在人工智能浪潮里掘金的“鏟子”成了硬通貨。
GPU（圖形處理器）是發展人工智能的關鍵芯片， 科技巨頭英偉達憑借其GPU在人工智能芯片市場一家獨大，占據約80%的份額。
當地時間2024年3月19日，美國加州圣何塞，英偉達2024 GTC AI大會舉行，正式推出名為Blackwell的新一代AI圖形處理器（GPU）。視覺中國 資料圖
AI芯片價格高昂，依然稀缺，Meta、谷歌、超威半導體（AMD）、英特爾、微軟等科技巨頭紛紛挑戰英偉達的市場統治，推出對標產品。芯片大戰愈演愈烈，誰是潛在顛覆者？
芯片大戰愈演愈烈
H100芯片（英偉達于2022年公布的一款GPU芯片）供不應求，雖然英偉達今年3月又推出了H100的繼任者——新一代人工智能芯片B200。但大大小小的企業都在尋求替代英偉達的GPU，試圖破解AI芯片市場的一家獨大的現狀。
當地時間4月10日，Meta公布新一代Meta訓練和推理加速器（MTIA）的計算和內存帶寬是上一代解決方案的2倍多。最新版本芯片有助于驅動Meta在Facebook和Instagram上的排名和推薦廣告模型。
就在前一天，英特爾也公布了人工智能芯片細節對抗英偉達。英特爾用于AI訓練和推理的Gaudi 3加速器預計可大幅縮短70億和130億參數Llama2模型以及1750億參數GPT-3模型的訓練時間。英特爾表示，Gaudi 3芯片比英偉達H100訓練特定大語言模型的速度快50%。
谷歌專用于訓練生成式AI大模型的下一代加速器TPU v5p也通過谷歌云服務上線。微軟首款人工智能芯片Maia 100預計今年上市。
去年12月，AMD推出了MI300人工智能加速器系列產品。其中MI300X擁有1530億個晶體管，是適用于人工智能計算的高級GPU，專為大語言模型訓練而設計，MI300A將圖形處理功能與標準中央處理器（CPU）相結合，面向人工智能和科學研究。AMD表示，其MI300人工智能加速器正成為其歷史上營收增長最快的產品，稱其MI300X芯片的推理性能優于英偉達H100。
“谷歌的TPU已經迭代到了第五代，展現出了非常強大的芯片開發能力，并且結合自己對業務線的理解，能夠定義出效率更高的產品。”耀途資本執行董事于光日前對澎湃科技（www.thepaper.cn）評價說。至于英偉達的追趕者AMD也是一個大玩家，AMD作為一個老牌的CPU和GPU廠商，過去在服務器CPU領域形成了追趕反超，如今發力AI芯片，是英偉達較為強勁的競爭對手之一。
也有科技投資人對澎湃科技表示，英特爾在AI芯片方面也一直落后于英偉達。
英特爾2019年以來一直在制造Gaudi芯片，去年12月在“AI無處不在”（AI Everywhere）發布會上發布了Gaudi3芯片。但羅森布拉特證券分析師漢斯·莫塞曼（Hans Mosesmann）表示，“除了英特爾，AI似乎無處不在。”英國投資服務機構AJ Bell投資總監拉斯·莫爾德（Russ Mould）則表示，隨著英偉達和AMD等公司的芯片在AI行業發揮越來越重要的作用，英特爾有被甩在后面的危險。
“英偉達的技術、產品和業務處于競爭最為激烈的領域，其特點是技術變革迅速和行業標準不斷發展。”深圳中歐基金投資有限公司（即“中歐資本”）董事長張俊對澎湃科技（www.thepaper.cn）表示，未來競爭將更加激烈，競爭來自現有競爭對手和新市場進入者。尤其是新進入者，也是潛在顛覆者。
與其等待大公司犯錯，不如創新
英偉達的AI芯片已經成為硬通貨。
于光表示，英偉達在AI芯片上的布局深厚，產品適配靈活。“上一波AI浪潮中，出現了各種創新架構的AI芯片玩家，試圖顛覆英偉達，但是都沒有取得很廣泛的成功。最后還是英偉達最先趕上了大模型這波機會。”從這一波浪潮來看，已經有很多玩家希望去做針對當前大模型更加優化的AI芯片，但要說顛覆，依然很難。目前來看，AI企業還無法擺脫英偉達這個角色，“基本上還得依賴英偉達的GPU芯片乃至整體解決方案。”
“從來沒有哪一個領域的芯片有今天AI芯片這么大的市場，大到夸張。”國產GPU行業資深人士薛翔告訴澎湃科技（www.thepaper.cn），“芯片行業有一個說法，一個領域的芯片，只能有兩家公司活得很好，第一家占80%市場份額，第二家占20%。”
