云端算力芯片為什么是科技石油？

自人類開采第一口油井開始，石油就深深融入進(jìn)了人類生活的方方面面。小到鍋碗瓢盆芯片，大到飛機(jī)火箭航母，沒有哪個(gè)環(huán)節(jié)離得開石油的參與。如果說石油是工業(yè)的血液，電力與網(wǎng)絡(luò)是信息時(shí)代社會(huì)的骨架，那么算力就是AI時(shí)代構(gòu)建萬物的基礎(chǔ)。

21世紀(jì)前后，人類逐漸從工業(yè)時(shí)代步入信息時(shí)代，當(dāng)下AI時(shí)代的大門又再度緩緩開啟。2023年以來，以ChatGPT為首的生成式AI逐漸滲透到了各行各業(yè)中，有人說，這或許又是一個(gè)iPhone時(shí)刻。AI起舞，算力搭臺(tái)，算力，或者說是算力芯片就是AI時(shí)代的石油、電力與網(wǎng)絡(luò)。

算力從哪來？如何理解算力？國產(chǎn)云端算力芯片如今怎么樣了。今天，與非網(wǎng)邀請到了多家企業(yè)的技術(shù)專家，共同探討AI時(shí)代下云端算力芯片發(fā)展的挑戰(zhàn)和機(jī)遇。

AI時(shí)代，算力有多重要

算力，其本質(zhì)就是計(jì)算能力，它可以反映芯片對(duì)信息數(shù)據(jù)的收集、處理與輸出能力。計(jì)算本質(zhì)上是一種抽象概念，加減乘數(shù)是計(jì)算，三角運(yùn)算是計(jì)算，積分與微分也是計(jì)算。在如今的計(jì)算機(jī)時(shí)代，每一種復(fù)雜的計(jì)算都可以拆分成多個(gè)簡單的計(jì)算，現(xiàn)在通常用每秒鐘計(jì)算的浮點(diǎn)運(yùn)算次數(shù)作為評(píng)價(jià)算力的指標(biāo)。每秒計(jì)算1次就是1FLOPS。不過算力這個(gè)概念并不是芯片獨(dú)有的，我們?nèi)祟惖拇竽X也無時(shí)無刻不在進(jìn)行著計(jì)算，從買菜購物到數(shù)學(xué)考試，從雞兔同籠到多元微分，計(jì)算貫穿了人類的一生。

放眼人類的發(fā)展歷史，人類對(duì)于計(jì)算的渴求就一直在進(jìn)步。石器時(shí)代人類就開始結(jié)繩計(jì)數(shù)，后來各類算籌、算盤等輔助計(jì)算技術(shù)誕生，讓人類擁有了更大規(guī)模的計(jì)算能力。如果這時(shí)算力能被計(jì)算出具體數(shù)值，那一根系滿繩結(jié)的繩子的算力會(huì)低于1FLOPS。

1946年，世界上第一臺(tái)計(jì)算機(jī)“埃尼阿克(ENIAC)”出現(xiàn)，讓人類的計(jì)算能進(jìn)一步提升，計(jì)算速度也進(jìn)一步提升，其計(jì)算速度達(dá)到到了300FLOPS，也就是每秒鐘可以進(jìn)行300次浮點(diǎn)運(yùn)算，遠(yuǎn)超當(dāng)時(shí)任何人類與機(jī)械計(jì)算器的計(jì)算速度。

緊接著人類便進(jìn)入到了集成電路大發(fā)展時(shí)代。1978年，英特爾推出了跨時(shí)代的8086芯片，它包含29000個(gè)晶體管，主頻達(dá)到4.77MHz，其算力也達(dá)到了700000 FLOPS以上。此后，集成電路產(chǎn)業(yè)飛速發(fā)展，至今已經(jīng)形成英特爾、AMD、英偉達(dá)三家爭霸，還有TI、ST、瑞薩等MCU大廠緊隨其后，不同廠商不同種類的芯片用途五花八門，但其證明芯片性能的關(guān)鍵參數(shù)仍是“算力”。

