巨头“火拼”AI芯片！AMD力抗英伟达

　　人工智能浪潮 席卷 近半年， 也让英伟达一把推开了 美股万亿俱乐部 的 大门。 本文来自散户吧WWW.SANHUBA.COM

　　当初只是想在游戏图像计算上分一杯羹的英伟达，没想到在二十多年后成为AI计算的领军者，几乎垄断了整个AI服务器芯片市场。 本文来自散户吧WWW.SANHUBA.COM

　　上一个摧枯拉朽般占领服务器市场的是英特尔，但它的CPU在高性能计算上败给了英伟达的GPU。同时，英特尔在芯片制程技术上也落后于台积电，其产品战略一直处于被动状态。相比之下，领先的英伟达已经一骑绝尘，而AMD也在后面紧追不舍，直抄英特尔的老窝。

本文来自散户吧WWW.SANHUBA.COM

　　随着英伟达的成功，下一代芯片研发方向更聚焦在如何深度结合AI模型上来，选择不仅仅只有GPU，因为提高算力的高昂代价绝大部分要归功于AI芯片，所以英伟达在模型训练芯片端的领先地位无疑会遭受挑战，英特尔、AMD、高通等企业开始摩拳擦掌，做好准备。

本文来自散户吧WWW.SANHUBA.COM

　　那么，在AI芯片，会有下一个英伟达吗？ 本文来自散户吧WWW.SANHUBA.COM

　　01 本文来自散户吧WWW.SANHUBA.COM

　　AI芯片必须先过一道槛

本文来自散户吧WWW.SANHUBA.COM

　　 本文来自散户吧WWW.SANHUBA.COM

　　按照部署位置，AI芯片可以分为云端、终端和边缘侧；按照任务划分又可以分为训练芯片和推理芯片。云端就是在数据中心进行模型训练，芯片需要支撑大量的数据运算，终端和边缘侧对算力要求稍弱一些，但要求快速响应的能力和低功耗，英伟达霸占了训练芯片这一领域，不过推理方面不乏比GPU更合适的芯片。 本文来自散户吧WWW.SANHUBA.COM

　　性能各异的专用AI芯片包括GPU、ASIC、FPGA、NPU等，可以简称为XPU，名称的不同反映了各自架构层面上的差异。专用AI芯片在所擅长的领域里有匹配GPU的能力，虽然少了可扩展性，但在效能和算力上领先更通用的GPU，尽管后者能做更多的事情。 本文来自散户吧WWW.SANHUBA.COM

　　这就回到了当初CPU在机器学习领域被弃用的逻辑，将来是否会有一款新的芯片可以对GPU发起冲击？ 本文来自散户吧WWW.SANHUBA.COM

本文来自散户吧WWW.SANHUBA.COM

　　目前全球大厂们都尤爱造芯，不过通用芯片人家没必要自己做，只会切合自己重要的业务方向来布局。

　　比如谷歌的TPU采用了ASIC，只针对卷积神经网络的加速器，特斯拉的Dojo是专门用于FSD的机器视觉分析芯片，以及国内百度、阿里也花费大量精力在自研芯片上。

本文来自散户吧WWW.SANHUBA.COM

　　一直以来，专用处理器并未真正给GPU带来过威胁，这主要与市场容量，资金投入，摩尔定律形成的正向循环有关。 本文来自散户吧WWW.SANHUBA.COM

　　根据IDC数据，21年中国AI芯片市场里，GPU占据89%的份额；NPU处理速度比GPU快上10倍，占据9.6%的份额，ASIC和FPGA占比较小，市场份额分别1%和0.4%。 本文来自散户吧WWW.SANHUBA.COM

　　过去三十年，台积电、三星等晶圆代工厂的崛起塑造了分工专业化的趋势，设备和先进制程的技术进步允许像英伟达、高通等芯片设计企业一展身手，也让苹果、谷歌等科技大厂开始用芯片定义产品和服务，专用芯片设计的土壤是肥沃的，大家都是受益者。 本文来自散户吧WWW.SANHUBA.COM

　　在竞争对手看来，GPU并非专门为机器学习而设计的芯片，之所以能成功，主要在于结合框架软件层形成的复杂生态，提高了芯片的通用性。

　　实际上，自2012年以来，每年头部训练模型算力需求按10倍在增长，一直在逼近摩尔定律下的算力极限。

本文来自散户吧WWW.SANHUBA.COM

本文来自散户吧WWW.SANHUBA.COM

　　而从11年Tesla M2090开始，数据中心产品GPU一直在更新迭代，先后推出Volta、Ampere、Hopper等针对高性能训练计算和AI训练的架构，保持每两年推出一代新产品的速度，浮点算力也从7.8 TFLOPS增至30 TFLOPS，涨幅接近4倍。

本文来自散户吧WWW.SANHUBA.COM

　　最新的H100，甚至已经把大模型训练的时间从一周缩短至一天。

本文来自散户吧WWW.SANHUBA.COM

本文来自散户吧WWW.SANHUBA.COM

　　基于英伟达在AI芯片领域的高份额，可以说，过去AI模型训练的算力增长主要由英伟达的GPU系列所支撑，这形成了一个正向反馈，随着芯片出货规模的增长，摊平了英伟达芯片的开发成本。 本文来自散户吧WWW.SANHUBA.COM

　　相比较未来的算力需求，一款通用芯片的技术迭代最终也会逐渐放缓，专用处理器只有跑通这个正向循环，才有可能在成本上与通用芯片们并驾齐驱。

本文来自散户吧WWW.SANHUBA.COM

　　不过难度在于，专用处理器仅仅着力在细分市场，市场规模根本比不上通用市场，相对于通用芯片的每单位性能提升，往往需要花上更长的时间，或者更大的出货量来摊薄成本，可是随着AI在应用场景中加速渗透，未来AI芯片的开支也会大幅增长，专用AI芯片、 CPU、GPU有望成为三条并行的线。 本文来自散户吧WWW.SANHUBA.COM

　　根据Precedence Research，2022年全球AI芯片市场规模为168.6亿美元，将以每年约30%的速度增长，预计到2032年达到约2274.8亿美元。

本文来自散户吧WWW.SANHUBA.COM

本文来自散户吧WWW.SANHUBA.COM

　　02

本文来自散户吧WWW.SANHUBA.COM

　　三家分晋，如何分庭抗礼？

　　 本文来自散户吧WWW.SANHUBA.COM

(小编：财神)