欢迎访问
ChatGPT强力“催化”AI产业,不靠炒作,我国AI芯片有哪些实力选手?
2023-03-10 来源:网络整理
893

关键词: ChatGPT AI 芯片

现下 ChatGPT 的火爆及触手可及的商业化的实现,给 AI 产业带来的提振,怎么说都不为过。


数据、算力、算法,作为 AI 发展的三大基石。

资本市场轮番炒作。市场炒算法模型,究竟是谁能第一个推出中国的版的 ChatGPT ?市场炒数据标注、数据训练,这是算法模型形成的“推进器”。

那算力呢?A 股市场对这方面的炒作热情不高,毕竟国产 AI 芯片的技术水平摆在那,但也有公司在做。



美股的英伟达给了表率。作为全球 AI 芯片一哥,霸主,几乎垄断了全球高端GPU 市场。

据瑞银公布数据显示,截至今年1月末,上线不过2个月的ChatGPT月活用户已突破1亿,成为史上增长最快的消费类应用。此前有消息表示,ChatGPT已导入了至少1万个英伟达高端 GPU 。

AI 算力就是AI芯片,目前最广泛使用GPU芯片,我们俗称显卡。当然 CPU、FPGA、ASCI 也作为 AI 芯片使用,但适用范围和效果上远不如GPU。

CPU的计算性能和功耗通常难以满足 AI 的需要,而GPU凭借高算力成为 AI 芯片的主流选择,FPGA 凭借可编程的特性适用算法尚不成熟、应用规模相对较小的 AI 场景,ASIC针对AI场景进行定制化涉及,能够实现功耗与算力的较高性价比。

GPU芯片,被美国 Intel,英伟达,AMD 三家企业垄断,其中英伟达是高端 AI 芯片的王者。去年8月底,美国政府发布出口禁令,限制英伟达向我们出口 A100 和和 H100 等高端AI芯片,AMD 也被限制。


AI芯片分工生变,云端推理加速转移

据外媒semianalysis报道,ChatGPT每天在计算硬件方面的运营成本为694444美元,Open AI需要大约3617台HGX A100服务器(28936个GPU)为ChatGPT提供服务。真正需要用云端芯片进行推理的需求增加,云端无法承受如此庞大的数据和工作量,如果能够将AI云端芯片的处理工作向边缘侧转移,或许将为大模型的训练和推理释放更多的计算空间。

与此同时,用户需求也在改变着典型的AI芯片分工方式,一方面消费者希望保护个人数据隐私,即将终端数据保留在终端设备上,另一方面,消费者又需要可靠的数据,并即时获得处理结果,数据不断从边缘侧产生,AI处理的重心正在持续向边缘转移。

因此,将推理工作转移至边缘侧终端完成也成为不少企业为之努力的目标和趋势。高通就在推升终端侧的推理能力方面有着出色表现。

雷峰网了解到,高通正在采取不同的方式实现终端侧的学习能力,对包括小样本学习、无监督持续学习、联邦学习和低复杂度的终端侧训练等方向的研究,且已经取得了一些成效。

通过小样本学习,在关键词识别方面,AI能够“看完”某一人的笔迹或书面文字之后快速进行辨认,也能在用户录入数据时进行局部模型适应,凭借少量样本数据和数据标记能力,提升关键词识别能力。

在联邦学习方面,云端创造的模型被下发到边缘侧终端之后,基于一定程度的离线学习,终侧端就可以根据消费者实际情况调整模型,由于终端侧学习的过程会产生噪音,因此还能将其回传到云端进一步提升模型的泛化能力。在实际的应用场景中,如果一辆汽车不断在多个国家的不同路况上行驶,云端模型就可以持续进行适应,假以时日模型经过优化,就能打造出更加优秀的自动驾驶汽车模型。



