4223
作者：叶子凌，编辑：陈彬
前几天，英伟达成为首家市值达到2万亿美金的芯片公司，创造了历史。同一时间，一家名为Groq的初创公司横空出世，扬言“三年之内赶超英伟达”。
Groq狠话的底气，来源于它所开发的芯片——LPU。
LPU的全称是Language Processing Unit，翻译过来就是语言处理单元，是一种新型AI加速器。在它的支持下，大模型的推理速度快得惊人，瞬间能输出长篇幅答案；而使用了英伟达芯片的GPT-4，只能一个字一个字往外蹦。
前者的响应速度最高可达到500T/S，而后者只有40T/S[1]。
这是什么概念？相当于一秒钟生成300个单词，7分钟生成一部《哈姆雷特》长度级的文章。
Groq背后的团队也可谓群星璀璨，公司CEO Jonathan Ross是谷歌初代TPU的设计者之一。早期谷歌TPU团队的10位成员中，8位都跳槽到了Groq。
自2016年成立，Groq就饱受市场关注。2020年，Groq的芯片被美国阿贡实验室采用。2021年，Groq获老虎环球基金等机构投资，估值超过10亿美元。
然而，Groq公司的各种“挑衅”，英伟达完全没放在眼里。相比之下，此前“奥特曼7万亿美元造芯”的新闻出来之后，黄仁勋至少还出来说了两句。
毕竟，眼下Groq的种种套路，老黄可再熟悉不过了。
文字游戏
当下，制约AI芯片发展的主要困境，是内存墙：内存的传输速度远远慢于处理器算力，导致性能迟迟上不去。
如果把芯片想象成一个餐厅，那么内存就是仓库，处理器就是后厨。
仓库送菜比后厨烹饪还慢，严重限制了餐厅的出菜速度。因此，包括英伟达在内的芯片厂商，都在围绕“仓库（内存）”做文章。而Groq碾压英伟达的秘诀，也藏在内存结构里。
传统计算机所使用的内存，其实有两种：
DRAM容量较大，但传输速度较慢，起主存作用；而SRAM容量较小，但传输速度极快，作为缓存发挥辅助作用。一直以来，二者都是合作关系，缺一不可。
但Groq为了追求极致的速度，摒弃了DRAM，让SRAM扛起了LPU主存大旗。
相当于砍掉距离厨房较远的大仓库，直接将所有食材都堆在厨房边的菜篮子里。这样的设计思路下，LPU不但在速度上形成降维打击，还轻松绕过了两个成本最高的技术：HBM和先进封装。
这也构成了Groq另一个大吹特吹的宣传核心：便宜。
根据Semi Analysis的拆解，LPU由于具备架构优势，物料成本仅为1050美元。相比之下，去年全球疯狂的H100芯片，物料成本则达到3700美元[2]。
在售价层面，一块LPU的价格是20000美元，远低于H100的35000美元。
但历史无数次告诉我们，大部分弯道超车的结局都是有田下山，LPU也不例外。
大模型对内存大小也有着很高的要求。参数量越大的模型，运行时所需要存储的数据也会更多。
SRAM虽然快，但缺陷是容量小，通常只有4-16MB。Groq研发团队多年苦心钻研，最终也只是将LPU的容量提升至230MB。而一块H100的内存容量是80GB，两者间差了约356倍。菜篮子再怎么升级换代，终究无法和仓库相提并论。
想装下所有的食材，唯一的办法就是把菜篮子数量堆上去。因此，在运行同样参数的模型时，需要用到的LPU数量就远远高于GPU。
前阿里技术副总裁贾扬清就算了一笔账：
以运行LLaMA 70b模型为例，需要572张LPU，售价1144万美元；但如果换成H100，其实只需要8张，总价格在30万美元左右——所谓的“便宜”压根不成立。
芯片一多，整体的功耗成本也直线上升。LPU每年至少消耗25.4万美元电费，而H100顶多花费2.4万美元。
事实证明，Groq的遥遥领先，只是隐去了核心信息的文字游戏。它所宣传的“高速”，是以近乎夸张的使用成本换来的：运行三年LLaMA 70b模型，LPU的使用成本将比英伟达的GPU高出32倍。
当然，Groq的研发团队，显然对此心知肚明。选择此时大张旗鼓，更像是一种拉投资的举动。
事实上，这已经不是Groq第一次公开“蹭热度”了。
