今日科创板行情快报（2023年7月7日）

　　 ChatGPT投资行不行 桥水CIO：相当于“数百万个助理”同时工作

　　 全球最大对冲基金桥水联席首席投资官（CIO）格雷格·詹森（Greg Jensen）似乎对ChatGPT的投资敏锐性印象深刻。

　　 他在最新中表示，ChatGPT能够通过其公司的投资助理测试，这款人工智能（AI）聊天机器人的力量就像让“数百万”初级员工同时工作一样。

　　 事实上，早在ChatGPT走红之前，Jensen就将人工智能视为桥水的主要兴趣所在。他此前还表示，该对冲基金目前正在尝试将机器学习人工智能应用于其交易策略。

　　 在最新发言中，Jensen表示，ChatGPT等机器人在桥水针对投资合伙人的内部测试中表现良好。ChatGPT 3.5是人工智能大语言模型中最著名的版本，它的得分相当于该公司第一年助理的水平，在所有考生中处于第80个百分位。

　　 他说，虽然聊天机器人还不完美，但它的强劲表现反映了大量的智力，ChatGPT的能力等同于拥有一支投资团队。

　　 “因为突然之间，从技术上讲，你立刻就有了数百万人。如果你有能力通过严格的统计背景来控制他们的幻觉和错误，你可以快速地做大量的事情。这就是我们在实验室所做的，并证明这个过程是可行的。”他说。

　　 Jensen补充称，主要围绕ChatGPT的问题还是它会提供不准确信息的倾向，他称一些机器人的答案完全是“幻觉”。

　　 Jensen还称，人工智能机器人不太可能在短期内完全取代人类员工，尽管桥水正在研究一个主要由“机器学习技术”运营的基金。他表示，该公司正试图将ChatGPT与其他统计和人工智能模型结合起来，以提高其预测能力。

　　 “在可预见的未来，你仍然需要有人在你身边，做那些事情。”他说，“更需要灵活的通才，能够利用任何必要的工具来实现目标。”

　　 华尔街一直在关注ChatGPT作为潜在投资顾问的角色，尽管大多数专家认为，在它提供真正可靠的投资建议之前，还需要对语言模型做更多的工作。

　　 晨星投资管理公司（Morningstar Investment Management）首席投资官此前表示，目前，机器人只能产生“一级”反应，无法将知识应用于具体情况。

　　 英伟达、AMD加单 HBM出现缺货涨价 又一半导体巨头加入扩产

　　 据台湾电子时报援引业内人士消息称，由于人工智能服务器需求激增，高带宽内存（HBM）价格已开始上涨。

　　 目前，全球前三大存储芯片制造商正将更多产能转移至生产HBM，但由于调整产能需要时间，很难迅速增加HBM产量，预计未来两年HBM供应仍将紧张。

　　 另据韩媒报道，三星计划投资1万亿韩元（约合7.6亿美元）扩产HBM，目标明年底之前将HBM产能提高一倍，公司已下达主要设备订单。

　　 据悉，三星已收到AMD与英伟达的订单，以增加HBM供应。

　　 本次三星将在天安工厂展开扩产，该厂主要负责半导体封装等后道工艺。HBM主要是通过垂直堆叠多个DRAM来提高数据处理速度，因此只有增加后段设备才能扩大出货量。三星计划生产目前正在供应的HBM2和HBM2E等产品，并计划于下半年量产8层堆叠HBM3和12层HBM3E。

　　 值得一提的是，6月已有报道指出，另一存储芯片巨头SK海力士已着手扩建HBM产线，目标将HBM产能翻倍。扩产焦点在于HBM3，SK海力士正在准备投资后段工艺设备，将扩建封装HBM3的利川工厂。预计到今年年末，后段工艺设备规模将增加近一倍。

　　 本次韩媒报道指出，SK海力士的这一投资金额大约也在1万亿韩元（约合7.6亿美元）水平。

　　 业内预计，明年三星与SK海力士都将进一步扩大投资规模。由于谷歌、苹果、微软等科技巨头都在筹划扩大AI服务，HBM需求自然水涨船高，“若想满足未来需求，三星、SK海力士都必须将产能提高10倍以上。”

　　 主流AI训练芯片“标配” HBM或迎量价齐升

　　 实际上，2023年开年后三星、SK海力士的HBM订单快速增加，之前另有消息称HBM3较DRAM价格上涨5倍。

　　 随着AI技术不断发展，AI训练、推理所需计算量呈指数级增长，2012年至今计算量已扩大30万倍。处理AI大模型的海量数据，需要宽广的传输“高速公路”即带宽来吞吐数据。

　　 HBM通过垂直连接多个DRAM，显著提高数据处理速度。它们与CPU、GPU协同工作，可以极大提高服务器性能。其带宽相比DRAM大幅提升，例如SK海力士的HBM3产品带宽高达819GB/s。同时，得益于TSV技术，HBM的芯片面积较GDDR大幅节省。

　　 国盛证券指出，HBM最适用于AI训练、推理的存储芯片。受AI服务器增长拉动，HBM需求有望在2027年增长至超过6000万片。Omdia则预计，2025年HBM市场规模可达25亿美元。

　　 广发证券也补充称，HBM方案目前已演进为高性能计算领域扩展高带宽的主流方案，并逐渐成为主流AI训练芯片的标配。

　　 AIGC时代为HBM带来的需求增量主要体现在两方面：

　　 一方面，单颗GPU需要配置的单个HBM的Die层数增加、HBM个数增加；另一方面，大模型训练需求提升拉动对AI服务器和AI芯片需求，HBM在2023年将需求明显增加，价格也随之提升。