在AI大模型熱潮的推動(dòng)下，屬于AI芯片領(lǐng)域的百家爭(zhēng)鳴時(shí)代終于來啦。微軟于近日透露，其計(jì)劃于下個(gè)月的年度開發(fā)者大會(huì)上推出首款為人工智能設(shè)計(jì)的芯片，來降低成本并減輕對(duì)英偉達(dá)的依賴。算上之前的亞馬遜云科技、谷歌、OpenAI、Meta，一家獨(dú)大的英偉達(dá)還是將科技巨頭逼得親自下場(chǎng)造AI芯片，組團(tuán)拉開一場(chǎng)關(guān)于AI芯片領(lǐng)域大戰(zhàn)的帷幕。

AI芯片領(lǐng)域，科技巨頭紛紛“揭竿而起”

1.亞馬遜云科技

在自研芯片領(lǐng)域，亞馬遜云科技充分占得了先機(jī)，自2013年推出首顆Nitro1芯片至今，亞馬遜云科技已經(jīng)擁有網(wǎng)絡(luò)芯片、服務(wù)器芯片、人工智能機(jī)器學(xué)習(xí)芯片等3條產(chǎn)品線。?

亞馬遜云科技已于2018年開始設(shè)計(jì)定制AI芯片，推出自研AI推理芯片Inferentia，并于2023年推出Inferentia的迭代版Inferentia?2，將計(jì)算性能提高了三倍此外，2020年底，亞馬遜云科技推出專用于訓(xùn)練機(jī)器學(xué)習(xí)模型的Trainium。

2.谷歌

在AI芯片領(lǐng)域的這場(chǎng)競(jìng)賽中，谷歌也不甘示弱。在2013年，谷歌便秘密研發(fā)一款專注于AI機(jī)器學(xué)習(xí)算法的芯片，并將其用在內(nèi)部的云計(jì)算數(shù)據(jù)中心中，這款自研芯片于2016年5月公諸于世。?

2020年，谷歌實(shí)際上已在其數(shù)據(jù)中心部署了人工智能芯片TPU?v4。目前，谷歌已將負(fù)責(zé)AI芯片的工程團(tuán)隊(duì)轉(zhuǎn)移到了谷歌云，旨在提高谷歌云出售AI芯片給租用其服務(wù)器的公司的能力。

3.)Meta

敢于在元宇宙火熱之時(shí)更名的Meta，在AI大潮之下，也同樣采用“激進(jìn)”的態(tài)度。Meta在今年5月份披露其正在構(gòu)建首款用于運(yùn)行AI模型的定制芯片——MTIA(Meta?Training?and?Inference?Accelerator)芯片，使用名為RISC-V的開源芯片架構(gòu)，預(yù)計(jì)于2025年問世。?

4.微軟

早已將目光聚焦于AI芯片領(lǐng)域的微軟，也在步步為營(yíng)，按照原定計(jì)劃繪制AI芯片版圖。今年5月，微軟發(fā)布了一系列芯片相關(guān)招聘信息，其中一則寫道，“我們正在尋找一名首席設(shè)計(jì)工程師在充滿活力的微軟AISoC(人工智能芯片及解決方案)團(tuán)隊(duì)中工作?！?

不久前，微軟更是透露將于下個(gè)月推出其首款人工智能芯片。據(jù)悉，微軟的芯片也是專為數(shù)據(jù)中心服務(wù)器設(shè)計(jì)，可用于訓(xùn)練和運(yùn)行諸如ChatGPT這類的大語言模型。

5.OpenAI

OpenAI正在探索自研AI芯片，同時(shí)開始評(píng)估潛在收購(gòu)目標(biāo)。其招聘網(wǎng)站上，最近也出現(xiàn)了AI硬件共同開發(fā)、評(píng)估相關(guān)崗位。

是無奈，也是最具性價(jià)比之選

OpenAI公布的數(shù)據(jù)顯示，大模型訓(xùn)練所需算力的增速保持在3-4個(gè)月/倍速度增長(zhǎng)，遠(yuǎn)超摩爾定律18-24個(gè)月/倍。這也意味著對(duì)更快的數(shù)據(jù)處理速度、更強(qiáng)大的大模型服務(wù)能力提出了新的需求。?

