ChatGPT 引入插件Plugin，开启AI 生态。在ChatGPT 联网前，用户仅能查询到2021 年9 月之前的消息，但随着OpenAI 开放网络浏览器和代码解释器，用户不仅能够查询到最新新闻。从这一点看，我们认为ChatGPT 未来最大的进步在于从“有监督式”学习转向“无监督式学习”。在联网前，ChatGPT 都是从已有固话训练集中获取学习素材，需要认为调整训练参数才能提升学习精度；联网后，ChatGPT 能够根据实时更新数据素材进行“自我迭代”，搜索精准度、理解准确度都将迎来新的提升。

算力仍是重中之重，带动产业链成长。我们认为ChatGPT 体现了当前AI训练速度、训练精度的提升，背后的根本逻辑在于庞大训练数据集的支撑，而对于硬件层面来说，计算与传输是保证ChatGPT 平稳运行的核心。根据贝壳财经咨询，北京时间2 月9 日，由于训练量超负荷，ChatGPT 官网无法登录，页面显示“超负荷”，侧面印证了当前的网络资源/计算能力无法保证未来大量涌入的算力需求。ChatGPT 的总算力消耗约为3640PF-days，从摩尔定律角度看，以ChatGPT 为代表的AI 发展速度呈指数级上涨，约每隔3～4 个月翻倍（摩尔定律翻倍周期约18 个月）。

从ChatGPT 所需要GPU 数量测算，未来所需要高功率机柜近7.5 万个。

根据钛媒体，GPT 3.5 完全训练需要A100 芯片近3 万颗，对应英伟达DGXA100 服务器近3750 台。考虑到英伟达DGX A100 服务器单台最大功率为6.5kw，假设平均功率为4kw/台，则10kw 功率机柜可搭载2.5 台AI 服务器。

为满足3750 台AI 服务器，需要建设机柜1500 个，假设算力需求扩至50 倍，共需要高功率机柜约7.5 万个。

AI 大趋势下，数据中心耗电成为“阿喀琉斯之踵”。数据中心制冷主要采取风冷+液冷，液冷有望成为大数据中心主流方案。根据IDC圈，液冷的冷却能力较风冷而言高1000~3000 倍，且液冷对环境要求更低，适应性更强。根据Dell 'Oro 统计预测，2022 年-2027 年数据中心基础设施（DCPI）收入CAGR有望保持8%，超350 亿美元。且随着英特尔、英伟达、AMD 等处理器与加速器性能的提升，数据中心机架功率密度会再度提升。

投资建议：AI 模型及相关应用带动算力增长，建议关注第三方头部IDC 运营厂商奥飞数据、数据港、宝信软件（计算机组覆盖）、光环新网、润泽科技（计算机组覆盖）；同时我们认为随着未来高密度数据中心兴起，叠加ESG 要求，IDC 储能温控环境有望核心受益，建议关注科华数据、申菱环境、英维克、依米康。

风险提示：市场竞争加剧，技术更新风险，电价波动风险。