5752
寒武紀近日發(fā)布了2023年第一季度報告，顯示營收0.75億元，較上年同期增長19.52%，較上年同期虧損收窄11.26%。甚至在五一前夕，寒武紀總市值達到1034.48億元，這也是時隔兩年半多，寒武紀再破千億大關。
云端AI大爆發(fā)，國產芯片“水漲船高”
從寒武紀2022年年報來看，營業(yè)收入較上年同期增加798.93萬元，同比增長 1.11%。其中，云端收入大幅增長，云端產品線收入2.19億元，較上年同期增長173.52%。寒武紀公告稱，隨著云端產品線思元290、思元370系列產品在多家頭部企業(yè)完成產品導入，帶動了云端產品線業(yè)務收入大幅增長。
隨著以ChatGPT為代表的AIGC相關應用涌現，AI相關概念股也持續(xù)上漲。寒武紀作為國內AI算力芯片龍頭，也迎來了上市以來最大的風口。
從2月中下旬開始，ChatGPT逐漸引爆了訓練需求。某企業(yè)人士透露，其公司去年年末主要都是針對小模型訓練做的預算，約不到3000萬。但經過3月份對大模型應用需求的調研后，已經增加了9000萬預算。
市場需求之旺盛可見一斑。那么，寒武紀為此做好準備了嗎？
寒武紀云端產品線的產品形態(tài)主要包括云端智能芯片和加速卡、訓練整機及智能計算集群，而這基本是英偉達的領地。
圖：寒武紀主要產品線（來源：公司公告）
據了解，思元370芯片及加速卡目前與多家頭部互聯網企業(yè)在視覺、語音、圖文識別、自然語言處理等場景下完成了適配工作后，已經進入批量銷售環(huán)節(jié)，實現了收入突破。
對于大模型領域，寒武紀公告稱：與某互聯網企業(yè)進行了大模型訓練的初步合作，目前仍處于技術探索和測試階段。
大模型訓練國產替代，難在哪里？
3月中旬，有市場消息稱，百度“文心一言”將調用超大規(guī)模算力，并嘗試使用寒武紀思元590替代部分英偉達A100。
這一消息后來被寒武紀所辟謠。然而，根據所傳出的疑似百度內部的消息是：“除了英偉達A100和寒武紀思元590，其他性能差一點的替代品也考慮?！?/p>
據了解，思元590是寒武紀最新一代云端智能訓練芯片，該產品目前尚未正式發(fā)布。寒武紀董事長陳天石在一次大會中介紹，思元590采用MLUarch05全新架構，實測訓練性能較在售旗艦產品有大幅提升，能夠提供更大的內存容量和更高的內存帶寬，其I/O和片間互聯接口也較上代實現大幅升級。
雖然還未正式上市，但思元590已然被寄予厚望，甚至被認為“將是最早實現商業(yè)應用的接近英偉達A100性能的國產Al訓練芯片”。
寒武紀和百度雙方均未對合作細節(jié)做出正式回應，或許存有這樣的可能性：思元590在“文心一言”中可能小規(guī)模部署進行測試，比如用于推理應用中的小部分場景，進入大模型訓練中的可能性或許并不大。
其實，在性能達到要求的前提下，國產芯片所能實現的成本優(yōu)勢，以及從防止“斷供”、“卡脖子”的戰(zhàn)略意義層面來看，都有其發(fā)展空間和必要性所在。在與一位業(yè)內人士的對話中，問其：如果英偉達A100的庫存用完了，國內企業(yè)寧愿買“閹割版”的芯片，也不會買國產芯片嗎？對方答：“如果國產算力芯片整體性價比能夠達到英偉達的60%-70%，就有購買的意愿，可惜目前還達不到。”
對于大模型訓練所需的算力芯片，業(yè)內認為“只有英偉達的A100和A800能夠真正跑起來，國產GPU只能做小規(guī)模和中規(guī)模的訓練和推理?！?/p>
那么，國產芯片的差距主要在哪？
