不堪忍受英偉達霸權，微軟、OpenAI紛紛自研AI芯片

（圖片來源：攝圖網(wǎng)）

作者|科技云報道 來源|科技云報到(ID：ITCloud-BD)

英偉達是當之無愧的“AI算力王者”，A100、H100系列芯片占據(jù)金字塔頂尖位置，是ChatGPT這樣的大型語言模型背后的動力來源。

但面對英偉達的獨霸天下，科技巨頭們都紛紛下場自研AI芯片。

10月6日，媒體援引知情人士消息稱，微軟計劃在下個月的年度開發(fā)者大會上推出首款為人工智能設計的芯片，來降低成本并減少對英偉達的依賴。

同一天，據(jù)媒體消息顯示，ChatGPT開發(fā)商OpenAI也正在探索AI芯片的可能性，并已評估潛在的收購目標，以加速自研芯片的研發(fā)。

事實上，不僅是微軟、OpenAI試圖自研AI芯片，AWS、谷歌、Meta等科技巨頭都已下場自研。

在醞釀數(shù)年后，這是否意味著英偉達的獨霸時代即將結束？

  一

巨頭紛紛自研AI芯片

目前，包括谷歌、AWS、阿里巴巴、百度、華為等國內外云服務大廠都已有自研 AI 芯片用于數(shù)據(jù)中心，微軟和Meta也有相關計劃。所以對于頭部的AI技術大廠來說，自研AI芯片已經是一大趨勢。

微軟早就自研芯片 

作為全球頭部云廠商，微軟Azure需要大量AI處理器。尤其是和OpenAI合作以后，有消息稱微軟至少訂購了數(shù)十萬顆英偉達芯片。

因此，這幾年微軟在芯片研發(fā)上加快了進程，先是建立由前英特爾高管Rani Borkar領導的芯片部門；后又各處招兵買馬，其中就包括前蘋果芯片架構師Filippo；此外還和AMD展開了密切合作。

自2019年以來，微軟就開始研發(fā)一款名為"雅典娜"（Athena）的定制AI芯片，用于為大型語言模型提供動力，目前已在測試階段。

Athena的首個目標是為OpenAI提供算力引擎，以替代昂貴的英偉達A100/H100。如果明年大規(guī)模推出，Athena將允許微軟內部和OpenAI的團隊同時訓練和推理模型。

SemiAnalysis的分析師迪倫·帕特爾（Dylan Patel）表示，開發(fā)類似于雅典娜的芯片可能每年需要花費1億美元左右，ChatGPT每天的運營成本約70萬美元，大部分成本來源于昂貴的服務器，如果雅典娜芯片與英偉達的產品擁有同等競爭力，每個芯片的成本將可以降低三分之一。

有知情人爆料，微軟在芯片研發(fā)上已砸入了近20億美元。

OpenAI計劃收購 

據(jù)媒體消息稱，OpenAI也正在探索制造自研人工智能芯片，并已開始評估潛在的收購目標。

報道稱，至少從去年開始，OpenAI就已討論各種方案，以解決AI芯片短缺問題。

OpenAI已將獲取更多AI芯片列為公司首要任務，討論方案包括自研AI芯片，與包括英偉達在內的其他芯片制造商更密切地合作，以及在英偉達之外實現(xiàn)供應商多元化。

谷歌最早自研TPU芯片 

早在2013年，谷歌就已秘密研發(fā)一款專注于AI機器學習算法的芯片，并將其用在內部的云計算數(shù)據(jù)中心中，以取代英偉達的GPU。

2016年5月，這款自研芯片公諸于世，即TPU。TPU可以為深度學習模型執(zhí)行大規(guī)模矩陣運算，例如用于自然語言處理、計算機視覺和推薦系統(tǒng)的模型，其最初專為谷歌的超級業(yè)務云計算數(shù)據(jù)中心而生。

2020年，谷歌實際上已在其數(shù)據(jù)中心部署了人工智能芯片TPU v4。

 AWS推出訓練和推理芯片 

從2013年推出首顆Nitro1芯片至今，AWS是最先涉足自研芯片的云廠商，已擁有網(wǎng)絡芯片、服務器芯片、人工智能機器學習自研芯片3條產品線。

2018年初，科技媒體Information爆料亞馬遜已經開始設計定制AI芯片。

AWS自研AI芯片版圖包括推理芯片Inferentia和訓練芯片Trainium。2018年底，AWS推出自研AI推理芯片Inferentia，可以以低成本在云端運行圖像識別、語音識別、自然語言處理、個性化和欺詐檢測等大規(guī)模機器學習推理應用程序。

2020年底，AWS推出專用于訓練機器學習模型的Trainium。

2023年初，專為人工智能打造的Inferentia 2發(fā)布。Inf2實例最多可支持1750億個參數(shù)，這使其成為大規(guī)模模型推理的有力競爭者。

