美國開放人工智能研究中心（OpenAI）首席執(zhí)行官山姆·奧特曼等人認(rèn)為，人工智能（AI）將從根本上改變世界經(jīng)濟(jì)，擁有強(qiáng)大的計(jì)算芯片供應(yīng)能力至關(guān)重要。芯片是推動(dòng)AI行業(yè)發(fā)展的重要因素，其性能和運(yùn)算能力直接影響著AI技術(shù)的進(jìn)步和應(yīng)用前景。

英國《自然》雜志網(wǎng)站在近日的報(bào)道中指出，工程師正競相開發(fā)包括圖形處理單元（GPU）等在內(nèi)的尖端芯片，以滿足未來AI的計(jì)算需求。

GPU加快機(jī)器學(xué)習(xí)運(yùn)算速度

GPU是英偉達(dá)公司標(biāo)志性的計(jì)算機(jī)芯片。傳統(tǒng)中央處理單元（CPU）按順序處理指令，而GPU可并行處理更多指令，因此可分布式訓(xùn)練程序，從而大大加快機(jī)器學(xué)習(xí)的運(yùn)算速度。

2022年，英偉達(dá)公司Hopper超級(jí)芯片在MLPerf上擊敗了包括圖像分類和語音識(shí)別在內(nèi)所有類別的競爭對(duì)手。MLPerf是國際上最權(quán)威、最有影響力的AI基準(zhǔn)測試之一，被譽(yù)為“AI界奧運(yùn)會(huì)”。

今年3月，英偉達(dá)正式展示了性能更優(yōu)異的新一代AI芯片Blackwell。它擁有2080億個(gè)晶體管，是英偉達(dá)首個(gè)采用多芯片封裝設(shè)計(jì)的GPU。隨著技術(shù)發(fā)展，GPU變得越來越大，如果不能更大，就把更多GPU組合在一起，變成更大的虛擬GPU。Blackwell就是在同一個(gè)芯片上集成了兩個(gè)GPU，新架構(gòu)將通過芯片與芯片間的連接技術(shù)，一步步構(gòu)建出更大型AI超算集群。

如果要訓(xùn)練一個(gè)擁有1.8萬億個(gè)參數(shù)的GPT模型，需要8000塊Hopper芯片，耗能15兆瓦，歷時(shí)3個(gè)月。如果使用Blackwell芯片，只需2000塊，耗能4兆瓦，就能在同樣的時(shí)間內(nèi)完成任務(wù)。

AI芯片市場持續(xù)增長，英偉達(dá)目前供應(yīng)了其中80%以上的產(chǎn)品。2023年，該公司售出55萬塊Hopper芯片。近日，該公司市值首次突破3萬億美元，超越蘋果，僅次于微軟，成為全球市值第二高的公司。


多種芯片競相涌現(xiàn)

盡管GPU一直是AI革命的核心，但它們并非是唯一“主角”。隨著AI應(yīng)用的激增，AI芯片的種類也在激增，現(xiàn)場可編程門陣列（FPGA）可謂“一枝獨(dú)秀”。

FPGA是一種在計(jì)算和數(shù)字電路領(lǐng)域廣泛應(yīng)用的硬件設(shè)備。它以獨(dú)特的可編程性和靈活性，成為嵌入式系統(tǒng)、高性能計(jì)算處理等多種應(yīng)用的理想選擇。

這就像搭建樂高積木，工程師可將FPGA電路一個(gè)接一個(gè)地構(gòu)建到他們能想象的任何設(shè)計(jì)中，無論是洗衣機(jī)傳感器還是用于引導(dǎo)自動(dòng)駕駛汽車的AI。不過，與擁有不可調(diào)節(jié)電路的AI芯片（如GPU）相比，F(xiàn)PGA運(yùn)行速度相對(duì)更慢、效率更低。但FPGA對(duì)處理某些任務(wù)（如粒子對(duì)撞機(jī)產(chǎn)生的數(shù)據(jù)）很有用。英偉達(dá)加速計(jì)算集團(tuán)產(chǎn)品營銷總監(jiān)戴維·薩爾瓦托指出，F(xiàn)PGA的易編程性也對(duì)原型設(shè)計(jì)很有幫助。