不過，算力一詞用到頻率最高的領(lǐng)域仍舊是GPU。GPU起初是用來專門處理圖像的硬件，相比CPU，GPU具有更多計(jì)算核心，也更擅長進(jìn)行并行計(jì)算。如今世界上單芯片算力頂峰是英偉達(dá)的Thor芯片，其算力已經(jīng)達(dá)到200TOPS。TOPS即tera operations per second，1TOPS代表該芯片可以每秒計(jì)算1×10¹² 次運(yùn)算。

AI時(shí)代，算力已經(jīng)不僅是一項(xiàng)描述芯片計(jì)算能力的參數(shù)，它更像是一種資源，和石油與電力一樣，成為信息時(shí)代不可或缺的重要一環(huán)。而算力之所以如此重要，在于它對(duì)于AI來說的必要性。

AI模型，本質(zhì)上是算力與算法的結(jié)合。模型的“大”與“小”，其實(shí)就是算法規(guī)模量的區(qū)別，模型輸出的精度也與訓(xùn)練AI的數(shù)據(jù)量呈正相關(guān)，然而計(jì)算機(jī)處理越大的數(shù)據(jù)量，它所需要的算力也呈指數(shù)上升。其原因是因?yàn)锳I算法可以理解為超大規(guī)模的矩陣運(yùn)算，矩陣的維度就是數(shù)據(jù)特征數(shù)量，也就是數(shù)據(jù)的參數(shù)量。矩陣維度越多，參數(shù)越多，模型越復(fù)雜，它輸出的數(shù)據(jù)準(zhǔn)確度越高，但所需求的算力也就越大。AI時(shí)代，算力已經(jīng)不僅是一項(xiàng)描述芯片計(jì)算能力的參數(shù)，它更像是一種資源，和石油與電力一樣，成為信息時(shí)代不可或缺的重要一環(huán)。AI時(shí)代，也可以說是算力時(shí)代。

算力芯片也可以分為云端與終端兩種。云端算力芯片通常負(fù)責(zé)訓(xùn)練和推理兩種場景，可在不要求延時(shí)與高網(wǎng)絡(luò)帶寬下運(yùn)行幾乎全流程的AI算法。終端算力芯片通常用于自動(dòng)駕駛、智能家居、智慧城市等AIOT場景中。通常來說，云算力芯片的難度更高，成本也更高，還需要用戶負(fù)擔(dān)額外的網(wǎng)絡(luò)通信費(fèi)用，那是不是云端就不重要了呢？

如果沒有云計(jì)算，企業(yè)在需要算力場景的時(shí)候就要搭建私有云，也就是自己的服務(wù)器。而為了應(yīng)對(duì)更加復(fù)雜的應(yīng)用，支撐更加穩(wěn)定的計(jì)算環(huán)境，企業(yè)就必須不停的升級(jí)采購新設(shè)備，例如服務(wù)器、存儲(chǔ)、帶寬等，還需要組建完整的運(yùn)維團(tuán)隊(duì)來保證這些設(shè)備的正常運(yùn)行。綜合計(jì)算下來，布置企業(yè)自身的算力中心花銷巨大。這對(duì)于中小微企業(yè)來說更是一筆難以承受的支出。

而云計(jì)算可以一勞永逸的解決上述問題，相當(dāng)于多個(gè)企業(yè)共享硬件設(shè)施，只有當(dāng)企業(yè)需要算力的時(shí)候才會(huì)購買，并不需要一直持有大量空閑算力。簡單來說，云計(jì)算就相當(dāng)于家庭用電，只有打開電燈，電表才會(huì)計(jì)數(shù)。

