近日，ChatGPT火爆异常，一度被认为即将替代脑力工作，因为ChatGPT可以重塑一切数据，完成信息编写、内容创建、客户聊天、法律文件等。

为此，各大专家也预测了未来会被ChatGPT替代的多种工作，包括：律师、投资顾问、报税师、会计师、医疗诊断专家、客服、营销顾问、编剧、新闻工作者、程序员等。

没想到，程序员们努力打造的人工智能居然能够代替自己，果然是“上岸第一剑，先斩意中人”。

二级市场上，各类上市公司开始疯狂蹭热点，沾上AI就大涨，股价就像坐上了火箭，短短几个交易日大涨超过50％甚至翻倍。

但实际上，ChatGPT真的没有想象中的那样，随随便便就颠覆。ChatGPT归根结底还是AI（人工智能），而AI的基础就是算力，算力依靠的是芯片。

如果造不出顶级的AI芯片，就没有足够的算力提供给ChatGPT，自然也就没有所谓的颠覆了。

那么问题来了，我国的AI芯片如何呢？与英伟达差距有多少呢？

ChatGPT基础是AI芯片

AI芯片是一种专门处理人工智能计算、应用等任务的一种芯片，也被称为AI加速器或计算卡。

在架构方面来看，AI芯片主要分为：GPU （图形处理器）、FPGA （现场可编程门阵列）、ASIC（专用集成电路）。

那么这些AI芯片如何使用呢？是不是一口气全都堆上呢？当然不是！

在实际应用中，AI芯片又分为云端、边缘、终端三种应用场景。不同的场景根据实际情况搭配不同的AI芯片。

在云端，AI不仅要处理大量的数据，同时还要进行各种各样的AI服务，包括大量的AI训练和推理工作，对AI芯片的算力要求最高；

边缘就是云端与终端之间的连接网络，在此设立一些节点，用AI芯片承担部分算力，可以有效降低云端的压力，同时提高整个AI网络的效率；

终端就是我们的手机、电脑、汽车、家电、监控等设备，这里的AI芯片要嵌入设备内部，在终端采集数据，并完成数据处理，主要负责推断。

根据以上的内容，我们可以看出云端服务器方面通常使用GPU，利用其高性能高功耗的特点，可以批量处理密集型任务；在边缘端，FPGA更适合信号处理系统，各类接口；而我们的手机、电脑、汽车则需要更专用的集成电路。

但无论何种类型的AI芯片，它们都需要一个共同的特性，那就是“强大的算力”。

根据Open AI测算：自2012年以来，全球头部AI模型训练算力需求3-4个月翻一番，每年头部训练模型所需算力增长幅度高达10倍。

对于AI算力的快速需求，我们也可以从各类事件中感受到。

1、阿尔法狗大战李世石

2016年3月9日，阿尔法狗经过三个多小时鏖战，击败了围棋九段高手李世石。这是AI第一次展现出它惊人的实力。

当时的阿尔法狗用了1202个CPU、176个GPU，约有800多万核并行计算,同时还花费电费3千美元。而李世石大概需要两个馒头，一碟泡菜，一瓶矿泉水就可以了吧！

可见彼时的AI因为算力不足，只等堆加数量，同时能耗也非常高。

2017年，升级版的阿尔法狗击败了国际围棋大师柯洁，再次引发人们的关注。

2、百度无人驾驶汽车

2017年7月6日，百度召开AI开发者大会，百度总裁陆奇在介绍“Apollo”计划时，大屏幕出现了百度创始人、董事长李彦宏坐在无人驾驶汽车行驶在北京五环的画面。

从画面中可以看到，李彦宏坐在副驾驶位置，全程不碰方向盘，全部由AI操控。

李彦宏表示：“汽车行驶很平稳，感觉非常不错。”

据悉百度的无人驾驶汽车Apollo，采用了英特尔和英伟达两家公司的AI芯片。

自动驾驶汽车上路前需要超过100亿公里的测试，如果不采用AI芯片，而拥纯人工的话，需要100辆汽车7*24小时测试100年。而搭载了AI芯片后的Apollo一天就可以跑上百万公里。