在AWS、微軟和谷歌這三家中，亞馬遜是唯一一家在服務器中提供兩種類型芯片（標準計算芯片和用于訓練與運行機器學習模型的專用芯片）的云提供商，其在2015年收購以色列芯片設計公司Annapurna Labs為這些努力奠定了基礎。

Meta基于RISC-V開源架構自研 

直到2022年，Meta Platforms還主要使用CPU和專為加速AI算法而設計的定制芯片組合來運行其AI工作負載。

后來，Meta取消了于2022年大規(guī)模推出定制芯片的計劃，轉而訂購了價值數(shù)十億美元的英偉達GPU。

如今為了扭轉局面，Meta已經在開發(fā)內部芯片，并于5月19日公布了AI訓練與推理芯片項目。

據(jù)介紹，MTIA芯片的功耗僅為25瓦，占英偉達等市場領先供應商芯片功耗的一小部分，并使用了RISC-V（第五代精簡指令處理器）開源架構。

值得注意的是，Meta于5月初收購了英國AI芯片獨角獸Graphcore的AI網(wǎng)絡技術團隊，為其自研AI芯片奠定了基礎。

二

英偉達能否被撼動？

埃森哲公司報告指出，如今技術行業(yè)的AI滲透度明顯高出其他行業(yè)，而未來企業(yè)的成長潛力取決于其能在多大程度上應用生成式AI。更關鍵的是，熟練運用新技術也將成為國家發(fā)展的關鍵。

如今，AI技術在數(shù)據(jù)中心、智能汽車、游戲等的應用落地方面取得了豐碩的成果，要實現(xiàn)AI大規(guī)模應用，背后必定要有大量AI芯片的算力支持。

數(shù)據(jù)顯示，英偉達的GPU是全球應用最為廣泛的 AI 芯片。

英偉達獨立GPU市場份額達80%，在高端GPU市場份額高達90%。2020年，全世界跑AI的云計算與數(shù)據(jù)中心，80.6%都由英偉達GPU驅動。2021年，英偉達表示，全球前500個超算中，大約七成是由英偉達芯片驅動的。

顯而易見，英偉達已經壟斷了全球算力。

隨著AWS、谷歌、微軟等巨頭加入自研AI芯片的道路，英偉達的壟斷地位是否能被撼動呢？

首先，芯片設計技術非常復雜。

高算力芯片的首要挑戰(zhàn)就是其復雜度，從芯片設計角度，高性能計算芯片中的計算單元、存儲訪問以及芯片間的互聯(lián)都是需要仔細考慮。

英偉達之所以引領GPU創(chuàng)新，源于其架構底座不斷迭代，從2008年的Tesla架構到2020年的Ampere架構，每一次都是對硬件的升級與改進。代際之間產品性能提升顯著，性能和市場份額均領先全球。

其次，不可一世的CUDA生態(tài)。

比造芯更難的是搭建生態(tài)，全球GPU生態(tài)都來自CUDA。

CUDA，是英偉達2006年推出的通用并行計算架構生態(tài)，使GPU能夠解決復雜的計算問題。

毋庸置疑，CUDA是迄今為止最發(fā)達、最廣泛的生態(tài)系統(tǒng)，也是深度學習庫最有力的支持。

雖然有PyTorch支持更多GPU廠商，再加上OpenAI的Triton攪局，但無法撼動CUDA的統(tǒng)治地位。

隨著人工智能領域的蓬勃發(fā)展，GPU和CUDA被從業(yè)者視為標配，使用GPU做加速計算已成為行業(yè)主流。雖然英偉達GPU本身硬件平臺的算力卓越，但其強大的CUDA軟件生態(tài)才是推升GPU計算生態(tài)普及的關鍵力量。

當前CUDA 廣泛功能已與英偉達GPU硬件深度耦合，開發(fā)者早已熟悉其專有的編程語言CUDA，用于制作GPU驅動的應用程序。

如果換到其他廠商的定制芯片，就需要學習全新的軟件語言了，如何說服開發(fā)者使用這些AI芯片呢？

最后，芯片的具體生產也是一個挑戰(zhàn)。

如何確保芯片生產的良率，以及如何在高級封裝和先進工藝節(jié)點產能仍然有可能緊張的幾年內，獲得足夠的產能以量產，也是各大巨頭需要解決的問題。

總體而言，想要撼動英偉達的壟斷地位，并不是一朝一夕的事。各大科技巨頭要想在AI算力芯片上突圍，就必須在底座、專利、核心技術、人才建設、生態(tài)建設等各方面下大功夫。

編者按：本文轉載自微信公眾號：科技云報到(ID：ITCloud-BD)，作者：科技云報道