巨頭“火拼”AI芯片！AMD力抗英偉達

圖源：攝圖網

作者|弗雷迪 來源|格隆匯APP(ID：hkguruclub)

人工智能浪潮席卷近半年，也讓英偉達一把推開了美股萬億俱樂部的大門。

當初只是想在游戲圖像計算上分一杯羹的英偉達，沒想到在二十多年后成為AI計算的領軍者，幾乎壟斷了整個AI服務器芯片市場。

上一個摧枯拉朽般占領服務器市場的是英特爾，但它的CPU在高性能計算上敗給了英偉達的GPU。同時，英特爾在芯片制程技術上也落后于臺積電，其產品戰(zhàn)略一直處于被動狀態(tài)。相比之下，領先的英偉達已經一騎絕塵，而AMD也在后面緊追不舍，直抄英特爾的老窩。

隨著英偉達的成功，下一代芯片研發(fā)方向更聚焦在如何深度結合AI模型上來，選擇不僅僅只有GPU，因為提高算力的高昂代價絕大部分要歸功于AI芯片，所以英偉達在模型訓練芯片端的領先地位無疑會遭受挑戰(zhàn)，英特爾、AMD、高通等企業(yè)開始摩拳擦掌，做好準備。

那么，在AI芯片，會有下一個英偉達嗎？

01

AI芯片必須先過一道檻

按照部署位置，AI芯片可以分為云端、終端和邊緣側；按照任務劃分又可以分為訓練芯片和推理芯片。云端就是在數據中心進行模型訓練，芯片需要支撐大量的數據運算，終端和邊緣側對算力要求稍弱一些，但要求快速響應的能力和低功耗，英偉達霸占了訓練芯片這一領域，不過推理方面不乏比GPU更合適的芯片。

性能各異的專用AI芯片包括GPU、ASIC、FPGA、NPU等，可以簡稱為XPU，名稱的不同反映了各自架構層面上的差異。專用AI芯片在所擅長的領域里有匹配GPU的能力，雖然少了可擴展性，但在效能和算力上領先更通用的GPU，盡管后者能做更多的事情。

這就回到了當初CPU在機器學習領域被棄用的邏輯，將來是否會有一款新的芯片可以對GPU發(fā)起沖擊？

目前全球大廠們都尤愛造芯，不過通用芯片人家沒必要自己做，只會切合自己重要的業(yè)務方向來布局。

比如谷歌的TPU采用了ASIC，只針對卷積神經網絡的加速器，特斯拉的Dojo是專門用于FSD的機器視覺分析芯片，以及國內百度、阿里也花費大量精力在自研芯片上。

一直以來，專用處理器并未真正給GPU帶來過威脅，這主要與市場容量，資金投入，摩爾定律形成的正向循環(huán)有關。

根據IDC數據，21年中國AI芯片市場里，GPU占據89%的份額；NPU處理速度比GPU快上10倍，占據9.6%的份額，ASIC和FPGA占比較小，市場份額分別1%和0.4%。

過去三十年，臺積電、三星等晶圓代工廠的崛起塑造了分工專業(yè)化的趨勢，設備和先進制程的技術進步允許像英偉達、高通等芯片設計企業(yè)一展身手，也讓蘋果、谷歌等科技大廠開始用芯片定義產品和服務，專用芯片設計的土壤是肥沃的，大家都是受益者。

在競爭對手看來，GPU并非專門為機器學習而設計的芯片，之所以能成功，主要在于結合框架軟件層形成的復雜生態(tài)，提高了芯片的通用性。

實際上，自2012年以來，每年頭部訓練模型算力需求按10倍在增長，一直在逼近摩爾定律下的算力極限。

而從11年Tesla M2090開始，數據中心產品GPU一直在更新迭代，先后推出Volta、Ampere、Hopper等針對高性能訓練計算和AI訓練的架構，保持每兩年推出一代新產品的速度，浮點算力也從7.8 TFLOPS增至30 TFLOPS，漲幅接近4倍。

最新的H100，甚至已經把大模型訓練的時間從一周縮短至一天。

基于英偉達在AI芯片領域的高份額，可以說，過去AI模型訓練的算力增長主要由英偉達的GPU系列所支撐，這形成了一個正向反饋，隨著芯片出貨規(guī)模的增長，攤平了英偉達芯片的開發(fā)成本。

相比較未來的算力需求，一款通用芯片的技術迭代最終也會逐漸放緩，專用處理器只有跑通這個正向循環(huán)，才有可能在成本上與通用芯片們并駕齊驅。

不過難度在于，專用處理器僅僅著力在細分市場，市場規(guī)模根本比不上通用市場，相對于通用芯片的每單位性能提升，往往需要花上更長的時間，或者更大的出貨量來攤薄成本，可是隨著AI在應用場景中加速滲透，未來AI芯片的開支也會大幅增長，專用AI芯片、 CPU、GPU有望成為三條并行的線。