張量處理單元（TPU）則是谷歌公司專為神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)而定制的芯片，旨在執(zhí)行矩陣計(jì)算和張量操作。TPU作為谷歌深度學(xué)習(xí)框架TensorFlow的加速器于2016年首次推出，其設(shè)計(jì)目標(biāo)是提供低功耗、高效能的矩陣運(yùn)算，以滿足大規(guī)模機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)訓(xùn)練的需求。TPU在性能與能效之間取得了良好平衡。它們的功耗相對(duì)較低，這對(duì)于大規(guī)模數(shù)據(jù)中心和在移動(dòng)設(shè)備上的應(yīng)用至關(guān)重要。

此外，元宇宙平臺(tái)也在獨(dú)立開發(fā)自己的芯片。谷歌、英特爾和高通成立了UXL基金會(huì)，用以開發(fā)一套支持多種AI加速器芯片的軟件和工具，以此對(duì)抗英偉達(dá)的GPU。

當(dāng)然，GPU等AI芯片的興起并不意味著傳統(tǒng)CPU的終結(jié)，兩者互相取長補(bǔ)短已成大勢所趨。


科技巨頭們加速自研AI芯片

為了搶占AI發(fā)展先機(jī)，降低對(duì)英偉達(dá)芯片的依賴，科技巨頭們?nèi)鏜eta、谷歌、微軟、亞馬遜、OpenAI等都在自主研發(fā)定制AI芯片。他們希望通過自研芯片提高性能、降低成本、減少不必要功能，從而在AI競爭中占據(jù)優(yōu)勢。

以Meta為例，該公司最新推出的MTIA芯片系列專為社交軟件的排名和推薦系統(tǒng)而設(shè)計(jì)，性能較上一代有顯著提升。谷歌也在研發(fā)基于ARM架構(gòu)的Axion芯片，用于數(shù)據(jù)中心的數(shù)據(jù)處理和AI運(yùn)算。微軟和亞馬遜的自研芯片計(jì)劃也在緊鑼密鼓推進(jìn)中。

對(duì)于這些科技巨頭而言，自研AI芯片不僅是為了降低采購成本，更重要的是可以根據(jù)自身需求定制個(gè)性化硬件，通過減少不必要功能實(shí)現(xiàn)降本增效。與通用型硬件相比，專用AI芯片在特定場景下能夠發(fā)揮更大的優(yōu)勢。


中國如何突破AI芯片封鎖

Gartner研究副總裁盛陵海日前在一場分享會(huì)上直言，在美國幾度加碼限制之后，中國獲得先進(jìn)AI芯片和技術(shù)的難度大增。不過，在吸取了過去的經(jīng)驗(yàn)教訓(xùn)后，中國已經(jīng)提前做了一些準(zhǔn)備，不至于出現(xiàn)手足無措的情況。

“我們現(xiàn)在已經(jīng)走到了自主研發(fā)的階段，展望未來5到10年，我們有機(jī)會(huì)可以通過積極新的路徑實(shí)現(xiàn)‘禁運(yùn)’封鎖的整體突破。”盛陵海樂觀道。“在當(dāng)下非常火熱的大模型方面，中國與國際企業(yè)的差距并沒有多大。這足以證明我們可以實(shí)現(xiàn)自主研發(fā)，這也是我堅(jiān)信我們能夠搞好自己的AI芯片的原因。”盛陵海接著說。