總的來說，云端+邊端能夠滿足AI時(shí)代下所有應(yīng)用場景的要求。如今AI大模型不斷涌現(xiàn)，同時(shí)滿足訓(xùn)練與推理，還具有性價(jià)比優(yōu)勢的云算力芯片已經(jīng)成為AI大亂斗背景下的必爭之地。但在高需求刺激之下，極速涌入云端算力芯片的資本還面臨著更加嚴(yán)峻的問題，高門檻。

挑戰(zhàn)與變局

過去，云端算力芯片僅受到部分企業(yè)關(guān)注。普通人對(duì)于它的理解往往僅限于大型服務(wù)器，云計(jì)算，神威太湖之光等名詞上。2023年以來，ChatGPT的橫空出世讓普通人對(duì)AI的了解更進(jìn)一步。AI大模型爆火后，給全球AI芯片市場帶來了哪些影響？

摩爾線程專家認(rèn)為，大模型的火熱對(duì)芯片市場的影響，最直接的就是對(duì)算力基礎(chǔ)設(shè)施的需求猛增，GPU作為大模型背后的關(guān)鍵算力基礎(chǔ)設(shè)施，尤其受到追捧。與此同時(shí)，大模型全新的算法方式對(duì)傳統(tǒng)的芯片架構(gòu)提出了挑戰(zhàn)。

那，挑戰(zhàn)是什么呢？

隨著OpenAI的一聲炮響，全世界都被轟開了AI世界的大門。不過大規(guī)模計(jì)算所需要的高算力芯片挑戰(zhàn)頗多。摩爾線程專家認(rèn)為挑戰(zhàn)主要來自芯片的通用性、功耗墻與顯存墻上。

奇異摩爾聯(lián)合創(chuàng)始人兼產(chǎn)品及解決方案副總裁祝俊東認(rèn)為，目前云端算力芯片還面對(duì)著五大挑戰(zhàn)：架構(gòu)、系統(tǒng)、場景、互聯(lián)以及快速迭代。記者綜合分析得出：

從架構(gòu)上來說，運(yùn)算算力芯片對(duì)算力提升的需求與日俱增，但目前傳統(tǒng)SoC提升單芯片面積已經(jīng)達(dá)到瓶頸，摩爾定律極限在時(shí)刻限制芯片發(fā)展，內(nèi)存墻的限制也使得傳統(tǒng)架構(gòu)芯片難以提升，更讓芯片在散熱、功耗等方面處處掣肘。因此需要異構(gòu)計(jì)算架構(gòu)來尋求芯片新的突破，其中就包括繞開摩爾定律的more than more——異構(gòu)計(jì)算。

從系統(tǒng)角度來看，隨著大模型的廣泛運(yùn)用，模型參數(shù)與規(guī)模都呈現(xiàn)指數(shù)級(jí)增長，因此需要更大規(guī)模的整合計(jì)算系統(tǒng)來應(yīng)對(duì)大模型訓(xùn)練和計(jì)算的需求。換句話說，盡管芯片算力不斷增長，但仍舊需要軟件端配合才能更好的發(fā)揮硬件性能。畢竟兵器是否趁手得看使用者的功力高低。

從應(yīng)用場景來看，隨著ChatGPT爆火，AICG賽道上涌現(xiàn)了越來越多的玩家，未來AI領(lǐng)域還將出現(xiàn)更多應(yīng)用場景，這也意味著還會(huì)有新賽道出現(xiàn)。因此，作為“AI起舞的舞臺(tái)”，運(yùn)算算力芯片需要具備一定的通用性，也要有能力應(yīng)對(duì)當(dāng)今乃至未來日益多元化的專用計(jì)算場景。

從互聯(lián)來看，云端算力芯片需要高帶寬配合傳輸數(shù)據(jù)。未來大模型大算力應(yīng)用涌現(xiàn)，云與端之間的快速交互，也將對(duì)帶寬和延時(shí)提出更高要求。

