隨著圍繞人工智能的押注越來越火熱，一些芯片公司也被華爾街“挑選”了出來，認(rèn)為它們可能從這一波熱潮中受益，但分析師們普遍認(rèn)為，這些公司所獲得的收益不會來自于英偉達(dá)現(xiàn)在所擁有的份額。

英偉達(dá)GPU主導(dǎo)著人工智能芯片市場，這些實(shí)力玩家希望改變這一點(diǎn)。

如果說有哪只股票能從人工智能(AI)中獲利，那一定是英偉達(dá)(Nvidia)。該公司率先開發(fā)了圖形處理單元(GPU)，可以在視頻游戲中呈現(xiàn)逼真的圖像。讓這些芯片如此高效的是并行處理，它將計(jì)算復(fù)雜的工作分解成更小、更易于管理的塊。英偉達(dá)能夠調(diào)整這項(xiàng)技術(shù)來處理人工智能的嚴(yán)格要求，使其成為人工智能芯片領(lǐng)域最成功的公司。

然而，隨著對人工智能的需求加速增長，許多技術(shù)中堅(jiān)人士一直在幕后瘋狂地研發(fā)可行的替代方案，以取代英偉達(dá)業(yè)界領(lǐng)先的處理器。


一、近期競爭對手的成果

1. 英特爾

早些時候，英特爾(Intel)發(fā)布了名為Gaudi 3的最新人工智能芯片，直接挑戰(zhàn)了英偉達(dá)在GPU領(lǐng)域的主導(dǎo)地位。該公司聲稱，高迪訓(xùn)練人工智能模型的速度幾乎是英偉達(dá)H100旗艦數(shù)據(jù)中心處理器的兩倍，在推理方面快50%，即運(yùn)行已經(jīng)訓(xùn)練過的人工智能模型。該公司還表示，高迪的性能比H100高40%，“成本只是H100的一小部分”。

值得注意的是，英偉達(dá)最近推出了H100的后繼產(chǎn)品Blackwell B200 AI GPU，將于今年晚些時候開始發(fā)貨。雖然沒有將高迪與B200進(jìn)行比較，但英特爾公司表示，“我們確信高迪2將具有很強(qiáng)的競爭力”，能夠與英偉達(dá)的最新處理器競爭，并稱高迪是“一款強(qiáng)大的產(chǎn)品”。

英特爾可能并不打算超越英偉達(dá)最新的人工智能芯片，而是希望為企業(yè)提供一種更便宜的替代產(chǎn)品。同樣值得注意的是，英偉達(dá)的H100和H200芯片一直供不應(yīng)求，這給人工智能的應(yīng)用帶來了發(fā)展瓶頸。英特爾的最新產(chǎn)品可能有助于緩解積壓。


2. Meta平臺

Meta平臺也不甘示弱，宣布推出Meta訓(xùn)練和推理加速器(MTIA) v2，這是一款在公司數(shù)據(jù)中心運(yùn)行的定制人工智能芯片。Meta宣布其最新版本的MTIA“將計(jì)算和內(nèi)存帶寬提高了一倍以上”。初步結(jié)果顯示，新處理器的性能是第一個版本的三倍。

Meta指出，它正試圖通過其最新芯片提供“計(jì)算、內(nèi)存帶寬和內(nèi)存容量的適當(dāng)平衡”。該公司沒有將這些芯片用于人工智能處理;至少，目前還沒有。Meta正在使用這些處理器來提高其排名和推薦系統(tǒng)的速度和效率，這些系統(tǒng)用于在其社交媒體網(wǎng)站上顯示相關(guān)內(nèi)容和目標(biāo)廣告。

Meta是英偉達(dá)最大的客戶之一，因此，如果它在人工智能芯片方面取得成功，該公司可能會減少對英偉達(dá)人工智能處理器的依賴。


3. Alphabet

在本周的Google Cloud Next發(fā)布會上，Alphabet宣布推出最新版本的以人工智能為中心的處理器——云張量處理單元(Cloud Tensor Processing Unit, TPU) v5p。該公司表示，其Cloud TPU可以訓(xùn)練支撐人工智能系統(tǒng)的大型語言模型(llm)，速度比版本4快三倍。

與一般情況一樣，谷歌的tpu不會出售，但將于今年晚些時候在谷歌云上提供。

然而，在一篇博客文章中，谷歌指出，它正在擴(kuò)展其英偉達(dá)GPU的能力，增加了由英偉達(dá)H100 GPU驅(qū)動的A3超級計(jì)算機(jī)。谷歌云的客戶還可以使用采用英偉達(dá)Blackwell B200和Grace Blackwell GB200 gpu的虛擬機(jī)。

谷歌還發(fā)布了與Arm Holdings合作設(shè)計(jì)的第一款數(shù)據(jù)中心中央處理器Axion。谷歌表示，Axion的速度比目前領(lǐng)先的CPU快30%，性能比英特爾和AMD的x86芯片高50%，效率比后者高62%。


