2023 年 2 月 20 日，上海龙宇数据股份有限公司简称由“龙宇燃油”正式变更为“龙宇股份”。近两年来，公司大力拓展 IDC 业务， 其整体 IDC 业务板块经验业绩呈现快速上升趋势，并且为公司贡献大部分净利润， 公司大宗商品贸易业务营收规模逐步降低，因此公司正式更名为“上海龙宇数据股份有限公司”。公司积极探索边缘计算 IDC 业务，公司非公开发行募投项目北京金汉王云计算数据中心已建成约当 8KW 机柜 4,280 个(按平均设备功率 4.4kW 测算机柜约 7,780 个)；公司投入约 57,778.83 万元（含土建、机电）建设无锡中物达大数据存储中心项目，拟建设规模为 5,874 个 IDC 机柜（按平均设备功率 4.4kW 测算）。边缘算力方面，在政企、金融、医疗、教育等数字化转型的背景下，公司收购上海磐石，探索搭建边缘算力运营平台，通过端、边、云的紧密结合并互相协作来整合产业资源，聚焦在实现从边缘算力的实验创新平台到产业赋能平台的转变。构建起支撑边缘原生的数字化转型解决方案，以至于支撑边缘计算应用的有效落地。 

ChatGPT 已经成为现象级应用。

ChatGPT 是由人工智能企业 OpenAI 开发基于人工智能的内容生成式聊天机器人应用。根据 TRTWORLD 统计，自从 2022 年 11 月 ChatGPT 问世以来，仅 5 天注册用户就超越 100 万，截止到 2023 年 1 月， ChatGPT 的月活跃用户数已经达到 1 亿，此用户增长速度领跑整个消费者应用领域。海外版抖音 TikTok 和美国图片社交平台 Instagram 在此前分别经历了 9 个月 和两年半的时间才完成月活跃用户数 1 亿的突破。ChatGPT 火爆的背后，是算力在为其支撑， AIGC、ChatGPT 的不断优化是基于预训练模型的优化以及训练集参数量的增大，Google 的 BERT 预训练模型参数量到达 4810 亿，在 ChatGPT 大 模型的三次历史迭代中，OpenAI 的 GPT、GPT-2 和 GPT-3（当前开放的版本为 GPT-3.5）的参数量从 1.17 亿增加到 1750 亿，预训练数据量从 5GB 增加到 45TB， 其中 GPT-3 训练单次的成本就高达 460 万美元。在训练 GPT3.5 模型的微软专门建设的 AI 计算系统中，包含了 1 万个由 V100 GPU 构成的高性能网络集群，其总 算力的大约 3640PF-days，简单来说，以每秒计算一千万亿次来假设，完成总算力需要计算 3640 天。 

模型训练对算力提出了更高要求。

根据 OpenAI 的研究，AI 训练所需要的算力增速已经超越硬件的摩尔定律增速，摩尔定律是 18-24 个月翻一倍，AI 的算力是呈现指数级的增长。从 2012 年至 2018 年，用于训练 AI 模型所需要的算力大约每隔 3～4 个月就翻一倍。从 2012 年到 2018 年，训练 AI 模型所消耗的算力增长了 30 万倍，而摩尔定律在相同时间内只增长了 7 倍。孟晚舟表示，当前算力还不足以满 足未来的需求，算力竞争或将成为未来全世界在科技领域内的竞争焦点之一。根据 IDC 与浪潮信息联合发布《2022-2023 中国人工智能计算力发展评估报告》，中国 AI 算力将保持快速增长的趋势，2022 年智能算力规模达到 268 百亿亿次/秒 (EFLOPS)。根据 IDC 预测，2026 年中国 AI 算力将达到 1271.4 EFLOPS。根据中国信通院统计，中国核心算力产业规模在 2021 年底超过 1.5 万亿元，其关联产业规模超过 8 万亿元。在如此爆发式增长的算力背景下，算力模型对数据中心的数据传输速率提出了更高的要求，分布式 IDC 以及边缘计算有望迈入高景气度通道。 

算力爆发或将赋能分布式 IDC 以及边缘计算。

在智慧城市、智能制造等产业兴起以及企业数字化转型的背景下，云计算的形态逐渐发生改变，由中心化计算化向离散化的雾计算、霾计算演变，进而催生并且加速了边缘计算的建设进程。相比于传统集中式 IDC 架构，分布式 IDC 突破了建设规模的限制，凭借云连接和与组网， 能够联合起多个数据中心，其优势包括可以实现多中心运营、数据共享、高度覆盖业务，并且可以尽可能的减少运维成本。分布式 IDC 能够具备更高安全性和可靠 性，可以缓解业务中断的风险并且实现灾备建设。在 5G 商用全面推进下，MEC 边缘云在助力 5G 网络数字化转型和差异化创新服务中扮演有力角色。与此同时，边 缘计算已经成为元宇宙产业升级的左膀右臂，边缘计算能够有效解决由智能终端快速增加和中心流量拥堵所带来的计算资源匮乏的问题。