六大科技巨頭的自研AI芯片進程解讀

2023 年，「生成式人工智能」無疑是科技行業(yè)最熱門的術(shù)語。

OpenAI 推出的生成應用 ChatGPT 引發(fā)了市場狂熱，促使各科技巨頭紛紛加入競爭。

據(jù) TechNews 報道，目前 NVIDIA 通過提供 AI 加速器占據(jù)市場主導地位，但這導致了市場上其 AI 加速器的短缺。甚至 OpenAI 也打算開發(fā)自己的芯片，以避免受到供應鏈緊張的限制。

在當前的 AI 發(fā)展浪潮中，NVIDIA 無疑是 AI 算力的領(lǐng)跑者。其 A100/H100 系列芯片已獲得全球人工智能市場頂級客戶的訂單。

華爾街投資銀行 Bernstein Research 的分析師 Stacy Rasgon 表示，使用 ChatGPT 進行的每次查詢的成本約為 0.04 美元。如果 ChatGPT 查詢規(guī)模擴大到 Google 搜索量的十分之一，初始部署將需要價值約 481 億美元的 GPU 進行計算，每年需要價值約 160 億美元的芯片來維持運營，以及類似的相關(guān)芯片執(zhí)行任務的數(shù)量。

因此，無論是為了降低成本、減少對 NVIDIA 的過度依賴，甚至是進一步增強議價能力，全球科技巨頭都啟動了開發(fā)自己的 AI 加速器的計劃。

據(jù)科技媒體 The Information 援引行業(yè)消息人士報道，微軟、OpenAI、特斯拉、谷歌、亞馬遜和 Meta 等六大全球科技巨頭都在投資開發(fā)自己的 AI 加速器芯片。這些公司預計將與 NVIDIA 的旗艦 H100 AI 加速器芯片展開競爭。

科技巨頭自研芯片進展

微軟

2023 年 11 月，微軟在年度 IT 專業(yè)人士和開發(fā)者大會 Ignite 上推出兩款自研芯片——云端 AI 芯片微軟 Azure Maia 100、服務器 CPU 微軟 Azure Cobalt 100。

Maia 100 是微軟為微軟云中大語言模型訓練和推理而設(shè)計的第一款 AI 芯片，采用臺積電 5nm 工藝，擁有 1050 億顆晶體管，針對 AI 和生成式 AI 進行了優(yōu)化，支持微軟首次實現(xiàn)的低于 8 位數(shù)據(jù)類型（MX 數(shù)據(jù)類型）。微軟已經(jīng)在用搜索引擎 Bing 和 Office AI 產(chǎn)品測試該芯片。

Cobalt 100 是微軟為微軟云定制開發(fā)的第一款 CPU，也是微軟打造的第一款完整的液冷服務器 CPU，采用 Arm Neoverse CSS 設(shè)計、128 核。

微軟還定制設(shè)計了一個 AI 端到端機架，并搭配了一個「助手」液冷器，原理類似于汽車散熱器。

兩款芯片明年年初開始在微軟數(shù)據(jù)中心推出，最初為微軟的 Copilot 或 Azure OpenAI Service 等服務提供動力。微軟已經(jīng)在設(shè)計第二代版本的 Azure Maia AI 芯片和 Cobalt CPU 系列。

這些芯片代表了微軟交付基礎(chǔ)設(shè)施系統(tǒng)的最后一塊拼圖——從芯片、軟件和服務器到機架和冷卻系統(tǒng)的一切，微軟這些系統(tǒng)都是由上到下設(shè)計的，可以根據(jù)內(nèi)部和客戶的工作負載進行優(yōu)化。

OpenAI

據(jù)悉，OpenAI 也正在探索自研 AI 芯片，同時開始評估潛在收購目標。在其招聘網(wǎng)站上，最近也出現(xiàn)了 AI 硬件共同開發(fā)、評估相關(guān)崗位。OpenAI 擬籌建的合資企業(yè)與總部位于阿布扎比的 G42 和軟銀集團等潛在投資者進行了討論，旨在解決當前和預期的人工智能相關(guān)芯片供應短缺問題。

毫無疑問，該項目的財務和運營規(guī)模顯然是巨大的。Altman 僅與 G42 的討論就集中在籌集 80 億至 100 億美元之間。該項目的全部范圍和合作伙伴名單仍處于早期階段，這表明建立此類設(shè)施網(wǎng)絡(luò)需要大量投資和時間。

盡管還不清楚 Altman 是否計劃購買一家成熟的代工廠來生產(chǎn) AI 芯片，或建立一個全新的晶圓廠網(wǎng)絡(luò)來滿足 OpenAI 及其潛在合作伙伴的需求，但此前有人分析 Altman 可能會考慮把參與投資的芯片公司納入麾下，包括 CerebrasRain NeuromorphicsAtomic SemiCerebras、Rain Neuromorphics、tomic Semi。

特斯拉

電動汽車制造商特斯拉也積極參與 AI 加速器芯片的開發(fā)。特斯拉主要圍繞自動駕駛需求，迄今為止推出了兩款 AI 芯片：全自動駕駛（FSD）芯片和 Dojo D1 芯片。

