭壟斷，國內存儲安全重要性日益凸顯。全球DRAM市場幾乎由三星、SK海力士和美光所壟斷，CR3超過95%，全球NANDflash市場由前三大廠商分別為三星、鎧俠和海力士，目前CR3市場份額達65%，CR6市場份額接近95%。 　　2、國內數據圈龐大，AI驅動“從算力到存力”的長期需求 　　得益于人工智能、物聯網、云計算等新興技術的快速發展，中國數據正在迎來爆發式增長，驅動存儲設備在數據中心采購占比進一步提升。據IDC預測，預計到2025年，中國數據圈將增長至48.6ZB，占全球數據圈的27.8%，成為全球最大的數據圈。 　　AI技術革命推動高算力服務器等基礎設施需求提升，AI服務器所需的DRAM/NAND分別是常規服務器的8/3倍。 　　3、存儲周期拐點已至，庫存改善、價格壓力緩解 　　美光23Q1存貨環比小幅回落，集邦咨詢預測23Q2DRAM價格跌幅收窄至10%-15%（23Q1為20%），庫存情況改善、價格壓力緩解，存儲行業周期迎來拐點。 　　4、先進存力的前進方向：存算一體、HBM/DRAM、3DNAND 　　存算一體：將存儲單元和計算單元合為一體，省去了計算的數據搬運環節，消除由于數據搬運帶來的功耗，提升計算能效。 　　HBM/DRAM：作為存儲器主流之一的DRAM技術不斷升級，衍生出HBM（高帶寬內存），其是一款新型的CPU/GPU內存芯片，將多個DDR芯片堆疊后與GPU封裝在一起，實現大容量，高位寬的DDR組合陣列，突破內存容量與帶寬瓶頸。 　　3DNAND（立體堆疊技術）：可以擺脫對先進制程工藝的束縛，不依賴于EUV技術，而閃存的容量/性能/可靠性也有了保障。

　一、AI框架重要性日益突顯，框架技術發展進入繁榮期，國內AI框架技術加速發展： 　　1、AI框架作為銜接數據和模型的重要橋梁，發展進入繁榮期，國內外框架功能及性能加速迭代； 　　2、Pytorch、Tensorflow占據AI框架市場主導地位，國內大廠加速布局AI框架技術； 　　3、AI框架技術從工具逐步走向社區，生態加速形成，未來圍繞安全可信、場景落等維度呈現顯著發展趨勢； 　　二、GPT開啟AI大模型時代，國內外大廠發力布局，商業化空間加速打開： 　　1、數據、算法、模型三輪驅動AI發展，大模型優勢顯著，成為AI主流方向； 　　2、GPT開啟千億參數級AI大模型時代，語言、視覺、科學計算等大模型快速發展； 　　3、微軟加速AI商用化進程，國內大廠發力布局，看好在細分場景下的應用落地； 　　三、建議關注標的： 　　1、基礎層：AI算力：中科曙光；大模型：360，科大訊飛 　　2、應用層：AI+工具：金山辦公；AI+建筑：廣聯達；AI+法律：通達海；AI+醫療：創業慧康，久遠銀海；AI+教育：科大訊飛；AI+網安：安恒信息、奇安信；AI+金融：同花順；AI+交通：佳都科技

