電子發(fā)燒友網(wǎng)報(bào)道（文/周凱揚(yáng)）AI大模型似乎陷入了一個(gè)怪圈，盡管對于深度學(xué)習(xí)、數(shù)據(jù)優(yōu)化和爆款應(yīng)用的研究從來沒有終止，但大多數(shù)人開口問的第一句話就是，“你有卡嗎”？從行業(yè)對GPU的狂熱追求來看，未來繼續(xù)擴(kuò)展大模型的機(jī)會，似乎只會被大公司掌握在手中。

xAI拉攏戴爾和超微打造AI超算，馬斯克繼續(xù)買買買

xAI作為2023年3月才成立的一家初創(chuàng)公司，在構(gòu)建算力基礎(chǔ)設(shè)施的投入上卻一點(diǎn)也不含糊，不過這也多虧了背后的金主埃隆馬斯克。近日，戴爾CEO Michael Dell宣布他們正在打造一個(gè)由英偉達(dá)GPU驅(qū)動(dòng)的AI工廠，為xAI的Grok模型提供動(dòng)力。不過馬斯克隨即表示，戴爾只是其中一半服務(wù)器集群的供應(yīng)商，另外一半的超算系統(tǒng)則是由超微打造。

由此推測，這一AI工廠應(yīng)該就是馬斯克在月初提到的10萬塊H100液冷訓(xùn)練集群了，盡管有兩家供應(yīng)商同時(shí)為xAI打造服務(wù)器，但市面上的GPU需求依然維持在高位，還需要幾個(gè)月這一集群才會正式上線，用于Grok的下一代大模型迭代。

H100這張2023年發(fā)布的GPU可以說是目前全球大模型算力供應(yīng)的主力，無論是OpenAI還是xAI，其最新模型都是基于該GPU訓(xùn)練迭代的。H100無論是顯存容量、帶寬和算力性能都實(shí)現(xiàn)了一輪新的突破，甚至可以說H100帶動(dòng)了這一代AI大模型的發(fā)展，然而在GTC之后，馬斯克已經(jīng)開始眼饞最新的B200了。他認(rèn)為考慮到目前的技術(shù)演進(jìn)速度，實(shí)在不值得把1GW的電力供應(yīng)給H100。

為此xAI也已經(jīng)開始在規(guī)劃下一代系統(tǒng)，據(jù)馬斯克透露，該系統(tǒng)將由30萬塊B200 GPU組成，但上線時(shí)間需要等到明年夏天了。B200速度高達(dá)H100的4倍，更是可以輕松做到單機(jī)柜1exaflop的算力表現(xiàn)，更何況在能耗成本上，B200相比H100改善了20多倍，即便是大規(guī)模部署，也不會讓廠商面臨供電和碳足跡的雙重困擾。

盡管xAI的AI超算目標(biāo)已經(jīng)明確，但對于馬斯克旗下的另一家公司特斯拉而言，其技術(shù)路線依舊不算明朗。雖然特斯拉也開啟了新一輪的英偉達(dá)GPU采購潮，但其內(nèi)部也在繼續(xù)發(fā)展自研的Dojo超算。只不過近年來Dojo的情報(bào)越來越少，就連馬斯克自己也將其列入“遠(yuǎn)景計(jì)劃”之列。

OpenAI與微軟，“鯨級”超算已在全速運(yùn)轉(zhuǎn)中

相信不少人都還記得去年11月首度上榜TOP500的微軟超算Eagle，這臺空降第三的AI超算憑借14400個(gè)英偉達(dá)H100和561PFlop/s的算力，不僅讓Azure系統(tǒng)再次闖進(jìn)了前十，還拿下了當(dāng)下云端超算最高的排名。而當(dāng)時(shí)的Azure還未部署完成，雖然最新的排名中Eagle依然維持在第三的位置，但其核心數(shù)已經(jīng)近乎翻倍。

這臺超算為OpenAI的GPT-4訓(xùn)練和推理提供了極大的助力，但這遠(yuǎn)沒有達(dá)到微軟的財(cái)力極限。早在3月底，就有消息傳出微軟和OpenAI正在打造一個(gè)代號名為“星門”的AI超算，耗資高達(dá)1000億美元。微軟CTO Kevin Scott稱不少有關(guān)其超算計(jì)劃的推測簡直錯(cuò)得可笑，但也指出他們確實(shí)會為這一計(jì)劃付出不少努力和成本。

在上個(gè)月舉辦的Microsoft Build中，Kevin Scott公開透露了他們未來的超算擴(kuò)展計(jì)劃。2020年，微軟為OpenAI打造了第一臺AI超算，正是因?yàn)檫@臺機(jī)器才孕育了GPT-3。而他們構(gòu)建的下一個(gè)系統(tǒng)，也就是Eagle，則用于訓(xùn)練GPT-4。Kevin Scott選擇了用海洋生物來描述這些超算的規(guī)模，比如首臺超算可以用鯊魚來描述，Eagle則是虎鯨，而他們的下一臺超算規(guī)模則可以比擬藍(lán)鯨。