在具體講如何突破AI芯片之前，盛陵海首先強(qiáng)調(diào)，國內(nèi)AI企業(yè)必須要放棄幻想。因?yàn)槊绹鴮?duì)我們的封鎖大概率會(huì)一直存在。為此，只有轉(zhuǎn)向本土供應(yīng)鏈，只有堅(jiān)持使用國產(chǎn)芯片，才是最終的解決方案。雖然轉(zhuǎn)向國產(chǎn)，必然會(huì)碰到不少問題和局限性。但在海外對(duì)我們持久限制的既定前提下，繼續(xù)使用海外芯片廠商的“降規(guī)格”版本產(chǎn)品是權(quán)宜之計(jì)，我們必須做好打游擊戰(zhàn)的準(zhǔn)備。

“唯有轉(zhuǎn)向國產(chǎn)芯片，把碰到的問題一一破解，把國內(nèi)的整個(gè)AI芯片乃至整個(gè)生態(tài)培養(yǎng)起來才是長久之道。”盛陵海表示。當(dāng)然，可以明見的是，在這種發(fā)展方式下，中美AI芯片行業(yè)會(huì)割裂成兩個(gè)生態(tài)，這從全球化的角度來看當(dāng)然是不太有利。

“但也正是在這種競爭態(tài)勢之下，讓飽受英偉達(dá)重壓的國產(chǎn)AI芯片找到可乘之機(jī)”。盛陵海告訴半導(dǎo)體行業(yè)觀察。他進(jìn)一步指出，對(duì)于國內(nèi)的AI芯片企業(yè)來說，去訓(xùn)練市場跟英偉達(dá)等現(xiàn)有對(duì)手掰手腕，也是勝算不大的，事實(shí)證明也是如此。但企業(yè)們可以在廣大的AI推理芯片市場找到突破點(diǎn)，這實(shí)際上也是一個(gè)龐大的市場。

Gartner預(yù)測，到2025年，云端的“推理”需求會(huì)超過“訓(xùn)練”。這一方面是因?yàn)檫^去幾年廠商在訓(xùn)練方面投入了巨額的資源，這種投資力度不可能一直持續(xù)下去；另一方面，諸如OpenAI應(yīng)用端被擠爆，無法登錄的現(xiàn)狀頻發(fā)，證明我們在推理上面的投入還是不夠多。

基于這兩點(diǎn)現(xiàn)狀，大家自然就會(huì)往推理側(cè)投資更多芯片，這也是Gartner做出2025年會(huì)出現(xiàn)交叉點(diǎn)，之后推理需求量會(huì)比訓(xùn)練增加更快預(yù)測的原因。當(dāng)然，這個(gè)成立的前提是會(huì)有越來越多的人使用AI應(yīng)用。

Gartner同時(shí)還預(yù)測，到2026年之后，更多基于GenAI的要求應(yīng)答將在端側(cè)而非云端處理。在云端投入持續(xù)高漲，Gartner認(rèn)為這是一條必經(jīng)之路。

“設(shè)備端可以支持十億到一百億規(guī)模的模型，邊緣端則能支持一百億到一千億的這個(gè)規(guī)模的大模型，這意味著它們都可以實(shí)際支持一定的企業(yè)或者個(gè)人的應(yīng)用。換而言之，這個(gè)從技術(shù)上其實(shí)也是可行的。”盛陵海說。他進(jìn)一步指出，邊緣側(cè)和端側(cè)的生成式人工智能應(yīng)用會(huì)從智能手機(jī)、電腦，不斷地?cái)U(kuò)散、到消費(fèi)物聯(lián)網(wǎng)、智能家居和汽車。

對(duì)于國產(chǎn)AI芯片企業(yè)而言，在這股大浪潮下，針對(duì)推理方面，也可以從各個(gè)環(huán)節(jié)入手，尋找機(jī)會(huì)。不過，正如大家所見，現(xiàn)在市場上的很多解決方案都是各自為政，這樣帶來的重復(fù)造輪子和生態(tài)不兼容的副作用影響深遠(yuǎn)。