ChatGPT快速滲透， AI產業迎發展新機 　　ChatGPT是由OpenAI公司開發的人工智能聊天機器人程序， 于2022年11月發布， 推出不久便在全球范圍內爆火。根據World of Engineering數據顯示， ChatGPT達到1億用戶量用時僅2個月， 成為史上用戶增長速度最快的消費級應用程序。與之相比， TikTok達到1億用戶用了9個月， Instagram則花了2年半的時間。從用戶體驗來看， ChatGPT不僅能實現流暢的文字聊天， 還可以勝任翻譯、 作詩、 寫新聞、 做報表、 編代碼等相對復雜的語言工作。 　　ChatGPT爆火的背后是人工智能算法的迭代升級。ChatGPT是基于GPT-3.5微調得到的新版本模型， 能夠借助人類反饋的強化學習（RLHF） 技術來指導模型訓練， 實現模型輸出與人類預期的需求， 使對話內容更加人性化和富有邏輯性。從2008年第一代生成式預訓練模型GPT-1誕生以來， GPT系列模型幾乎按照每年一代的速度進行迭代升級， 未來隨著大語言模型（LLM） 技術的不斷突破， AI相關應用有望加速落地， AI產業或將迎來新一輪發展機遇。 　　ChatGPT激起AI浪潮，大算力芯片迎來產業機遇 　　ChatGPT是生成式人工智能技術（AIGC） 的一種， 與傳統的決策/分析式AI相比， 生成式AI并非通過簡單分析已有數據來進行分析與決策， 而是在學習歸納已有數據后進行演技創造， 基于歷史進行模仿式、 縫合式創作， 生成全新的內容。AIGC的應用非常廣泛， 包括自然語言生成、 圖像生成、 視頻生成、 音樂生成、 藝術創作等領域。 　　AIGC產業鏈主要分為上游算力硬件層、 中游數據/算法軟件層和下游行業應用層。硬件層依靠高性能AI芯片、 服務器和數據中心為AIGC模型的訓練提供算力支持， 是承載行業發展的基礎設施；數據/算法層軟件層主要負責AI數據的采集、 清洗、 標注及模型的開發與訓練， 多方廠商入局自然語言處理、 計算機視覺、 多模態模型等領域；行業應用層目前主要涉及搜索、 對話、推薦等場景， 未來有望在多個行業呈現井噴式革新。 　　多模態賦能下游行業智慧化升級 　　多模態大模型有望成為AI主流， 賦能下游行業智能升級。生成式AI主要依賴于人工智能大模型， 如Transformer、 BERT、GPT系列等。這些模型通常包含數十億至數萬億個參數， 需要龐大的數據集進行訓練， 致使AI算力的需求也呈現出指數級的增長。多模態是一種全新的交互、 生成模式， 集合了圖像、 語音、 文本等方式， 因其可以結合多種數據類型和模態的學習，將有望徹底改變我們與機器互動的方式， 快速占據人工智能主導地位。我們認為多模態大模型長期來看不僅可以從成本端降本增效， 需求端也將通過快速滲透推廣為下游行業帶來持續增長需求， 從而快速推動下游行業智慧化應用升級。 　　模型更新升級帶動下游行業不斷發展 　　從GPT-1到ChatGPT， 模型參數與訓練數據量不斷增加， 所需算力資源不斷提升： 　　GPT-1：最早的GPT模型之一， 包含了1.17億個參數， 預訓練數據量約為5GB。 　　GPT-2：參數數量達到了1.5億個， 預訓練數據量達40GB。 　　GPT-3：是目前為止最大的語言模型之一， 包含了1750億個參數， 預訓練數據量為45TB。 　　ChatGPT：基于GPT-3模型的變種之一， 參數量預計與GPT-3相近。 　　GPT-4性能提升顯著， AIGC應用市場空間廣闊 　　多模態模型是實現人工智能應用的關鍵。3月14日OpenAI發布GPT-4多模態大模型， 擁有1） 強大的識圖能力；2） 文字輸入限制提升至2.5萬字；3） 回答準確性顯著提高；4） 能夠生成歌詞、 創意文本、 實現風格變化。在各種專業和學術基準上，GPT-4已具備與人類水平相當表現。如在模擬律師考試中， 其分數在應試者前10%， 相比下GPT-3.5在倒數10%左右。多模態大模型在整體復雜度及交互性上已有較大提升， 模型升級有望加速細分垂直應用成熟， 賦能下游智慧化升級， 帶動需求快速增長。 　　AIGC下游市場滲透率低， 增長空間廣闊。根據 Gartner數據， 目前由人工智能生成的數據占所有數據的 1%以下， 預計2023年將有 20%的內容被生成式AI 所創建， 2025 年人工智能生成數據占比將達到 10%。根據前瞻產業研究院數據， 2025年中國生成式商業AI應用規模將達2070億元， CAGR（2020-2025） 為84.06%。