之前GPT Store刚发布时，Groq给OpenAI的奥特曼发了一封信，嘲笑使用GPTs跟在“深夜读《战争与和平》一样缓慢”。马斯克的聊天机器人Grok发布时，它也跑去贴脸嘲讽，质疑Grok抄袭了自己的名字。
过去几年，打着“替代英伟达”旗号的初创公司数不胜数，Groq只不过是其中之一。目前，在超车英伟达的这条弯道，已经出现了严重塞车。
前车之鉴
Groq最直观的参考样本，来自英国公司Graphcore。
Graphcore诞生之初，也曾拿着“技术路线别出心裁、演示视频酷炫惊艳、性能数据秒杀同行”的剧本，拳头产品IPU与Groq的LPU设计思路异曲同工，也是用高速的SRAM取代DRAM作为芯片内存，以实现极致的传输性能。
同时，Graphcore调整了芯片架构，专注于处理高性能计算。
它曾颇有自知之明地表示“不与英伟达直接竞争”，只将目标客户定位在，特别需要大量高性能计算的化学材料和医疗等特殊领域。
2019年，微软成为Graphcore首款IPU的大客户。2020年5月，微软科学家将IPU内置于微软Azure操作系统中，用于识别胸部X光片。这位科学家说道：
“Graphcore芯片可以在30分钟内完成，GPU需要5个小时才能完成的工作。”
在最风光的2016至2020年间，Graphcore共拿到了7.1亿美元融资，估值高达27.7亿美元，一度被视为全英国乃至欧洲全村的希望。Graphcore的投资者不仅有微软、三星、戴尔等科技巨头，也囊括了红杉资本、柏基投资等顶级风投。
相比今天的Groq，当年的Graphcore只能说有过之无不及。但Graphcore的后续发展却远远不及当时的预期。
2022年，Graphcore全年营收只有270万美元，为英伟达同期收入的万分之一，且相较前一年下降46%，亏损达到了2亿美元。2023年，人工智能浪潮爆发，英伟达业绩再度暴涨。H100一卡难求之时，Graphcore以为自己至少能捡到英伟达的漏，结果却连汤都没喝着。
去年，Graphcore的创始人Nigel Toon向英国首相写了篇“公开信”，讨要补贴。
他写道，“Graphcore已经为英国预留了多达3000个IPU芯片，可以为整个国家提供服务”，几乎已经是明示要钱[4]。
不久前，一面业绩亏损，一面融资无果的Graphcore走向了最后一条路：寻求收购。根据The Telegraph爆料，其售价可能在5亿多美元——不到2020年最高估值时期的五分之一[5]。
当年，以Graphcore为首的挑战者们，各怀绝学，来势汹汹，颇有一种八大门派围攻光明顶的既视感。然而，如今多已散作鸟兽状。
去年3月，芯片公司Mythic一度因资金耗尽而濒临倒闭，快要淹死之际，才好不容易等到了救命缰绳，拿到了1300万美元融资。
另一家芯片公司Blaize也出现了类似的困境，最后靠着中东土豪的投资，才活了下来。
剩下的公司中，Habana可能是唯一活得不错的——它被英特尔以20亿收购，保留了独立运营的权利。
从Graphcore到Mythic，这些芯片公司的技术路线各不相同；然而，它们失败的原因，却出奇一致。事实上，今天大火的Groq，同样也极有可能倒在同一个地方：
芯片卖不出去。
真正的护城河
英伟达的GPU固然厉害，但它卖芯片的套路，才是真正的护城河。
每年，英伟达都会投入相当一部分的研发经费，围绕GPU搭建系统性能力。当然，这是高情商的说法，低情商的说法是开发一起“捆绑销售”的产品——这才是英伟达最坚实的城墙。目前，英伟达的城墙共有3层：
第一层城墙，是CUDA的编程生态。
众所周知，GPU最初的使用场景是游戏与视频图像渲染。早期，一些华尔街精英偶尔利用GPU的并行计算能力来跑交易，但由于需要重新编写大量代码，因此并未广泛传播开来。
黄仁勋坚信GPU能用于更多领域，因此在2006年推出了降低编程门槛的软件架构CUDA，和自家GPU捆绑推出。