根據Precedence Research，2022年全球AI芯片市場規(guī)模為168.6億美元，將以每年約30%的速度增長，預計到2032年達到約2274.8億美元。

02

三家分晉，如何分庭抗禮？

英偉達對算力的壟斷地位在如今大模型戰(zhàn)爭下加速強化，矛盾日益加劇，GPU采購需求超出臺積電和英偉達的預料，供應不足，價格便水漲船高，繼續(xù)循環(huán)。

國內外科技大廠們在選擇自研芯片上保持一致的態(tài)度，又或者，幫助其他芯片廠和英偉達競爭，刺激新的供給同時降低芯片成本。

上月初AMD盤中大漲12%，原因來自一則消息指出，微軟正在與AMD合作，資助后者向AI芯片擴張，并與這家芯片制造商合作一款代號為Athena（雅典娜）的芯片，但之后微軟官方否認了這一消息。

這讓人聯想到上世紀九十年代的“WINTEL”聯盟，互相成就了微軟在PC操作系統，以及英特爾在CPU的地位。此時的AMD，已經成為了英特爾市場份額最強有力的威脅。

去年計算機市場經受重創(chuàng)，企業(yè)服務器和消費電子兩端的疲弱對CPU出貨量造成不小拖累，英特爾與AMD兩家公司均出現了30多年來最大的下滑，分別降低21%和19%。

雖然主業(yè)俱顯疲態(tài)，但行業(yè)的競爭格局卻再次發(fā)生了巨大變化。

據Passmark數據監(jiān)測，在數據中心市場，去年AMD的份額猛增至20%，搶走了英特爾（2022年，70.77%）接近1成的份額，而截止今年1月2日，AMD重新逼近40%，回到了2004年的水平。

AMD之所以得以窮追不舍，一方面是借助臺積電的力量，讓其產品組合不斷優(yōu)化，用于數據中心的EPYC Milan處理器采用率提高，去年這項業(yè)務營收增長64%。

另一方面則與競爭對手糟糕的戰(zhàn)略決策有關。過去十年，一直保持領先地位的英特爾在CPU上的創(chuàng)新乏善可陳，產品力相對競爭對手一路下滑。

當初蘋果想要英特爾為初代iPhone開發(fā)手機CPU，CEO保羅·歐德寧因為報價太低回絕，這位x86領頭羊錯估了移動端的機會。

除了戰(zhàn)略眼光不足，還有不斷跳票的產品推新計劃，英特爾是舊IDM時代的老頭，如今臺積電、三星領導著先進制程的迭代，是CPU這類通用芯片繼續(xù)升級的基座，英特爾本身工藝技術的掉隊反噬著產品的更新節(jié)奏，更多的是“擠牙膏”式的添頭。從2021年高點至今，其市值削去了一半不止。

反觀AMD，則一路拓寬產品品類，追逐高性價比的策略，先后收購了ATI，Xilinx，成為第一家同時拿下CPU+GPU+FPGA的芯片廠商。2018年AMD在PC端的CPU制程首次彎道超車，市場份額開始加速提升，2019年聯手臺積電率先躍入7nm，在服務器端也實現制程超越，去年市值超過了英特爾。

前不久，AMD推出結合CPU+GPU雙架構的Instinct MI 300正式進軍AI訓練端，這款芯片在規(guī)格和性能直接對標了英偉達的Grace Hopper。

這是AMD管理層強調AI作為戰(zhàn)略重點后的重棋，與英偉達同時出租自家算力不同，AMD著力于構建具有競爭力的芯片矩陣，與其正面交鋒，或將從云廠商的數據中心開始突破，預計今年四季度開始放量。

實際上，并不是這兩CPU巨頭打架，把英偉達晾在一邊，結果趕不上趟兒。

英特爾從2015年開始花巨資收購了一大批人工智能公司，如Altera、Mobileye、Nervana等，結果并沒有給業(yè)務帶來多少幫助，更像是養(yǎng)著這些公司等著刮彩票。

英特爾也一直計劃推出一款能媲美英偉達的GPU，只是計劃一直跳票。

2021年，英特爾曾宣布一款代號為“Ponte Vecchio”的旗艦GPU，用于數據中心，結果卻在交付上不斷拖延。作為繼任者，Falcon Shores GPU結合了x86 CPU和Xe GPU，也跳票到了2025年。

誠然，英偉達的成功并不只是硬件做得好，有別于英特爾過去硬件第一的路徑，英偉達GPU架構保持了兩年一代的速度演進，憑借著通用的計算框架構筑起了軟件生態(tài)壁壘。

芯片發(fā)展歷程中，定義標準的贏家往往強者恒強，要與英偉達分庭抗禮，性價比是必需砝碼，生態(tài)圈同樣關鍵。算力發(fā)展推動AI進步，還要倚仗這些廠商的競爭和互相超越。

在這些方面，無論是AMD、英特爾，還是其他的后來者大廠，都還有很長的路要走。（全文完）

編者按：本文轉載自微信公眾號：格隆匯APP(ID：hkguruclub)，作者：弗雷迪