一款ChatGPT激起AI千层浪，全球各路兵马争相投身，类ChatGPT应用快速铺开，算力需求愈发高涨。

　　ChatGPT之前一度因访问量激增导致官网瘫痪，GPT-4推出之后也已多次下调付费用户访问限制，券商推测目前AI大模型的算力水平已显著供不应求。不难预见，随着这场AI热潮逐步扩张，算力短缺已成为悬在参与者头顶的一把达摩克利斯之剑。

　　如果说CPO是传输层面的优化、Chiplet是芯片层面的办法，那么边缘计算或许就能称得上是网络架构层面的良药——翻阅近期多家券商研报可以看到，边缘算力有望成为AI算力的重要组成部分，更可能成为推理主体。

　　英伟达也指出，为了有效运用算力达成AI应用目标，大规模数据中心势必要增加资本支出以扩大云端运算效能，同时也将带动边缘装置销售。

　　▌算力格局生变巨头已有“示范”

　　从概念上来说，边缘计算是一种分布式计算框架，它将从终端采集到的数据，直接在靠近数据产生的本地设备或网络中分析，无需再将数据传输至云端数据处理中心。

　　实际上就在近期，高通发布了全球首个在安卓手机上运行的Stable Diffusion终端侧演示。Stable Diffusion是一个可用文本直接生成图像的AI模型，其参数超过10亿，此前仅能在云端计算集群内运行——这便是AI模型在边缘终端的部署。

　　当前，AI的迭代、训练、推理基本都是在超算中心内进行。但在AI大爆发周期内，迭代和训练所需算力将呈指数级增长，增速将超过单芯片算力增长速度；同时，单个AI超算规模也会受到功耗、土地、散热等因素制约。

　　因此国盛证券指出，未来的AI运算将呈现出“训练与迭代在云端、推理与内容生产梯度分布(云侧+雾侧+边缘侧)”的格局变化。

　　▌优势：算力、时延、带宽成本、隐私

　　缓解超算中心的算力压力是边缘计算的一大用处，除此之外，它还有什么优势？

　　先是时延与网络带宽使用效率方面：

　　随着AIGC内容愈发丰富，从简单的文字发展到视频、虚拟场景。若由云生成后发送到端，将产生较多的网络带宽成本和一定程度时延，进而影响模型的商业化进程与用户使用体验，而边缘计算便有助于作为补充手段改善这一问题。

　　其次是在ChatGPT发展过程中，频被提及的隐私方面：

　　以上文提到的高通Stable Diffusion为例，其文本输入与图像生成始终无需离开终端，则运行时有助于保护用户隐私。券商也表示，未来AI的推理过程，通过一定的针对性优化后，完全有能力通过边缘算力实施，边缘算力低时延、安全、隐私等优势，也符合未来AIGC时代，对于AI创作所有权和隐私权的要求。

　　▌智能模组成优秀承载 SoC也迎契机

　　计算“边缘化”的趋势，对产业链不同环节也提出了相应要求。

　　一方面，国盛证券指出，智能模组是承载边缘算力的优秀形式。其是融入了算力或通用芯片的通讯模组，目前已应用于车机、消费等多个领域。智能模组未来有望走向依据模型定制算力平台、与使用场景深度绑定的模式，彻底打开行业应用场景与想象空间。

　　另一方面，光大证券、东方财富证券认为，边缘计算将更多AI与算力赋予边缘设备，带动 AIoT设备的边缘算力需求，这为SoC设计公司提供更多机会的同时，也提出了更高的PPA (性能、功耗、尺寸)要求。

　　据《科创板日报》不完全统计，A股中相关公司有：

（文章来源：财联社）