科技云報(bào)道原創(chuàng)。

英偉達(dá)是當(dāng)之無(wú)愧的“AI算力王者”，A100、H100系列芯片占據(jù)金字塔頂尖位置，是ChatGPT這樣的大型語(yǔ)言模型背后的動(dòng)力來(lái)源。

但面對(duì)英偉達(dá)的獨(dú)霸天下，科技巨頭們都紛紛下場(chǎng)自研AI芯片。

10月6日，媒體援引知情人士消息稱，微軟計(jì)劃在下個(gè)月的年度開(kāi)發(fā)者大會(huì)上推出首款為人工智能設(shè)計(jì)的芯片，來(lái)降低成本并減少對(duì)英偉達(dá)的依賴。

同一天，據(jù)媒體消息顯示，ChatGPT開(kāi)發(fā)商O(píng)penAI也正在探索AI芯片的可能性，并已評(píng)估潛在的收購(gòu)目標(biāo)，以加速自研芯片的研發(fā)。

事實(shí)上，不僅是微軟、OpenAI試圖自研AI芯片，AWS、谷歌、Meta等科技巨頭都已下場(chǎng)自研。

在醞釀數(shù)年后，這是否意味著英偉達(dá)的獨(dú)霸時(shí)代即將結(jié)束？

巨頭紛紛自研AI芯片

目前，包括谷歌、AWS、阿里巴巴、百度、華為等國(guó)內(nèi)外云服務(wù)大廠都已有自研 AI 芯片用于數(shù)據(jù)中心，微軟和Meta也有相關(guān)計(jì)劃。所以對(duì)于頭部的AI技術(shù)大廠來(lái)說(shuō)，自研AI芯片已經(jīng)是一大趨勢(shì)。

微軟早就自研芯片

作為全球頭部云廠商，微軟Azure需要大量AI處理器。尤其是和OpenAI合作以后，有消息稱微軟至少訂購(gòu)了數(shù)十萬(wàn)顆英偉達(dá)芯片。

因此，這幾年微軟在芯片研發(fā)上加快了進(jìn)程，先是建立由前英特爾高管Rani Borkar領(lǐng)導(dǎo)的芯片部門(mén)；后又各處招兵買(mǎi)馬，其中就包括前蘋(píng)果芯片架構(gòu)師Filippo；此外還和AMD展開(kāi)了密切合作。

自2019年以來(lái)，微軟就開(kāi)始研發(fā)一款名為"雅典娜"（Athena）的定制AI芯片，用于為大型語(yǔ)言模型提供動(dòng)力，目前已在測(cè)試階段。

Athena的首個(gè)目標(biāo)是為OpenAI提供算力引擎，以替代昂貴的英偉達(dá)A100/H100。如果明年大規(guī)模推出，Athena將允許微軟內(nèi)部和OpenAI的團(tuán)隊(duì)同時(shí)訓(xùn)練和推理模型。

SemiAnalysis的分析師迪倫·帕特爾（Dylan Patel）表示，開(kāi)發(fā)類似于雅典娜的芯片可能每年需要花費(fèi)1億美元左右，ChatGPT每天的運(yùn)營(yíng)成本約70萬(wàn)美元，大部分成本來(lái)源于昂貴的服務(wù)器，如果雅典娜芯片與英偉達(dá)的產(chǎn)品擁有同等競(jìng)爭(zhēng)力，每個(gè)芯片的成本將可以降低三分之一。

有知情人爆料，微軟在芯片研發(fā)上已砸入了近20億美元。

OpenAI計(jì)劃收購(gòu)

據(jù)媒體消息稱，OpenAI也正在探索制造自研人工智能芯片，并已開(kāi)始評(píng)估潛在的收購(gòu)目標(biāo)。

報(bào)道稱，至少?gòu)娜ツ觊_(kāi)始，OpenAI就已討論各種方案，以解決AI芯片短缺問(wèn)題。

OpenAI已將獲取更多AI芯片列為公司首要任務(wù)，討論方案包括自研AI芯片，與包括英偉達(dá)在內(nèi)的其他芯片制造商更密切地合作，以及在英偉達(dá)之外實(shí)現(xiàn)供應(yīng)商多元化。