一位業(yè)內人士認為，在性能提升的基礎上，國產芯片的穩(wěn)定性還需要時間去打磨。以大模型訓練為例，通常進行一次訓練需要幾天甚至十幾天的時間，穩(wěn)定性必須足夠好。因為訓練過程中，需要保存模型參數，以便進行推理及中斷后再訓練使用。如果穩(wěn)定性不好，出現一兩個節(jié)點的宕機，或是個別計算節(jié)點失效，那么就要推翻重來，導致訓練時間延長。
而穩(wěn)定性取決于配套的軟件和工程能力。由于運行過程中，需要解決很多BUG，還需要軟硬件結合、冗余的機制等等，而這些都需要付出相應的時間和成本，也免不了商業(yè)應用中前期的投入和磨合。
此外，英偉達在云端AI訓練生態(tài)領域已布局多年，用戶遷移到國產芯片，需要付出一定的代碼工作量和移植成本，這也是國內芯片企業(yè)的最大瓶頸。
面對云端這個巨大的市場，英偉達方面也絲毫沒有松懈。即使面臨美國商務部以安全問題為由，禁止其向中國客戶出售A100和更先進的H100的情況下。針對禁令，英偉達面向中國市場先后推出了“合規(guī)版”的A800和H800，在關鍵參數方面（如：數據傳輸速率、所支持的內存帶寬）進行了一定下調，以符合出口管制要求。
據傳，在英偉達A100停售前，國內多家企業(yè)都進行了囤貨。且?guī)准翌^部互聯網企業(yè)都向英偉達下了1.5萬-1.6萬的A800和H800訂單，每家金額在十幾億美元左右，大約能保證在2024年有足夠的產能。
國產芯片是否有追趕的可能性？
一份來自阿伯丁大學、MIT等機構的研究，將算力演進劃分為三個階段：前深度學習時代、深度學習時代、大規(guī)模時代。該研究顯示，在過去12年間（2010-2022年），ML訓練算力增長了100億倍。2010 年之前，訓練所需的算力增長符合摩爾定律，大約每20個月翻一番。自2010年代初深度學習問世以來，訓練所需的算力快速增長，大約每6個月翻一番。而到了2015年末，隨著大規(guī)模ML模型的出現，訓練算力的需求提高了10到100倍，一種新的趨勢出現了。
根據OpenAI 近日的分析顯示，自 2012 年以來，AI訓練任務中使用的算力，目前每3.5個月翻一倍。
大模型的“大”體現在海量參數訓練，而這意味著需要極致算力。由于模型越大、參數越多，對算力的需求也更大。這無疑加劇了算力芯片的迭代速度。通常來講，算力芯片折舊時間最長不超過5年，一般為2-3年，在強力需求的推進下，這一市場競爭會更為激烈。
對于企業(yè)用戶來講，追求大算力、高性能的芯片無可厚非，迭代跟不上需求的產品只能從業(yè)務中剝離。特別是對于AI云端訓練這種高門檻的應用，注定難以百花齊放，而會成為寡頭壟斷的領域。對于國內芯片企業(yè)來說，既需要解決生態(tài)問題，又需要實現良好的性價比和穩(wěn)定性，才能讓企業(yè)有替代意愿。
那么，國產算力芯片還有追趕的可能性嗎？
一位業(yè)內人士認為，差距在一點點縮小，但是縮小的難度會越來越大。因為硬件迭代投入是巨大的，量產風險也很高，如果沒有雄厚的資金持續(xù)投入，實現追趕首先有一定的難度。其次，如果英偉達保持現有的產品發(fā)布節(jié)奏，對于國內廠商來講，差距可能會慢慢增大，特別是在相關禁令約束的情況下。
寫在最后
一顆芯片背后，不僅僅是一顆芯片，是長達數十年的平臺耕耘，包括軟硬件平臺、應用框架等等。
頂著“國產AI芯片第一股”頭銜上市的寒武紀，面向的是AI未來的星辰大海，以及國產替代的廣闊前景。但是，在云端這個極需自己“卷”自己的市場中，寒武紀正處于一場看似曙光在即、但仍遙遙無期的長跑中。
不僅是寒武紀，對于所有AI芯片廠商來說都是如此，只有擴大規(guī)模效應、提升營收高速增長，同時，提升項目落地交付速度、降低耗費成本，才有望打破這種“增收仍虧損”的死循環(huán)，實現真正的追趕甚至超越。
下載ECAD模型