最后，AICG與算力芯片市場還處于快速變化階段，競爭者不斷入行，藍(lán)?？赡芤灰怪g就變成紅海。因此企業(yè)必須快速迭代產(chǎn)品，尤其在云端算力芯片上，需要不斷調(diào)整產(chǎn)品策略來迎合未來產(chǎn)品的新需求，同時(shí)還要縮短TTM乃至量產(chǎn)時(shí)間。

總的來說云端算力芯片目前挑戰(zhàn)頗多，無論是從技術(shù)角度還是市場角度，國內(nèi)涌現(xiàn)的諸多AICG與算力芯片玩家都需要更多的突破。更重要的一點(diǎn)是，目前全球算力芯片絕大部分市場都在英偉達(dá)手中，國產(chǎn)算力芯片在市場上仍舊處于弱勢。但在新興市場中，有著強(qiáng)力GPU先發(fā)優(yōu)勢的英偉達(dá)面對(duì)的問題是什么呢？

除了AICG之外，目前自動(dòng)駕駛技術(shù)同樣發(fā)展迅速，值得關(guān)注，這也激發(fā)出了全新的算力芯片需求。自動(dòng)駕駛中，受限于延時(shí)與傳輸，對(duì)于雷達(dá)與攝像頭信號(hào)處理屬于邊或終端計(jì)算。但云計(jì)算對(duì)自動(dòng)駕駛算法與系統(tǒng)的支持仍舊重要，云與端的結(jié)合成為更多汽車廠商的選擇，但新的挑戰(zhàn)也如期而至。英偉達(dá)技術(shù)專家在自動(dòng)駕駛上的云端結(jié)合的挑戰(zhàn)上指出，云在用于自動(dòng)駕駛汽車的人工智能軟件的開發(fā)中發(fā)揮著重要作用。數(shù)據(jù)被收集、整理、攝取、標(biāo)記并用于訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，從計(jì)算角度來看是一項(xiàng)艱巨的任務(wù)。這是一個(gè)增強(qiáng)人工智能模型的迭代過程。創(chuàng)建模型后，將使用模擬在云中對(duì)其進(jìn)行測試和驗(yàn)證。

英偉達(dá)的專家表示，自動(dòng)駕駛汽車運(yùn)行時(shí)，不需要連接到云，但這是一個(gè)額外的好處，可以從交通、基礎(chǔ)設(shè)施和天氣等各種來源獲取信息，以實(shí)現(xiàn)安全駕駛操作。但自動(dòng)駕駛汽車必須完全保持自主性，因此駕駛決策必須在車上做出，而不是在云端做出。連接到云的軟件定義汽車還為汽車制造商提供了新的商業(yè)模式和訂閱服務(wù)機(jī)會(huì)，同時(shí)為消費(fèi)者帶來價(jià)值。過去，汽車在購買時(shí)處于最佳狀態(tài)，但隨后就會(huì)貶值。對(duì)于軟件定義的汽車來說，它處于最基本的銷售水平，隨著時(shí)間的推移，通過基于云，也就是云端算力芯片支持下的的軟件更新，它會(huì)變得更好、更安全。

在挑戰(zhàn)中育新機(jī)，于變局中開新局

AI“躁動(dòng)”的這幾年，也讓下游應(yīng)用場景百花齊放，這其中，AI與國產(chǎn)電動(dòng)汽車全面崛起，讓AI駕駛，也就是自動(dòng)駕駛技術(shù)成為資本寵兒。

針對(duì)自動(dòng)駕駛領(lǐng)域的云端算力芯片機(jī)遇，?？|認(rèn)為，受自動(dòng)駕駛技術(shù)的快速發(fā)展驅(qū)動(dòng)，大算力AI芯片正在汽車領(lǐng)域迎來廣闊的機(jī)遇和前景。通過高效的計(jì)算和深度學(xué)習(xí)算法，大算力AI芯片可以提供更精準(zhǔn)和可靠的駕駛決策，提升行車安全性和駕駛體驗(yàn)。而在云和端的結(jié)合中，最大的難點(diǎn)在于自動(dòng)駕駛技術(shù)對(duì)實(shí)時(shí)性和低延遲要求非常高，將算力分布在云端和邊緣端之間會(huì)面臨數(shù)據(jù)傳輸和處理的挑戰(zhàn)。大量的傳感器數(shù)據(jù)和圖像到云端進(jìn)行處理可能會(huì)導(dǎo)致較高的網(wǎng)絡(luò)延遲和消耗大量的帶寬。

