·「科技巨頭的容錯能力強，每一次科技領域的革命並不源於大公司犯錯，而是源於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。在芯片領域，也許未來會出現適用於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。」
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， 科技巨頭英偉達憑藉其gpu在人工智能芯片市場一家獨大，佔據約80%的份額。
當地時間2024年3月19日，美國加州聖何塞，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（英偉達於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。最新版本芯片有助於驅動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。英特爾用於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%。
谷歌專用於訓練生成式ai大模型的下一代加速器tpu v5p也通過谷歌雲服務上線。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，是適用於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芯片的推理性能優於英偉達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，並且結合自己對業務線的理解，能夠定義出效率更高的產品。」耀途資本執行董事於光日前對澎湃科技（www.thepaper.cn）評價說。至於英偉達的追趕者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芯片方面也一直落後於英偉達。
英特爾2019年以來一直在製造gaudi芯片，去年12月在「ai無處不在」（ai everywhere）發佈會上發佈了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，隨着英偉達和amd等公司的芯片在ai行業發揮越來越重要的作用，英特爾有被甩在後面的危險。
「英偉達的技術、產品和業務處於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。
於光表示，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。最後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芯片這麼大的市場，大到誇張。」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，第一家佔80%市場份額，第二家佔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，但實際上只相當於大約1萬塊h100。「很多公司發現，一年買10萬張英偉達的加速卡，成本一點也不划算，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製造商，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並不源於大公司犯錯，而是源於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於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。
但於光認為，在國外的芯片創新生態里，創業公司很難顛覆芯片巨頭。不同於大模型的快速迭代，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，然後迭代出前面幾代產品，最後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芯片後「剎不住車」，開發的芯片「一代更比一代強」，性能遙遙領先。「現在相當於在直道上開賽車，芯片生產技術和集群技術沒有達到物理瓶頸之前，沿着這條路往前面跑可以跑得很快，兩三代產品迭代以後會帶來非常大的差距。」但薛翔表示，這是正常現象，不需要過於擔憂。
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並沒有那麼高。所以用ai芯片做單卡大模型推理時，瓶頸主要在存儲。
於光表示，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定製芯片。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芯片不能僅僅盯着算力性能，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麼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（英偉達開發並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。於光表示。
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，「那麼大的模型運行一次很貴，並不符合商業邏輯。」反觀當下，「有一個概念叫ai infra（人工智能基礎設施），基於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，不用堆那麼多參數，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，中國大部分模型基於低計算效率的開源模型進行微調或重訓練，大部分模型類似於meta的llama2模型。這是一個基於transformer架構的大語言模型，從第一性原理角度看，transformer複雜度過高，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於計算複雜度。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。