過去，英特爾的CPU市場大，但單價低；而英偉達H100芯片單價超過了20萬元人民幣。特斯拉CEO馬斯克曾透露，特斯拉今年僅在英偉達AI芯片上就要花5億美元。這看似是一筆巨款，但實際上只相當于大約1萬塊H100。“很多公司發現，一年買10萬張英偉達的加速卡，成本一點也不劃算，不如養一個團隊自己研發。”薛翔說，這是一個商業選擇。
正如Meta斥資數十億美元購買英偉達和其他公司的人工智能芯片，面對不斷膨脹的算力需求，Meta走上自研之路，減少對英偉達的依賴，降低成本。ChatGPT之父、OpenAI首席執行官山姆·奧特曼也在拉攏中東投資者和芯片制造商，欲籌數十億美元建芯片公司，構建半導體工廠網絡。日本軟銀集團創始人兼首席執行官孫正義則計劃為AI芯片企業籌資1000億美元，與英偉達競爭。
科技巨頭的容錯能力強，每一次科技領域的革命并不源于大公司犯錯，而是源于一項新興技術的快速崛起。“老公司的退潮和新公司的崛起都是時代變化所致。”薛翔說，在芯片領域，也許未來會出現適用于大模型的更專用的芯片，而帶來這一革命的也許是一家沒有歷史包袱的新興公司。所以，與其等待大公司犯錯，不如自我創新。
但于光認為，在國外的芯片創新生態里，創業公司很難顛覆芯片巨頭。不同于大模型的快速迭代，AI芯片開發周期長，人力、物力投入大。“創業型AI芯片公司可以通過芯片架構的創新獲得融資，然后迭代出前面幾代產品，最后的路徑有可能還是被那些大廠收購，因為真正到工程量產和商業化階段，大廠更有優勢。”
開發AI芯片不能僅盯算力性能
以大模型為代表的人工智能技術突飛猛進，算力需求激增，升級芯片成為必然。薛翔表示，英偉達等國外科技大廠自A100芯片后“剎不住車”，開發的芯片“一代更比一代強”，性能遙遙領先。“現在相當于在直道上開賽車，芯片生產技術和集群技術沒有達到物理瓶頸之前，沿著這條路往前面跑可以跑得很快，兩三代產品迭代以后會帶來非常大的差距。”但薛翔表示，這是正常現象，不需要過于擔憂。
目前GPU的存儲性能和算力共同決定了大模型的推理速度。但薛翔表示，當前大模型的使用場景對模型生成速度要求并沒有那么高。所以用AI芯片做單卡大模型推理時，瓶頸主要在存儲。
于光表示，前幾年的AI浪潮中，谷歌、Meta等科技巨頭根據自身業務需求自研AI定制芯片。如今大模型帶來AI迅速變革，這些玩家如何將AI芯片適配當前的大模型算法是共同面對的話題。他同樣認為，開發AI芯片不能僅僅盯著算力性能，存儲和互聯是AI芯片需要解決的問題。
一方面，大模型參數多，需要大容量的存儲空間，目前看起來需要塞下這么大的模型必須要用到HBM（一款新型的CPU/GPU內存芯片）。另一方面，數據需要從HBM高速傳遞給GPU的計算die（沒有封裝的裸片）, GPU之間需要高速互聯例如NVLink（英偉達開發并推出的一種總線及其通信協議）和NVSwitch（英偉達的一種高速交換機技術）來實現高速通信，以及需要更上層的高速組網方式形成計算集群。于光表示。
再者，在薛翔看來，無限制堆參數和芯片更應該是一種科研行為而非應用行為，“那么大的模型運行一次很貴，并不符合商業邏輯。”反觀當下，“有一個概念叫AI Infra（人工智能基礎設施），基于現有大模型優化硬件和模型，目的是提高效率。”薛翔估計，“優化算力使用效率，優化模型結構，不用堆那么多參數，如果每一個方面都能節省20%，整體可以節省50%多的成本。”
深圳元始智能有限公司（即“RWKV元始智能”）首席運營官羅璇對澎湃科技（www.thepaper.cn）表示，中國大部分模型基于低計算效率的開源模型進行微調或重訓練，大部分模型類似于Meta的LLaMA2模型。這是一個基于Transformer架構的大語言模型，從第一性原理角度看，Transformer復雜度過高，算力需求大，未來多智能體、具身智能、世界模型的開發將受限于計算復雜度。這也導致大模型企業被英偉達的GPU“卡脖子”，另一方面英偉達芯片以10倍定價出售，“這是一個非常不正常的算力成本。”
Transformer架構和芯片卡住了大模型商業落地和前端研究，羅璇認為一定要找到新的架構，企業才能跑出PMF（產品市場匹配度）。另一方面，“一定不要買高溢價的算力，大部分的錢是被英偉達賺走的。我們認為接下來會有新的算力把成本打到現在的1/10甚至1%。”站在芯片使用者的角度，羅璇表示，目前國產算力還不夠便宜，如何把訓練和推理成本降下來，是國產芯片要解決的問題。
【來源：澎湃新聞】
