AI 战争开启军备竞赛与英特尔不同，ChatGPT 的爆火出乎所有人的意料，如果说去年年末推出第一波热潮还存在质疑，到今年已经在全球范围内掀起了一场 AI 战争。从国外的 OpenAI（和微软）、谷歌、亚马逊、Facebook、X.AI（马斯克刚成立）等，到国内的百度、阿里、腾讯、商汤、光年之外（美团联合创始人王慧文成立）等，都在进入 AI 大模型的战场。而在主流视野之外，还有更多尚不知名的大模型，比如开源的 BLOOM、复旦的 MOSS、斯坦福的 Alpaca。
Office 365 Copilot，图/微软不仅如此，大量基于大模型的 AI 应用层出不穷，还有 Office、搜索引擎这些用户规模巨大的传统工具不断引入生成式 AI，这些都在快速增加算力的消耗，同时自然也需要庞大的算力进行「补充」。无一例外，它们背后的硬件基座都是大量的高性能 GPU，基本以英伟达 A100、H100 GPU 为主，由台积电 7nm/4nm 工艺制造。尽管还没有到一季度财报公布的时间，但外界已经在猜测英伟达能「赢多少」了。与此同时，台积电来自英伟达的订单也在不断增长。长期来看英伟达可能也难一家独大，AMD 和英特尔，谷歌以及一票自研 AI 芯片的互联网公司，还有可以期待一下的国产 GPU 厂商。谷歌在本月早些时候就宣布，旗下第四代 TPU 驱动的 AI 超级计算机胜过了英伟达上一代旗舰 GPU A100 驱动的超级计算机。但不管如何，最终这些芯片需求都要转换为代工厂的订单，从而影响到 EUV 光刻机的市场。换言之，接下来生成式 AI 以及大模型的发展程度，也将很大程度上影响代工厂对 EUV 光刻机需求的紧迫性。
算力爆炸需要技术进步需求和市场，对半导体行业当然很关键，但生产和效率同样重要。就像指导了半导体行业半个世纪的「摩尔定律」，生产端以此推进半导体技术的进步；需求端以此作为依据，提前规划和开发更先进的产品。而如果按照 OpenAI 的报告所述，全球头部 AI 模型训练算力需求每 3-4 个月翻一番，意味着陡然加快的算力消耗曲线，也意味着规模更庞大的芯片需求和更高的芯片技术要求。或者用更简单的说法——按照现有的技术，成本上无法支撑算力需求后续的暴增。英伟达 CEO 黄仁勋在今年 GTC 开发者大会也说，「芯片需要新的技术，可能在算力上会有十倍的需求量。」