后来，苹果和AMD都推出了类似平台，但此时CUDA生态早已构建，在“用得人越多，CUDA越好用，新开发者越倾向于选择CUDA”的良性循环中稳定前进。
如今，CUDA可以让英伟达GPU的使用成本大幅降低。
一位私有云CEO曾在接受采访时说过，理论上AMD卡也不是不能用，但要把这些卡调试到正常运转，需要多耗费两个月[6]——找谁下单，答案不言而喻。
第二层城墙，是NV-Link的高速传输。
一个数据中心，不可能只使用一块AI芯片。然而，如果将2块AI芯片连在一起，那么实际算力必然会小于2，因为数据传输的速度慢于芯片算力，且过程中还存在损耗。
显然，在GPU数量迅速膨胀的数据中心内，解决数据传输问题其关键。
2016年，英伟达为IBM服务器提供GPU时，首次用上了自研的NVLink技术，带宽高达80G/s，通信速度提高了5倍，性能提升了14%，好评不断。此后几年，英伟达一边迭代NVLink技术，一边规定该技术必须绑定自家芯片使用。
套路虽然简单直白，但就是有效。
而第三层城墙，则是英伟达的“铁杆好兄弟联盟”。
过去一年，英伟达是全球最主要的人工智能投资人之一，活跃程度甚至超过了a16z和红杉等顶级投资机构。
据外媒统计，英伟达去年至少有35笔人工智能投资，包括：由前DeepMind联合创始人创办的Inflection AI，欧洲人工智能独角兽Mistral，世界最大的开源模型社区Hugging Face等等[7]。
积极投资的目的，其实很简单：当黄仁勋提着美金和H100芯片，敲开这些公司的大门，没有人会再拒绝英伟达。
这所有的一切，足以让市面上绝大多数公司，都绑死在英伟达的船上。
面对性能强大的英伟达GPU，各路初创公司们或许有办法，打造出性能相匹敌的产品。然而。英伟达卖芯片的套路，却让这些公司始终难以招架。因此，Graphcore等挑战者的失败，真的不是不努力。
当眼下的炒作逐渐回归寂静，Groq也得思考相同的问题：到底谁会翻过三座大山，来买LPU？
尾声
2月23日，英伟达市值突破2万亿美元。距离上一个1万亿，仅仅过了9个月。
Groq的爆火，让市场又一次开始讨论同一个问题：到底有没有人能叫板英伟达？
遗憾的是，英伟达远比人们想象的要强大。人工智能浪潮给芯片行业提供了一块大蛋糕，英伟达并没有分的意思，而是整个端走塞进了口袋。
芯片初创公司Mythic的CEO曾愤然表示，人工智能火了，他们却更难融资了，就是英伟达“搞坏了大环境”。
根据PitchBook数据，截至2023年8月底，美国芯片初创企业融资8.814亿美元，约为2022年同期的一半。交易数量的变化则更加触目惊心：从23宗减少到了4宗[8]。Graphcore、Mythic的前车之鉴历历在目，所以也不怪Groq跟大家玩儿文字游戏。面对这么一个“汤都不给喝”的庞然大物，Groq又能怎么办呢？
参考资料
[1] Jay Scambler，X[2] Groq Inference Tokenomics: Speed, But At What Cost，Semi Analysis[3] 大模型最快推理芯片一夜易主：谷歌TPU创业团队打造，量子位[4] OPEN LETTER TO THE UK PRIME MINISTER ON INVESTMENT IN EXASCALE COMPUTE，Graphcore[5] British AI champion explores foreign sale，The Telegraph[6] Nvidia H100 GPUs: Supply and Demand，GPU Utils[7] Nvidia emerges as leading investor in AI companies，FT[8] Nvidia's dominance in AI chips deters funding for startups，reuters
编辑：陈彬视觉设计：疏睿责任编辑：陈彬
下载ECAD模型