3、ChatGPT的狂欢

人工智能实验室OpenAI研发的ChatGPT聊天机器人，能够进行普通聊天、信息咨询、撰写诗词作文、修改代码等，号称能够替代脑力工作者。

不少网友通过ChatGPT，“撰写”了玄幻类、科普类的文章，甚至论文；五花八门的提问也让ChatGPT应接不暇。

那么ChatGPT需要多少算力呢？

ChatGPT的总算力消耗约为3640PF-days，至少要7-8个投资30亿规模的数据中心才能支撑ChatGPT的运行。

光从模型训练算力具体来看，至少需要上万颗英伟达 GPU A100，以参数规模为1750亿的GPT-3为例，一次模型训练成本超过 1200 万美元。

从这三个事件中我们可以看出，AI芯片的算力需求正在快速的增长，并且已经逼近现有芯片算力的极限，这就倒逼芯片厂商快速的迭代升级。

那么，在众多芯片厂商中，谁能承担的起未来算力需求呢？

GPU领导者英伟达

在AI芯片领域，英伟达跑在了前面。

英伟达（NVIDIA）由美籍华人黄仁勋创建，总部位于加州圣克拉拉市，是一家设计显示芯片和主板芯片组为主的人工智能计算公司，也是GPU的发明者。

可以说，英伟达定义了GPU，推动了图形计算的快速发展，也推动了AI的快速发展。

1999年时，图形显示需求规模急速增加，CPU已经无法满足，此时，英伟达顺势推出了世界第一款GPU GeForce 256，成为CPU外最重要的逻辑芯片。

英伟达高速发展的十几年中，平均每半年就推出一款新品，每两年就更新一次架构，在AI、自动驾驶领域，就连英特尔、AMD也只能望其项背。

2010年，谷歌的AI训练采用了16000台英特尔CPU进行训练，后来英伟达为其提供了GPU，仅仅需要12个GPU就完成了这项工作。

2021年，云计算、自动驾驶、大型网游等对算力的快速需求，极大的刺激了英伟达打造更为先进的GPU H100。

英伟达H100采用了台积电5nm工艺，比上一代A100在制造工艺方面更为先进；

在晶体管数量方面，H100集成了800亿个晶体管，比A100（540亿）提升了48%，整体性能提升了6倍，算力提升3.2倍。

H100还可以加速动态规划，优化路径，在这种条件下，H100的算法将进一步提升7倍。

H100的在数据吞吐量上提升了30倍，同时可实现3TB/s 的显存带宽，以及5TB/s的互联网速度。

H100还可以把单个GPU分拆为7个，同时进行不同的运算任务，而且还可以将部分能力扩展7倍。

H100还是全球首个加密计算GPU，在提高性能的同时，有效的保护用户数据和隐私，非常适合应用在医疗、金融和云计算领域。

除了H100，英伟达最新研发的自动驾驶芯片Thor，号称业内最强，融合了CPU、AI加速架构和GPU，算力高达2000TOPS，是目前高通最新车载芯片8295（30TOPS）的66倍。

同时，英伟达正在开发新一代人工智能计算机——Eos，搭载了4600个H100 GPU，比世界上最快的超算还快1.4倍。很快，全球最快的计算机将与人们见面。

如今，英伟达在GPU领域市场份额高达70%，独立显卡领域市场份额更是高达86%。

作为全球领先的AI芯片研发公司，英伟达将在AI快速发展的浪潮中，赚得盆满钵满。而收入重新投入研发中，形成良性循环，未来的英伟达真的无法想象。

那么国产AI芯片与英伟达差距有多大呢？

国产AI芯片性能如何

国产AI芯片公司大大小小十几家，包括：龙芯、景嘉微、华为海思、摩尔线程、璧仞科技、天数智芯等等，但与英伟达比起来还差很多。

景嘉微是国内领先的GPU厂商，成立于2006年，总部位于湖南长沙。经过十几年的发展，景嘉微GPU性能如何呢？

根据官方数据，景嘉微JM9231核心频率为1.8 GHz，浮点性能可达8TFLOPS，落后英伟达最先进的Thor（2000TFLOPS）250倍。

璧仞科技公司研发的壁仞100，采用了7nm工艺制程，晶体管数量达到了770亿颗晶体管，具有高算力、高通用性、高能效三大优势。

在算力方面，16位浮点算力达到1000T以上、8位定点算力达到2000T以上，号称领先国际大厂3倍。

从算力来看，壁仞100直接对标了英伟达H100，这着实令人惊叹，似乎不久之后，我们再也不需要依赖英伟达了，但事实真的如此吗？

英伟达的GPU之所以能制霸全球，强大的CUDA生态系统绝对是重要关键。

CUDA全称Compute Unified Device Architecture，翻译成汉语就是统一计算架构，这是由英伟达所推出的一种集成技术，是英特尔对GPU的正式名称。

目前GPU市场上，英特尔一家独大，70%以上的市场都被其掌控着。如果国产GPU厂商想要生存发展，就必须兼容CUDA。

但CUDA是英伟达的技术，并且英伟达发展迅速，芯片更新速度非常快，想要100%的兼容是根本做不到的。

怎么办呢？一方面魔改，一方面发展自己的生态，但是难度实在太大了，因此国内GPU厂商日子都很难过。

更为要命的是：一旦性能、算力领先，威胁到美企的地位，必然会遭受打压封锁。

那么国产GPU厂商就会陷入“华为式”的被动，最典型的就是无人代工。

内地芯片制造技术最强的是中芯国际，目前只能量产12nm工艺的芯片，而英伟达H100采用了5nm工艺，相差2代。

而中芯国际CEO梁孟松也表示，中芯国际目前攻克了7nm技术，但苦于没有EUV光刻机，因此只能止步于12nm工艺。

EUV光刻机是工业皇冠上的明珠，由10万个精密零部件组成，这些零部件由全球2000家公司提供。一个国家单独完成EUV光刻机的研发被称为“不可能的工作”。

加上EDA工具、半导体材料方面的落后，国产GPU之路还很长，距离英伟达还很远。

写到最后

ChatGPT火出了圈，但万丈高楼平地起，靠的是良好的基础，这个基础就是AI芯片。

先进的AI芯片代表着强大的算力，强大的算力才能支持人工智能继续更新迭代，最终为人类分担大量的脑力、体力劳动。

我国的AI芯片在设计和生态方面远落后于英伟达，制造、设备、材料方面也差距甚大，要想达到世界领先，支撑起AI需求的强大算力，至少还需要二十年，甚至更久。

所以说，目前的ChatGPT对于我们来说就是概念、炒作，我们距离真正的人工智能还很远。