谷歌最早自研TPU芯片

早在2013年，谷歌就已秘密研發(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，以取代英偉達(dá)的GPU。

2016年5月，這款自研芯片公諸于世，即TPU。TPU可以為深度學(xué)習(xí)模型執(zhí)行大規(guī)模矩陣運(yùn)算，例如用于自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)和推薦系統(tǒng)的模型，其最初專為谷歌的超級(jí)業(yè)務(wù)云計(jì)算數(shù)據(jù)中心而生。

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。

AWS推出訓(xùn)練和推理芯片

從2013年推出首顆Nitro1芯片至今，AWS是最先涉足自研芯片的云廠商，已擁有網(wǎng)絡(luò)芯片、服務(wù)器芯片、人工智能機(jī)器學(xué)習(xí)自研芯片3條產(chǎn)品線。

2018年初，科技媒體Information爆料亞馬遜已經(jīng)開(kāi)始設(shè)計(jì)定制AI芯片。

AWS自研AI芯片版圖包括推理芯片Inferentia和訓(xùn)練芯片Trainium。2018年底，AWS推出自研AI推理芯片Inferentia，可以以低成本在云端運(yùn)行圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、個(gè)性化和欺詐檢測(cè)等大規(guī)模機(jī)器學(xué)習(xí)推理應(yīng)用程序。

2020年底，AWS推出專用于訓(xùn)練機(jī)器學(xué)習(xí)模型的Trainium。

2023年初，專為人工智能打造的Inferentia 2發(fā)布。Inf2實(shí)例最多可支持1750億個(gè)參數(shù)，這使其成為大規(guī)模模型推理的有力競(jìng)爭(zhēng)者。

在AWS、微軟和谷歌這三家中，亞馬遜是唯一一家在服務(wù)器中提供兩種類型芯片（標(biāo)準(zhǔn)計(jì)算芯片和用于訓(xùn)練與運(yùn)行機(jī)器學(xué)習(xí)模型的專用芯片）的云提供商，其在2015年收購(gòu)以色列芯片設(shè)計(jì)公司Annapurna Labs為這些努力奠定了基礎(chǔ)。

Meta基于RISC-V開(kāi)源架構(gòu)自研

直到2022年，Meta Platforms還主要使用CPU和專為加速AI算法而設(shè)計(jì)的定制芯片組合來(lái)運(yùn)行其AI工作負(fù)載。

后來(lái)，Meta取消了于2022年大規(guī)模推出定制芯片的計(jì)劃，轉(zhuǎn)而訂購(gòu)了價(jià)值數(shù)十億美元的英偉達(dá)GPU。

如今為了扭轉(zhuǎn)局面，Meta已經(jīng)在開(kāi)發(fā)內(nèi)部芯片，并于5月19日公布了AI訓(xùn)練與推理芯片項(xiàng)目。

據(jù)介紹，MTIA芯片的功耗僅為25瓦，占英偉達(dá)等市場(chǎng)領(lǐng)先供應(yīng)商芯片功耗的一小部分，并使用了RISC-V（第五代精簡(jiǎn)指令處理器）開(kāi)源架構(gòu)。

值得注意的是，Meta于5月初收購(gòu)了英國(guó)AI芯片獨(dú)角獸Graphcore的AI網(wǎng)絡(luò)技術(shù)團(tuán)隊(duì)，為其自研AI芯片奠定了基礎(chǔ)。

英偉達(dá)能否被撼動(dòng)？

埃森哲公司報(bào)告指出，如今技術(shù)行業(yè)的AI滲透度明顯高出其他行業(yè)，而未來(lái)企業(yè)的成長(zhǎng)潛力取決于其能在多大程度上應(yīng)用生成式AI。更關(guān)鍵的是，熟練運(yùn)用新技術(shù)也將成為國(guó)家發(fā)展的關(guān)鍵。

如今，AI技術(shù)在數(shù)據(jù)中心、智能汽車(chē)、游戲等的應(yīng)用落地方面取得了豐碩的成果，要實(shí)現(xiàn)AI大規(guī)模應(yīng)用，背后必定要有大量AI芯片的算力支持。