主要觀點： 　　ChatGPT帶來大模型時代變革，數據要素重要性提升 　　ChatGPT是由OpenAI研發的一種語言AI模型，其特點在于使用海量語料庫來生成與人類相似的反應。初代GPT模型參數1.17億，GPT2模型、GPT3模型參數分別達到15億、1750億。不斷提升的參數量級，使得ChatGPT3當前已經能夠應用在商業、研究和開發活動中。 　　當前此類參數體量龐大的模型，成為各大科技廠商研發重點。大模型的基礎為高質量大數據。ChatGPT的前身GPT-3就使用了3,000億單詞、超過40T的數據。此類大數據基礎的前提為三部分1）有效場景下的采集數據；2）大數據的存儲、清洗和標注；3）數據質量檢驗。 　　大模型發展之下，算力與網絡設施建設成為剛需 　　算力：ChatGPT類人工智能需要更充足的算力支持其處理數據，帶來更多高性能的算力芯片需求。英偉達表示，GPT-3需要512顆V100顯卡訓練7個月，或者1024顆A100芯片訓練一個月。2012年以來，AI訓練任務中的算力增長（所需算力每3.5月翻一倍）已經超越摩爾定律（晶體管數量每18月翻一倍）。 　　網絡設施：以微軟Azure為例，其AI基礎設施由互聯的英偉達AmpereA100TensorCoreGPU組成，并由QuantuminfiniBand交換機提供橫向擴展能力。服務器節點多、跨服務器通信需求巨大，網絡帶寬性能成為GPU集群系統的瓶頸，解決方式包括增加單節點通信帶寬與降低網絡收斂比，帶來光模塊、交換機等需求。 　　下游應用場景豐富，多行業落地可期 　　1）“生成式AI(generativeAI)”在互聯網及元宇宙領域市場化空間較為廣闊。基于現行的NLP算法發展程度及數據集規模。在不久的將來，生成式AI有較大可能在“智能客服”和“搜索引擎”進行增值，并有希望以“插件”的形式賦能現有的“生產力工具鏈(工程軟件/音視頻制作工具等)”。 　　2）AI在制造業的應用可分為三方面：a）智能裝備：指具有感知、分析、推理、決策、控制功能的制造裝備，典型代表有工業機器人、協作機器人、數控機床等；b）智能工廠：重點在于實現工廠的辦公、管理及生產自動化，典型的代表場景有協作機器人、智能倉儲物流系統等；c）智能服務：指個性化定制、遠程運維及預測性維護等。 　　3）人工智能在智能汽車領域的應用包括：a）智能駕駛依托AI，將從駕駛輔助發展至自動駕駛；b）智能座艙在AI支持下，從出行工具演變為出行管家。

ChatGPT：AIGC現象級應用，商業化落地打開成長空間

　　ChatGPT上線后熱度持續提升，已超過TikTok成為活躍用戶增長最快的產品。英偉達CEO黃仁勛表示“ChatGPT相當于AI界的iPhone問世”。目前ChatGPT已開啟商業化探索，面向B端開放接口對外輸出服務（如與微軟Bing的結合）；面向C端推出收費的Plus版本，月度費用為20美元/月。根據OpenAI預測，2023年將實現2億美元收入，2024年將超過10億美元，未來成長空間廣闊。

　　大模型+大數據+高算力，ChatGPT不斷突破

　　（1）預訓練大模型：GPT大模型是ChatGPT的基礎，目前已經過多個版本迭代，GPT-3版本參數量達1750億，訓練效果持續優化。（2）數據：數據是預訓練大模型的原材料。GPT-3數據主要來自CommonCrawl、新聞、帖子、書籍及各種網頁，原始數據規模達45TB，訓練效果大幅提升。（3）算力：微軟AzureAI是OpenAI獨家云計算供應商，所用超算擁有285,000個CPU內核、約10,000個GPU。在大模型、大數據和高算力的支撐下，ChatGPT技術持續突破，表現驚艷。

　　巨頭積極布局，產業落地加速

　　AIGC在AI技術創新（生成算法、預訓練模型、多模態技術等）、產業生態（三層生態體系雛形已現）和政策支持（北京經信局表示支持頭部企業打造對標ChatGPT的大模型）共振下，有望步入發展快車道，根據騰訊研究院發布的AIGC發展趨勢報告，預計2030年AIGC市場規模將達1100億美元，前景廣闊。

　　（1）微軟：微軟自2019年與OpenAI展開合作，并表示未來所有產品將全線整合ChatGPT。目前已推出引入ChatGPT技術的搜索引擎NewBing，經過測試后，71%的用戶對ChatGPT版Bing滿意，AI與搜索協同效果顯著。

　　（2）谷歌：2023年2月谷歌推出對標ChatGPT的對話機器人Bard。Bard基于谷歌LaMDA模型，參數量最高達1370億，LaMDA已經在多個維度接近人類水平。谷歌表示未來會將AI技術率先應用于搜索領域，或將與微軟展開正面競爭。

　　（3）百度：百度在AI領域深耕數十年，在芯片、深度學習框架、大模型以及應用已形成全棧布局，已有文心一格（AI作畫）、文心百中（產業搜索）產品落地。2023年2月，百度推出聊天機器人“文心一言”，目前生態合作伙伴近300家，未來可期。

生成式 AI 對搜索引擎是否存在威脅？

　　類似 ChatGPT 的生成式 AI 在搜索領域實現替代仍然面臨諸多挑戰，生成式 AI 技術需要先達到一定程度的 “規模優勢(包括預訓練數據集規模,用戶反饋量)”之后才有機會威脅到搜索引擎的生存地位。這種“規模優勢”既意味著模型可以解決問題的領域在數量上足夠龐大，又意味著同一個領域中模型可交付出的解決路徑數量最夠龐大。