二、Groq號稱比英偉達(dá)的GPU更快

Groq收購了一家人工智能解決方案公司Definitive Intelligence。這是 Groq 在 2022 年收購高性能計(jì)算和人工智能基礎(chǔ)設(shè)施解決方案公司 Maxeler Technologies 后的第二次收購。Groq來勢很兇。

我們處于一個快節(jié)奏的世界中，人們習(xí)慣于快速獲取信息和滿足需求。研究表明，當(dāng)網(wǎng)站頁面延遲300 - 500毫秒(ms)時，用戶粘性會下降20%左右。這在AI的時代下更為明顯。速度是大多數(shù)人工智能應(yīng)用程序的首要任務(wù)。類似ChatGPT這樣的大語言模型（LLM）和其他生成式人工智能應(yīng)用具有改變市場和解決重大挑戰(zhàn)的潛力，但前提是它們足夠快，還要有質(zhì)量，也就是結(jié)果要準(zhǔn)確。

如今行業(yè)不少人的共識認(rèn)為，英偉達(dá)的成功不僅僅歸功于其GPU硬件，還在于其CUDA軟件生態(tài)系統(tǒng)。CUDA也被業(yè)界稱為是其“護(hù)城河”。那么，其他AI芯片玩家該如何與英偉達(dá)競爭？

誠然，CUDA為GPU開發(fā)者提供了一個高效的編程框架，方便編程人員快速實(shí)現(xiàn)各種算子。不過，僅靠編程框架并不能實(shí)現(xiàn)高性能的算子處理。因此，英偉達(dá)有大量的軟件開發(fā)團(tuán)隊(duì)和算子優(yōu)化團(tuán)隊(duì)，通過仔細(xì)優(yōu)化底層代碼并提供相應(yīng)的計(jì)算庫，提升深度學(xué)習(xí)等應(yīng)用計(jì)算效率。由于CUDA有較好的生態(tài)，這部分開源社區(qū)也有相當(dāng)大的貢獻(xiàn)。

然而，CUDA框架和GPU硬件架構(gòu)的緊密耦合同時也帶來了挑戰(zhàn)，比如在GPU之間的數(shù)據(jù)交互通常需要通過全局內(nèi)存（Global Memory），這可能導(dǎo)致大量的內(nèi)存訪問，從而影響性能。如果需要減少這類訪存，需要利用Kernel的Fusion等技術(shù)。實(shí)際上，英偉達(dá)在H100里增加SM-SM的片上傳輸通路來實(shí)現(xiàn)SM間數(shù)據(jù)的復(fù)用、減少訪存數(shù)量，但是這通常需要程序員手工完成，同樣增加了性能優(yōu)化的難度。另外，GPU的整個軟件棧最早并不是專為深度學(xué)習(xí)設(shè)計(jì)的，它在提供通用性的同時，也引入了不小的開銷，這在學(xué)術(shù)界也有不少相關(guān)的研究。

因此，這就給AI芯片的新挑戰(zhàn)者如Groq，這提供了機(jī)會。例如Groq就是挖掘深度學(xué)習(xí)應(yīng)用處理過程中的“確定性”來減少硬件開銷、處理延時等。這也是Groq芯片的特色之處。

實(shí)現(xiàn)這么一款芯片的挑戰(zhàn)是多方面的。其中關(guān)鍵之一是如何實(shí)現(xiàn)軟硬件方面協(xié)同設(shè)計(jì)與優(yōu)化，極大的挖掘“確定性”實(shí)現(xiàn)系統(tǒng)層面的Strong Scaling 。為了達(dá)到這個目標(biāo)，Groq設(shè)計(jì)了基于“確定性調(diào)度”的數(shù)據(jù)流架構(gòu)，硬件上為了消除“不確定性” 在計(jì)算、訪存和互聯(lián)架構(gòu)上都進(jìn)行了定制，并且把一些硬件上不好處理的問題通過特定的接口暴露給軟件解決。軟件上需要利用硬件的特性，結(jié)合上層應(yīng)用做優(yōu)化，還需要考慮易用性、兼容性和可擴(kuò)展性等，這些需求都對配套工具鏈和系統(tǒng)層面提出很多新的挑戰(zhàn)。

大模型確實(shí)給傳統(tǒng)的芯片架構(gòu)帶來了極大的挑戰(zhàn)，迫使芯片從業(yè)者發(fā)揮主觀能動性，通過“另辟蹊徑”的方式來尋求突破。值得關(guān)注的是，國內(nèi)也已經(jīng)有一批架構(gòu)創(chuàng)新型的芯片企業(yè)，陸續(xù)推出了存算一體或近存計(jì)算的產(chǎn)品，例如、知存科技、后摩智能、靈汐科技等。

考慮到芯片的研發(fā)周期通常長達(dá)數(shù)年，在嘗試新技術(shù)的時候需要對未來的應(yīng)用（如LLM技術(shù)）的發(fā)展趨勢有一個合理的預(yù)判。分析好應(yīng)用的發(fā)展趨勢，通過軟硬件的設(shè)計(jì)預(yù)留一定的靈活性和通用性，更能夠保證技術(shù)長期適用性。