數(shù)據(jù)顯示，英偉達(dá)的GPU是全球應(yīng)用最為廣泛的 AI 芯片。

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%。2020年，全世界跑AI的云計(jì)算與數(shù)據(jù)中心，80.6%都由英偉達(dá)GPU驅(qū)動(dòng)。2021年，英偉達(dá)表示，全球前500個(gè)超算中，大約七成是由英偉達(dá)芯片驅(qū)動(dòng)的。

顯而易見(jiàn)，英偉達(dá)已經(jīng)壟斷了全球算力。

隨著AWS、谷歌、微軟等巨頭加入自研AI芯片的道路，英偉達(dá)的壟斷地位是否能被撼動(dòng)呢？

首先，芯片設(shè)計(jì)技術(shù)非常復(fù)雜。

高算力芯片的首要挑戰(zhàn)就是其復(fù)雜度，從芯片設(shè)計(jì)角度，高性能計(jì)算芯片中的計(jì)算單元、存儲(chǔ)訪問(wèn)以及芯片間的互聯(lián)都是需要仔細(xì)考慮。

英偉達(dá)之所以引領(lǐng)GPU創(chuàng)新，源于其架構(gòu)底座不斷迭代，從2008年的Tesla架構(gòu)到2020年的Ampere架構(gòu)，每一次都是對(duì)硬件的升級(jí)與改進(jìn)。代際之間產(chǎn)品性能提升顯著，性能和市場(chǎng)份額均領(lǐng)先全球。

其次，不可一世的CUDA生態(tài)。

比造芯更難的是搭建生態(tài)，全球GPU生態(tài)都來(lái)自CUDA。

CUDA，是英偉達(dá)2006年推出的通用并行計(jì)算架構(gòu)生態(tài)，使GPU能夠解決復(fù)雜的計(jì)算問(wèn)題。

毋庸置疑，CUDA是迄今為止最發(fā)達(dá)、最廣泛的生態(tài)系統(tǒng)，也是深度學(xué)習(xí)庫(kù)最有力的支持。

雖然有PyTorch支持更多GPU廠商，再加上OpenAI的Triton攪局，但無(wú)法撼動(dòng)CUDA的統(tǒng)治地位。

隨著人工智能領(lǐng)域的蓬勃發(fā)展，GPU和CUDA被從業(yè)者視為標(biāo)配，使用GPU做加速計(jì)算已成為行業(yè)主流。雖然英偉達(dá)GPU本身硬件平臺(tái)的算力卓越，但其強(qiáng)大的CUDA軟件生態(tài)才是推升GPU計(jì)算生態(tài)普及的關(guān)鍵力量。

當(dāng)前CUDA 廣泛功能已與英偉達(dá)GPU硬件深度耦合，開(kāi)發(fā)者早已熟悉其專有的編程語(yǔ)言CUDA，用于制作GPU驅(qū)動(dòng)的應(yīng)用程序。

如果換到其他廠商的定制芯片，就需要學(xué)習(xí)全新的軟件語(yǔ)言了，如何說(shuō)服開(kāi)發(fā)者使用這些AI芯片呢？

最后，芯片的具體生產(chǎn)也是一個(gè)挑戰(zhàn)。

如何確保芯片生產(chǎn)的良率，以及如何在高級(jí)封裝和先進(jìn)工藝節(jié)點(diǎn)產(chǎn)能仍然有可能緊張的幾年內(nèi)，獲得足夠的產(chǎn)能以量產(chǎn)，也是各大巨頭需要解決的問(wèn)題。

總體而言，想要撼動(dòng)英偉達(dá)的壟斷地位，并不是一朝一夕的事。各大科技巨頭要想在AI算力芯片上突圍，就必須在底座、專利、核心技術(shù)、人才建設(shè)、生態(tài)建設(shè)等各方面下大功夫。

【關(guān)于科技云報(bào)道】

專注于原創(chuàng)的企業(yè)級(jí)內(nèi)容行家——科技云報(bào)道。成立于2015年，是前沿企業(yè)級(jí)IT領(lǐng)域Top10媒體。獲工信部權(quán)威認(rèn)可，可信云、全球云計(jì)算大會(huì)官方指定傳播媒體之一。深入原創(chuàng)報(bào)道云計(jì)算、大數(shù)據(jù)、人工智能、區(qū)塊鏈等領(lǐng)域。

審核編輯 黃宇