　　這種“規模效應”的達成有 2 個制約因素：1）用戶習慣的顛覆。基于當前技術迭代路徑的“搜索引擎（包括 Google，Baidu，和 Bing等）”已經教育了市場將近 25 年以上的時間，顛覆用戶習慣需要極大的動能，這種動能一定是基于“替代方案”的效率要比“現存方案”優越數倍以上；2）生成式 AI 的模型進化的本質是依賴于對龐大的數據集的訓練和微調，其背后的算力支撐是重要的技術驅動因素，而算力支撐取決于芯片技術(材料、設計、生產工藝)及“異構計算技術”的發展進程(包括計算開銷的下降和計算交付結果精確程度的提高)。

　　生成式 AI 的算力需求

　　根據 Next Platform 對前期訓練（不含微調）的估算， GPT-3 175B 的模型的每次訓練成本在 875 萬 – 1093.75 萬美元之間，對應花費時間在 110.5 天-27.6 天，每 1 百萬參數的訓練價格是 50 美元-62.5美元之間。根據 Cerebras AI model studio 的 GPT-3 模型訓練服務（基于 4-node CS-2 cluster）的報價信息， GPT 70B （700 億參數，14000 億 Tokens，85 天訓練時間）的訓練價格在 250 萬美元每次。

　　生成式 AI 的商業化潛力

　　類似 ChatGPT 的生成式 AI，在不久的將來，生成式 AI 有較大可能在“智能客服”和“搜索引擎”進行增值，并有較大可能以“插件”的形式賦能現有的“生產力工具鏈(工程軟件/音視頻制作工具等)” 。

　　微軟和谷歌共同和分別面臨的挑戰

　　無論對于微軟還是谷歌而言，由于“生成式 AI”所帶來的行業變革處于爆發的早期，行業的天花板較高，并且 AI 技術的上游硬件廠商也會微軟等模型層和技術層廠商產生溢價，所以“贏者通吃”或“強者恒強”的局面并不會出現。

　　其共同面臨的挑戰包括： 1） 面臨細分領域(電商,社交,游戲)的威脅或直接競爭，威脅包括細分領域數據集獲得難度增大，競爭包括細分領域巨頭直接下場競爭并更易于滿足細分領域用戶需求。2）算力開銷驅動營業成本增加，生成式 AI 在發展早期的商業化績效目標需要被理性的界定清楚。早期的發展，需要有持續的現金牛業務支撐AI明星業務的研發及運維開支，同時也要避免業務間存在內部不配合和摩擦。3）如全球通脹及供應鏈擾動持續，生成式AI模型層和應用層等下游環節廠商所創造的價值不斷轉移到上游的硬件或者能源廠商。比如，高端GPU/FPGA的廠商較為集中，而可替代品有限，上游廠商有較強溢價權。

　　微軟面臨的挑戰包括：1）因為是引領GPT技術發展的領先企業，所以在面臨政府或公益組織對其生成式AI生產內容的法律及道德問題時也是首當其沖；2）在智能手機操作系統、娛樂、文化、快消、電商等領域的數據積累有限，在這些領域進行模型訓練的學習曲線依然很陡峭；3）如果微軟同時掌握了用戶接入操作系統，辦公軟件，和生成式AI搜索引擎的入口，則將需要面臨更多“反壟斷”相關的問題。

　　谷歌面臨的挑戰包括：1）對話式AI的搜索方式如果走向普及，將威脅現有的點擊付費的廣告商業模式；2）對現有的搜索引擎技術有一定路徑依賴，模型過于龐大和復雜，將生成式AI技術整合入搜索引擎需要更長時間的試錯；3）缺少先發優勢，OpenAI和微軟合作更早更深遠，而谷歌一直缺少對生成式AI技術落地的驗證(Bard并未達到預期)。