Kevin Scott更是強(qiáng)調(diào)，別看現(xiàn)在Eagle可以排到第三名的位置，從現(xiàn)在開始微軟每個(gè)月都會部署五臺同樣規(guī)模的超算，也就是說每月都有至少搭載72000個(gè)H100 GPU或同等規(guī)模系統(tǒng)投入應(yīng)用，每月帶來2.8exaflops的算力增長。同時(shí)，他們用來連接GPU的高速和InfiniBand線纜可以繞地球至少五周，也就是說長度在20萬公里以上總線纜長度。

很明顯，作為已經(jīng)憑借OpenAI獲得成功的微軟來說，接下來需要贏下的就是這場Scaling之戰(zhàn)。

TPU和GPU并用，谷歌的Hypercomputer

盡管不少巨頭都在考慮如何自研芯片來降低購置海量GPU帶來的成本，但真的成功將其用于大模型的訓(xùn)練中去的，已經(jīng)迭代至第六代的谷歌TPU，恰好就為谷歌解決了這個(gè)問題。TPU作為谷歌和博通聯(lián)合設(shè)計(jì)了幾代的產(chǎn)品，在谷歌自己推出的各種新模型訓(xùn)練與推理中，重要性已經(jīng)等同于英偉達(dá)的GPU了。

谷歌本身作為在AI算法和大模型上耕耘了諸多時(shí)間的巨頭，從設(shè)計(jì)芯片之初就知道他們需要何種計(jì)算資源，正因如此，TPU幾乎將所有的面積都分給了低精度的張量計(jì)算單元。這種ASIC方案也讓谷歌大幅降低了打造AI Hypercomputer的成本。

但谷歌作為云服務(wù)廠商巨頭還是逃不開通用性的問題，谷歌的TPU更多是為Gemini的模型做了優(yōu)化，盡管TPU支持PyTorch、Tensorflow等常見AI模型，但在追求極致性能的選擇上，還是難以媲美GPU。正因如此，在谷歌和其他大模型開發(fā)者的眼中，TPU固然性能不弱，但更像是一個(gè)性價(jià)比之選。用于已經(jīng)成功商業(yè)化模型的降本增效屬于不錯(cuò)的選擇，但如果想要在這個(gè)競爭激烈的大模型市場殺出重圍，那就只有谷歌能將TPU物盡其用。

在不少AI芯片廠商的宣傳中，為了抬高自己的專用產(chǎn)品定位，將英偉達(dá)的GPU還是定性為圖形處理單元?？稍贖100這種規(guī)模的GPU上，無論是性能和能效，也毫不輸某些專用開發(fā)環(huán)境下的ASIC，至于未來更復(fù)雜的圖形處理，英偉達(dá)也推出了L4 GPU這樣的對應(yīng)方案。

在今年GTC上，谷歌的云服務(wù)部門也宣布和英偉達(dá)達(dá)成深度合作關(guān)系，通過英偉達(dá)的H100和L4 GPU支持使用其云服務(wù)的AI開發(fā)者。同時(shí)谷歌也將購置GB200 NVL72系統(tǒng)，基于谷歌云的A3實(shí)例為開發(fā)者提供DGX Cloud的云端LLM托管方案，這也是對現(xiàn)有H100機(jī)器的升級。除此之外，就連谷歌自己的JAX框架，也在雙方的合作之下，在英偉達(dá)的GPU上得到了支持。可以看出，谷歌還是采取兩手抓的策略，TPU和GPU一并重要。

全力追逐Scaling Laws的大廠們

對于AI大模型而言，模型大小、數(shù)據(jù)集大小和計(jì)算成本之間不僅組成了三元關(guān)系，也代表了模型性能。而Scaling Laws這一擴(kuò)展法則定義了三者之間勢必會存在某種比例擴(kuò)展，只不過如今看來，其邊際效應(yīng)已經(jīng)變得越來越大。以GPT為例，如果GPT-6繼續(xù)按照這樣的比例擴(kuò)展下去，且不說性能提升有限，即便微軟這樣的商業(yè)巨頭也很難撐起成本的劇增。

可就是這樣微不可察的差距，甚至對于AI大模型的常見應(yīng)用聊天機(jī)器人來說只是速度和精度上的一些差距，卻決定了他們在之后的十幾年里能否繼續(xù)制霸下去。微軟作為已經(jīng)在操作系統(tǒng)上實(shí)現(xiàn)霸權(quán)地位的廠商，自然也明白先入為主的重要性。

在邊際效應(yīng)的影響下，即便后入局的巨頭，也有不少迎頭趕上的機(jī)會，比如近期傳出正在秘密研發(fā)Metis聊天機(jī)器人的亞馬遜。亞馬遜同樣擁有自研服務(wù)器芯片的技術(shù)積累，但主要優(yōu)勢還是在CPU上，AI加速器相關(guān)的產(chǎn)品（Inferentia和Trainium）依舊有比較大的改進(jìn)空間，而且與亞馬遜自己的業(yè)務(wù)還沒有緊密結(jié)合起來。如果亞馬遜愿意去打造這樣一個(gè)聊天機(jī)器人應(yīng)用，很有可能后續(xù)也會加強(qiáng)在GPU上的投入，而不再緊緊作為云托管方案。