ChatGPT是大数据+大模型+大算力的产物。每一代GPT模型的参数数量都迅速增加。据人工智能专家公众号数据显示，2020 年5 月发布的ChatGPT 前身GPT-3 参数数量达到17500 亿（预训练数据量达到45TB，远远大于40GB GPT 2)。

目前国内企业对chiplet的探索主要集中在CPU和GPU两大领域。但从长远来看，随着chiplet产业链的更加成熟，chiplet的发展将不仅仅局限于如此大型的芯片，而是将拥有更广阔的应用空间。设计方面，核心处理模块与其他模块之间的高速互连主要通过BaseDie/IODie/DietoDie设计来实现。 Chiplet产业链蕴藏着强大的商机，但国内Chiplet芯片设计公司屈指可数。

1、guba.eastmoney.com

东方财富期货免费手机版东方财富期货iPhone版东方财富期货Android版。根据研究公司Omdia的报告，2024年全球采用Chiplet的处理器芯片市场规模将达到58亿美元，到2035年将达到570亿美元。芯创科技也推出了高性能、低成本的Innolink Chiplet解决方案。

在算力需求方面，训练ChatGPT消耗的算力约为每天3640 PetaFLOPs，这意味着每秒千万亿次运算的算力训练模型需要3640天。英特尔进一步提出利用六大不同的技术支柱来应对未来数据的多样性、数据量的爆发式增长以及处理方式的多样性。 GPU、小处理器众核并行、NP、Graphcore IPU等都属于这个级别。

随着摩尔定律达到极限，chiplet被业界普遍认为是未来五年提升算力的主要技术。此外，我国产业中短期内还无法解决EUV光刻机的瓶颈。 7nm以下工艺实现难度较大，也被寄予厚望，是我国突破半导体技术卡壳的重要途径。随着超异构的发展，对chiplet的要求将不断提高，要求chiplet技术向更高能力迈进。

SOC本质上也是异构和并行的。 SOC可以看作是由CPU+GPU、CPU+ISP、CPU+Modem等多个异构并行子系统组成的系统，Chiplet有望成为支撑高性能计算存储的关键。美国正在开发的三台超级计算机Aurora、El Capitan和Frontier均采用Chiplet解决方案作为CPU和GPU。 AMD、Intel、华为的服务器处理器芯片均采用Chiplet解决方案来提升计算能力。突破和性能改进。

在封装方面，chiplet封装演进的本质是在控制成本的同时尽可能提高互连的密度和速度。从2D封装到2.5DChiplet、3DChiplet，封装环节价值的重要性预计将持续提升。