他認(rèn)為，異構(gòu)芯片可以將AI算力和邏輯算力集成在一起，在不同的計(jì)算場景中發(fā)揮不同的效用。這種集成能夠提供更高的計(jì)算性能和效率，滿足自動(dòng)駕駛技術(shù)對(duì)算力的需求。同時(shí)，異構(gòu)集成高帶寬、低延時(shí)的互聯(lián)特性，也能有效幫助自動(dòng)駕駛進(jìn)行云與端的交互，有效提升自動(dòng)駕駛系統(tǒng)的性能和效率。

跳出應(yīng)用，回頭看云端算力芯片本身。GPU或GPGPU是云端算力算力芯片或AI芯片的主流形態(tài)。不過也有人認(rèn)為目前的AI芯片是過渡形態(tài)，未來所有AI芯片還會(huì)向ASIC方向靠攏。這對(duì)這一觀點(diǎn)，摩爾線程專家認(rèn)為，目前AI算法還在快速迭代和變化，在這個(gè)過程沒有放緩或停止之前，GPU仍具有特別強(qiáng)的優(yōu)勢。對(duì)于云端算力芯片未來的看法，摩爾線程專家認(rèn)為，云端基礎(chǔ)設(shè)施需要具備對(duì)未來技術(shù)的兼容性，GPU仍是首選。未來的變化，在摩爾線程看來主要包括幾個(gè)方面：工藝制程向前推進(jìn)，算力、帶寬不斷上升；通過chiplet方案，進(jìn)一步提高芯片級(jí)別的計(jì)算密度和系統(tǒng)集成度3、云端AI芯片將不斷融合新算法所需的功能和加速模塊。

祝俊東認(rèn)為，在AI芯片領(lǐng)域，作為通用芯片和專用芯片的代表，GPU和ASIC各有優(yōu)勢。但是專用芯片與通用芯片永遠(yuǎn)都不是互相替代的關(guān)系，二者必須協(xié)同工作才能發(fā)揮出最大的價(jià)值。通過異構(gòu)計(jì)算架構(gòu)，可以把如GPU為代表的通用芯片與ASIC等專用芯片集合起來，兼顧通用性和專用性的雙重優(yōu)勢，提供更全面和高效的解決方案。異構(gòu)計(jì)算也有助于客戶根據(jù)AI任務(wù)的實(shí)際需求，調(diào)整通用芯片和專用芯片的比重，以滿足不斷變化的AI應(yīng)用領(lǐng)域的需求。

寫在最后

總的來說，云端算力芯片為AI時(shí)代的創(chuàng)新和應(yīng)用注入了無限活力，它已經(jīng)成為當(dāng)之無愧的“AI石油”。面臨挑戰(zhàn)與機(jī)遇，云端算力芯片未來還會(huì)不斷突破創(chuàng)新，驅(qū)動(dòng)著智能化世界的前行。

在追逐智能化的道路上，云端算力芯片扮演著不可或缺的角色。其強(qiáng)大的計(jì)算能力和無限的潛力，推動(dòng)著科技的創(chuàng)新和進(jìn)步。隨著技術(shù)的不斷發(fā)展，我們有理由相信云端算力芯片將繼續(xù)引領(lǐng)人工智能的未來，為我們帶來更加智能、高效的世界。

最后感謝摩爾線程、奇異摩爾以及英偉達(dá)三位專家接受采訪。