**刷爆的ChatGPT什么算法這么強！臺大李宏毅老師國語講解《ChatGPT (可能)是怎么煉成的 》！ **

** **

** **

　AIGC多模態跨模態應用逐漸成熟，市場空間廣闊。 　　廣義的AIGC指具備生成創造能力的AI技術，即生成式AI。可以基于訓練數據和生成算法模型，自主生成創造新的文本、圖像、音樂、視頻等內容。2022年被稱為AIGC元年，未來兼具大模型和多模態模型的AIGC模型有望成為新的技術平臺。據《中國AI數字商業產業展望2021-2025》報告，預測AI數字商業內容的市場規模將從2020年的40億元，增加到2025年的495億元。 　　ChatGPT產品歷經多代技術演進，產品與商業模式逐漸成熟。 　　ChatGPT是文本生成式AI，過去的傳統AI偏向于分析能力，主要基于已有內容；現在文本生成式AI基于底層Transformer模型，不斷訓練數據和迭代生成算法模型，歷經GPT-1、GPT-2、GPT-3，模型不斷升級，到ChatGPT的GPT3.5模型，已可以自主生成各種形式的內容。近期收費版ChatGPTPlus版本發布，AI商業化序幕逐漸拉開。 　　AI商業化落地在即，行業算法側和算力側投資機會有望超預期。 　　根據數據顯示，ChatGPT總算力消耗約為3640PF-Days，按國內的數據中心算力測算，需要7-8個數據中心才能支持其運行。各模態AI數據訓練到應用均需要算法和算力的加持，未來要想大規模應用，算法訓練和算力部署均需先行。

ChatGPT系列報告：

**刷爆的ChatGPT什么算法這么強！臺大李宏毅老師國語講解《ChatGPT (可能)是怎么煉成的 》！ **

** **

** **

【芯片算力】▲芯片需求=量↑x價↑，AIGC拉動芯片產業量價齊升。1）量：AIGC帶來的全新場景+原場景流量大幅提高；2）價：對高端芯片的需求將拉動芯片均價。ChatGPT的“背后英雄”：芯片，看好國內GPU、CPU、FPGA、AI芯片及光模塊產業鏈。 　　相關標的：海光信息、景嘉微、龍芯中科、中國長城、安路科技、復旦微電、紫光國微、寒武紀、瀾起科技、德科立、天孚通信、中際旭創。 　　【深度學習框架】深度學習框架是人工智能算法的底層開發工具，是人工智能時代的操作系統，當前深度學習框架發展趨勢是趨于大模型訓練，對深度學習框架的分布式訓練能力提出了要求，國產深度學習框架迎來發展機遇。 　　相關標的：百度、海天瑞聲、商湯科技、微軟、谷歌、Meta。 　　【深度學習大模型】ChatGPT是基于OpenAI公司開發的InstructGPT模型的對話系統，GPT系列模型源自2017年誕生的Transformer模型，此后大模型數量激增，參數量進入千億時代，國內百度也發布了ERNIE系列模型并有望運用于即將發布的文心一言（ERNIEBot）對話系統，未來國內廠商有望在模型算法領域持續發力。 　　相關標的：百度、科大訊飛、商湯科技、谷歌、微軟。 　　【應用】ChatGPT火爆全球的背后，可以窺見伴隨人工智能技術的發展，數字內容的生產方式向著更加高效邁進。ChatGPT及AIGC未來有望在包括游戲、廣告營銷、影視、媒體、互聯網、娛樂等各領域應用，優化內容生產的效率與創意，加速數實融合與產業升級。 　　相關標的：百度、騰訊、阿里巴巴、網易、昆侖萬維、閱文集團、捷成股份、視覺中國、風語筑、中文在線、三七互娛、吉比特、天娛數科。 　　【通信】AIGC類產品未來有望成為5G時代新的流量入口，率先受益的有望是AIGC帶來的底層基礎算力爆發式增長。 　　相關標的：包括算力調度（運營商）、算力供給（運營商、奧飛數據、數據港）、算力設備（浪潮信息、聯想集團、紫光股份、中興通訊、銳捷網絡、天孚通信、光庫科技、中際旭創、新易盛）、算力散熱（英維克、高瀾股份）。

事件:美國AI公司OpenAI推出基于大語言模型的對話模型ChatGPT，可提供高質量的回答，并能實現創作、編程等復雜功能，備受市場關注。不到兩個月的時間，ChatGPT全球日活用戶已突破千萬。

　　ChatGPT是突破式的創新技術ChatGPT是OpenAI公司推出的全新聊天機器人模型。通過引入人類反饋的強化學習，大幅提升了AI在人機對話時的準確度和可控性，具有強大的語言理解能力和語言表達能力。GPT模型仍在持續迭代，更先進大語言模型GPT-4有望在2023年推出，有望進一步推動AIGC產業發展。 　 　　ChatGPT應用及商業化落地加速科技公司紛紛涌入AIGC賽道，優秀的AIGC大模型層出不窮，我們認為基于AI文本生成的模型ChatGPT有望率先應用落地。AIGC賽道相關公司受到資本青睞，AIGC頭部初創公司OpenAI最新估值約為290億美元。作為AIGC領域領先的模型ChatGPT在對話機器人、智能創作等領域應用廣泛，亞馬遜、微軟、Jasper等公司已經開啟商業化之路，商業化前景廣闊。