然而，正在越來越多的企業(yè)入局大模型領(lǐng)域，越來越多的大模型出爐，導(dǎo)致對(duì)A100和H100等高端GPU的需求直線增加。今年8月，百度、字節(jié)跳動(dòng)、騰訊和阿里巴巴向英偉達(dá)共訂購(gòu)了價(jià)值50億美元的芯片。據(jù)CoreWeave聯(lián)合創(chuàng)始人兼CTO?Brian?Venturo表示，最新英偉達(dá)GPU的交貨時(shí)間也要等到2024年Q1甚至Q2。

盡管英偉達(dá)及其制造伙伴臺(tái)積電都在努力供應(yīng)，但仍難以滿足市場(chǎng)需求。OpenAI的CEO?Sam?Altman也曾多次抱怨算力短缺問題，而這個(gè)市場(chǎng)主要由英偉達(dá)主導(dǎo)。調(diào)查數(shù)據(jù)顯示，英偉達(dá)獨(dú)立GPU市場(chǎng)份額達(dá)80%，在高端GPU市場(chǎng)份額高達(dá)90%，可以說，英偉達(dá)的GPU是全球應(yīng)用最為廣泛的AI芯片。

企業(yè)在苦AI芯片久矣的同時(shí)，也在苦英偉達(dá)。根據(jù)伯恩斯坦分析師斯塔西拉斯剛(StacyRasgon)的分析，如果ChatGPT的查詢規(guī)模增長(zhǎng)到谷歌搜索的十分之一，那么它最初需要大約價(jià)值480億美元的GPU(圖形處理器)，每年還需要約160億美元的芯片來維持運(yùn)營(yíng)。?

在高昂的成本與技術(shù)研發(fā)兩者之間，越來越多的企業(yè)開始選擇后者，自研成為科技大廠的一致選擇。微軟打造的“雅典娜”會(huì)使用臺(tái)積電的5nm工藝打造，預(yù)計(jì)可以將每顆芯片的成本降低1/3。

隨著微軟繼續(xù)推動(dòng)在Bing、Office、GitHub和其他地方推出AI?驅(qū)動(dòng)的功能，自研芯片可能會(huì)大幅削減成本。分析師認(rèn)為，與英偉達(dá)的產(chǎn)品相比，雅典娜可以將每芯片的成本降低三分之一。

因此，在筆者看來，自研AI芯片不僅可以大幅度降低成本，減少對(duì)英偉達(dá)的依賴，還意味著可以瓜分這塊巨大的“蛋糕”。

挑戰(zhàn)依舊在，心理準(zhǔn)備尚需做足

“晶上世界”認(rèn)為，當(dāng)前AI芯片主要面臨以下三個(gè)技術(shù)挑戰(zhàn)：性能功耗比控制、帶寬瓶頸、軟件開發(fā)。

在性能功耗比控制方面，AI芯片的大量運(yùn)算會(huì)造成功耗大幅增加。很多AI應(yīng)用端對(duì)于功耗都有嚴(yán)格的限制，如何達(dá)到優(yōu)異的性能功耗比是AI芯片研發(fā)的一個(gè)重要目標(biāo)。

在帶寬瓶頸方面，深度學(xué)習(xí)算法中參與計(jì)算的數(shù)據(jù)和模型參數(shù)很多，數(shù)據(jù)量龐大，導(dǎo)致內(nèi)存帶寬成為了整個(gè)系統(tǒng)的一個(gè)瓶頸，“Memory?Wall”也是需要優(yōu)化和突破的主要問題。?

在軟件開發(fā)方面，除了芯片本身硬件的設(shè)計(jì)以外，軟件對(duì)于AI芯片性能的發(fā)揮也有著十分重要的作用，編譯器和工具鏈軟件的優(yōu)化能力、易用性現(xiàn)在也得到越來越多的重視。

在筆者看來，英偉達(dá)圍繞其開發(fā)的?CUDA架構(gòu)(統(tǒng)一計(jì)算設(shè)備架構(gòu))構(gòu)建了一個(gè)強(qiáng)大的生態(tài)系統(tǒng)，包括龐大的開發(fā)者社區(qū)、第三方軟件和硬件供應(yīng)商以及學(xué)術(shù)機(jī)構(gòu)。

可以說，英偉達(dá)擁有極其豐富的軟件系統(tǒng)和生態(tài)，即便有其他芯片公司想要兼容英偉達(dá)的架構(gòu)，但底層芯片架構(gòu)不同，從底層硬件到應(yīng)用層，中間有很多層，每一層的優(yōu)化都會(huì)極大影響效率，所以換一個(gè)芯片，軟件的運(yùn)行效率還是會(huì)下降。

寫在最后

他強(qiáng)任他強(qiáng)，清風(fēng)拂山崗。AI芯片領(lǐng)域從來不缺強(qiáng)者，在面對(duì)屬于藍(lán)海市場(chǎng)的AI芯片領(lǐng)域，越來越多的企業(yè)開始走向自研之路，用長(zhǎng)期研發(fā)投入，來?yè)Q取高昂的使用成本。當(dāng)越來越多的企業(yè)意識(shí)到自研的重要性之后，AI芯片領(lǐng)域的百家爭(zhēng)鳴將開啟，這將為行業(yè)帶來更具性價(jià)比的產(chǎn)品，推動(dòng)AI算力的發(fā)展。