为了让AI在终侧端发挥最大作用,高通也有针对性的技术创新。

例如,高通支持INT4的精度推理。INT4相比INT8能够实现60% 的能效提升和90%的AI推理速度提升,如果从INT8转化到INT4、或从浮点计算转化到整数计算,在同样的算力下能够处理更多的数据。如果将32位浮点模型转化为INT4模型,能效甚至能够提升到64倍。


国内主流AI芯片厂商

虽说ChatGPT“成精”了,但归根结底还是AI,AI的基础就是算力,而算力依靠的是芯片。当前主流的AI芯片可分为GPU、FPGA、ASIC等三大类型:

第一,GPU适用于通用并行计算,能够为AI训练任务提供更高算力;

第二,FPGA具有低延时,开发周期短等特性,可用于AI推理任务等;

第三,ASIC与通用集成电路相比功耗更低性能更优,可用于针对AI训练任务设定特定框架。

那么,问题来了,国内有哪些值得期待的AI芯片厂商呢?


一、GPU领域

在全球GPU领域,英伟达是当之无愧的绝对霸主,长期垄断高端GPU市场。

近几年,国产GPU发展势头迅猛,虽然还处于起步阶段,但已经聚集了景嘉微、龙芯中科、海光信息、芯动科技、壁仞科技、沐曦集成、登临科技、航锦科技等多家实力厂商,备受资本追捧。

在诸多厂商的努力下,国产GPU争分夺秒地交出了很多优秀的作品,比如芯动科技“风华2号”、 壁仞科技BR100、景嘉微JM7200、沐曦集成MXN系列等。不过,国产GPU的落地应用不多,很多产品尚未量产上市,商业化前景仍面临严峻挑战。

国内是国内首家自主研发GPU并用于商用的厂商,先后研制成功JM5系列、JM7系列、JM9系列等高性能GPU芯片,被称为中国版英伟达,但与英伟达的技术差距还是比较大。


二、FPGA领域

赛灵思是FPGA的“发明者”,1985年推出全球第一颗FPGA芯片XC206,自此一直是FPGA领域的头号玩家。

目前,国内有紫光同创、安路科技、复旦微电、京微齐力、高云半导体、安路科技、成都华微电子等厂商进入FPGA行业。FPGA是可以先购买再设计的“万能芯片”,技术壁垒很高,但在国产替代大趋势下,国产FPGA厂商走上了发展快车道。

国产FPGA厂商正在奋力追赶,实现了部分技术突破。紫光同创率先成功研发首款国产自主产权千万门级高性能FPGA PGT180H,随后复旦微电推出国内首款28nm工艺制程的亿门级FPGA产品,填补了国产高端FPGA空白。此外,安路科技中低端FPGA产品已可对标海外龙头厂商,出货量持续增长。

不过,目前国产FPGA厂商营收规模均较小,出货集中在40nm和55nm工艺水平,赛灵思等头部厂商存在两到三代的技术差距。



三、ASIC领域

ASIC是指一种只为专一目的而设计的集成电路,用途较为单一,但由于为特定计算打造,效率比通用GPG芯片高得多。

随着机器学习、边缘计算的发展,产生大量数据处理任务,ASIC芯片开始受到重视,谷歌、英特尔、英伟达等相继发布TPU、DPU等ASIC芯片。

眼下,国内主流ASIC厂商包括华为海思、寒武纪、澜起科技、地平线、燧原科技、中星微电子、黑芝麻智能等,正瞄准ASIC市场迅速发力。

其中,寒武纪目前已研发出终端、边缘端、云端系列ASIC芯片,产品面向互联网、金融、交通、能源、电力和制造等领域的复杂AI应用场景。而地平线自研BPU架构的车规级AI芯片如征程系列、AIoT边缘AI芯片、旭日系列等,能够为高级别的自动驾驶提供更可靠、更超强的算力支持和处理能力。

总的来说,ChatGPT的横空出世,带火了AI芯片。

不过,AI芯片领域竞争激烈,海外厂商具有巨大优势,但身处中国这个AI落地的最大市场,国产AI芯片厂商仍有弯道超车的机会。



Baidu
map