OpenAI在首届开发者日上，正式公布自定义GPT。这一次的最重磅更新，当属GPTs。它让过去一段时间里大家想象的GPT帮你做一切，成为现实。无需编程，每个人通过对话聊天的方式，即可构建一个专属技能的GPT。
依托此功能，OpenAI将在本月晚些时候推出GPTs商店，让更多开发者可以依靠制作专属GPT赚钱。
如此重磅的更新，以及强大的功能，背后支撑的可不仅仅是在聚光灯下的“GPU”，而是更为庞大的算力产业。
以GPTs为引，回看我国大模型领域，以及算力产业的发展，不难发现，还有很多有待提升的空间，以及值得布局的商业蓝海。
第一步：算力！算力！算力！
众所周知，大模型的训练、推理等过程对算力要求极高，以GPT-3为例，英伟达曾披露训练一次1750亿参数的GPT-3需要34天，使用1024张A100 GPU芯片，单次训练成本高达1200万美元。
与此同时，在大模型等相关应用的快速发展下，据国际数据公司（IDC）发布的报告显示，全球算力投资额将在未来五年内以每年16.5%的复合增长率增长。中国作为全球最大的算力市场之一，算力投资额占比已超过全球总投资额的1/3。
据华为预测，到2030年人类将进入YB数据时代，通用算力将增长10倍，人工智能算力将增长500倍。
如此庞大的算力需求，最终落地点不仅仅是那一张张GPU芯片，而是更为底层的算力基础设施。二算力背后的底层支撑就是服务器。
当前，中国有超过2000万服务器的庞大存量，每年通用服务器采购量约400万-500万台。华为预测，到2027年，中国数据中心服务器市场总规模接近5000亿元。
截至2023年6月底，全国在用数据中心机架总规模超过760万标准机架，算力总规模达到197EFLOPS，位居全球第二。算力总规模近五年年均增速近30%，存力总规模超过1080EB。
放眼国内IDC行业，当下新建成、在建的数据中心大多数以支持智能算力的智算中心为主，而一些老旧数据中心在改造的过程中，也从配电、机房空间、布线等方面，进行针对性改造，达到足以智算项目落地的能力。
不过，仅仅是智算中心的落地对于算力产业，以及大模型而言还是远远不够的