FSD 芯片用于特斯拉汽車的自動駕駛系統(tǒng)，而 Dojo D1 芯片則用于特斯拉的超級計算機。它充當通用 CPU，構(gòu)建 AI 訓練芯片來為 Dojo 系統(tǒng)提供動力。

谷歌

Google 也早在 2013 年就秘密研發(fā)專注 AI 機器學習算法芯片，并用于云計算數(shù)據(jù)中心，取代英偉達 GPU。

這款 TPU 自研芯片 2016 年公開，為深度學習模型執(zhí)行大規(guī)模矩陣運算，如自然語言處理、計算機視覺和推薦系統(tǒng)模型。Google 其實在 2020 年的資料中心便建構(gòu) AI 芯片 TPU v4，直到 2023 年 4 月才首次公開細節(jié)。

2023 年 12 月 6 日，谷歌官宣了全新的多模態(tài)大模型 Gemini，包含了三個版本，根據(jù)谷歌的基準測試結(jié)果，其中的 Gemini Ultra 版本在許多測試中都表現(xiàn)出了「最先進的性能」，甚至在大部分測試中完全擊敗了 OpenAI 的 GPT-4。

而在 Gemini 出盡了風頭的同時，谷歌還丟出了另一個重磅炸彈——全新的自研芯片 TPU v5p，它也是迄今為止功能最強大的 TPU。

根據(jù)官方提供的數(shù)據(jù)，每個 TPU v5p pod 在三維環(huán)形拓撲結(jié)構(gòu)中，通過最高帶寬的芯片間互聯(lián)（ICI），以 4800 Gbps/chip 的速度將 8960 個芯片組合在一起，與 TPU v4 相比，TPU v5p 的 FLOPS 和高帶寬內(nèi)存（HBM）分別提高了 2 倍和 3 倍。

除此之外，TPU v5p 訓練大型 LLM 模型的速度比上一代 TPU v4 快 2.8 倍，利用第二代 SparseCores，TPU v5p 訓練嵌入密集模型的速度比 TPU v4 快 1.9 倍。TPU v5p 在每個 pod 的總可用 FLOPs 方面的可擴展性也比 TPU v4 高出 4 倍，且每秒浮點運算次數(shù)（FLOPS）增加了一倍，單個 pod 中的芯片數(shù)量也增加了一倍，大大提高了訓練速度的相對性能。

亞馬遜

亞馬遜旗下的云計算服務提供商亞馬遜網(wǎng)絡(luò)服務（AWS），自 2013 年推出 Nitro1 芯片以來，它一直是開發(fā)自有芯片的先驅(qū)。AWS 此后開發(fā)了自研芯片的三個產(chǎn)品線，包括網(wǎng)絡(luò)芯片、服務器芯片、AI 機器學習芯片。

其中，AWS 自研 AI 芯片陣容包括推理芯片 Inferentia 和訓練芯片 Trainium。

此外，AWS 于 2023 年初推出了專為人工智能設(shè)計的 Inferentia 2（Inf2）。它將計算性能提高了三倍，同時將加速器總內(nèi)存增加了四分之一。

它通過芯片之間直接超高速連接支持分布式推理，可處理多達 1750 億個參數(shù)，使其成為當今 AI 芯片市場上最強大的內(nèi)部制造商。

Meta

Meta 在 2022 年之前繼續(xù)使用專為加速 AI 算法而定制的 CPU 和定制芯片組來執(zhí)行其 AI 任務。然而，由于 CPU 在執(zhí)行 AI 任務方面與 GPU 相比效率較低，Meta 放棄了 2022 年大規(guī)模推出定制設(shè)計芯片的計劃，而是選擇購買價值數(shù)十億美元的 NVIDIA GPU。

盡管如此，在其他主要廠商開發(fā)內(nèi)部人工智能加速器芯片的浪潮中，Meta 也涉足內(nèi)部芯片開發(fā)。

2023 年 5 月 19 日，Meta 進一步公布了其人工智能訓練和推理芯片項目。該芯片功耗僅為 25 瓦，是 NVIDIA 同類產(chǎn)品功耗的 1/20。它采用 RISC-V 開源架構(gòu)。據(jù)市場報道，該芯片也將采用臺積電的 7 納米制造工藝生產(chǎn)。

美國去年 10 月擴大禁止向中國出售先進人工智能芯片，英偉達雖然迅速為中國市場量身訂造新芯片，以符合美國出口規(guī)定。但近日有消息指出，阿里巴巴、騰訊等中國云計算大客戶，并不熱衷購買功能降低的減規(guī)版 H20 芯片，轉(zhuǎn)成國內(nèi)采購。策略轉(zhuǎn)變顯示透過部分先進半導體訂單轉(zhuǎn)給中國公司，將更依賴中國本土廠商芯片。

TrendForce 表示，中國云端業(yè)者約八成高階 AI 芯片購自英偉達，五年內(nèi)可能降至 50%~60%。若美國繼續(xù)加強芯片管制，可能對英偉達中國地區(qū)銷售造成額外壓力。