1713
6月26日，科技圈迎来了一个重要新闻。美国新兴的芯片创业公司Etched发布其首款AI芯片——Sohu。这款芯片在运行大型模型时展现出了惊人的性能，其速度超越了行业巨头英伟达的H100高达20倍，即便是与今年3月才面世的顶尖芯片B200相比，Sohu也展现出超过10倍的优越性能。
近两年的人工智能繁荣，让英伟达凭借GPU登上了芯片之巅。包括AMD、Intel、Graphcore、Cerebras和Tenstorrent等在内的传统和新贵芯片企业也在各施奇招，试图在这个领域将英伟达拉下马。
AI芯片的当前格局
AI芯片也被称为AI加速器或计算卡，是专门用于处理人工智能应用中的大量计算任务的模块，主要包括图形处理器（GPU）、现场可编程门阵列（FPGA）、专用集成电路（ASIC）等。根据Gartner的数据，2022年全球AI芯片市场规模为442亿美元，预计2027年增长至1194亿美元。
GPU，图形处理器，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。FPGA是一种半定制芯片，提供了一种灵活的解决方案。用户可以根据自身的需求进行重新编程配置硬件。
ASIC，即专用集成电路，相当于把某种特定的程序“硬件化”，并且只为一种任务优化，去掉不必要的功能，以达到比通用芯片更快并且功耗更低的目的。特别值得一提的是ASIC中的TPU，如Google的TPU、SOPHGO的高性能TPU，它们是为特定类型的机器学习任务而优化的处理器。TPU的设计针对深度学习算法的特定数学运算进行了优化，提供了高性能的计算能力，同时保持了较低的能耗。
对比来看，GPU的计算能力最强，但是成本高、功耗高；FPGA可编程，最灵活，但是计算能力不强；ASIC体积小、功耗低，适合量产，但是研发时间长，且不可编辑，前期投入成本高，带来一定的技术风险。AI芯片的选择取决于多种因素，包括应用场景、性能需求、成本考量以及开发时间。随着AI技术的不断进步和市场需求的日益增长，AI芯片的格局也在不断演变。
英伟达身价水涨船高
自2022年11月开始，OpenAI公司发布AI聊天机器人ChatGPT迅速风靡全球，并掀起了一场围绕AI大模型的竞赛和热潮。
作为AI底层算力“霸主”的英伟达，是这轮热潮中最大的受益者之一，其GPU产品在大模型训练上几乎无替代品。随着亚马逊、微软和谷歌等公司之间 AI “军备竞赛”升温，英伟达的A100和H100芯片成为大模型训练的“硬通货”。人工智能领域研究机构Gartner今年1月的数据表明，英伟达在全球人工智能芯片市场的市占率已超90%，创下新纪录。
今年3月，英伟达创始人兼CEO黄仁勋表示，英伟达 AI 超级计算机 DGX 是大模型背后的引擎，他曾亲手将全球首款DGX交给OpenAI 公司。自此之后，全球超100家头部企业中有一半安装了这款产品。6月2日，黄仁勋宣布，Blackwell芯片现已开始投产。
Blackwell GPU目前号称是“世界最强大的芯片”，集成2080亿颗晶体管，采用定制台积电4NP工艺，承袭“拼装芯片”的思路，采用统一内存架构+双芯配置，共有192GB HBM3e内存、8TB/s显存带宽，单卡AI训练算力可达 20000 TFLOPS。
这个算力可以说非常夸张了，黄仁勋对此表示称，仅用了八年时间，英伟达就使得 AI 算力从2016年Pascal的19 TFLOPS 提升到了2024年Blackwell的20000 TFLOPS，整整提升了1000倍，这一速度几乎超越了摩尔定律在最佳时期的增长。目前，英伟达的人工智能芯片出现供不应求的局面。AWS、戴尔、谷歌、Meta、微软、OpenAI、甲骨文、特斯拉、xAI都将采用Blackwell产品。甚至特斯拉CEO马斯克直言：“目前在AI领域，没有比英伟达硬件更好的。”
全球科技巨头卷向AI芯片赛道
从市场竞争的角度来看，黄仁勋的对手也在加速追赶的过程中，都想来争夺AI芯片爆发的美味蛋糕。
ChatGPT的开发者OpenAI正在探索自研AI芯片，同时开始评估潜在收购目标。AWS自研AI芯片阵容包括推理芯片Inferentia和训练芯片Trainium。特斯拉也积极参与AI加速器芯片的开发。特斯拉主要围绕自动驾驶需求，迄今为止推出了两款AI芯片：全自动驾驶（FSD）芯片和Dojo D1芯片。
6月3日，AMD公司CEO苏姿丰（Lisa Su）宣布，更新Instinct GPU系列路线图，将在每一代产品中带来年度领先的 AI 性能和内存功能，从而加速AMD在数据中心AI创新和领导地位。其中，全新 AMD Instinct MI325X AI加速器（芯片），将配备288GB HBM3E内存和 6TB/秒的内存带宽，采用与MI300系列相同设计。相比英伟达最强 AI 芯片H200，MI325X内存容量提高2倍、带宽提升1.3倍、计算性能提升1.3倍，最快2024年四季度上市。
同时，此次AMD还预览下一代AMD Instinct MI350系列——首款MI350X加速器，基于全新AMD CDNA 4架构，采用台积电3nm工艺，具有高达288 GB的HBM3E内存。相比MI300系列，新的MI350系列的 AI 推理性能将提高惊人的35倍（3500%），预计将于2025年上市。
Google早在2013年就秘密研发专注AI机器学习算法芯片，并用于云计算数据中心，取代英伟达 GPU。这款TPU自研芯片2016年公开，为深度学习模型执行大规模矩阵运算，如自然语言处理、计算机视觉和推荐系统模型。Google 其实在2020年的资料中心便建构 AI 芯片 TPU v4，直到2023年4月才首次公开细节。前面也有提到，TPU是一种定制化的ASIC芯片，它由谷歌从头设计，并专门用于机器学习工作负载。
国内AI芯片企业百花齐放
聚焦国内市场，去年上半年中国本土AI芯片品牌出货超5万张，市占率为10％。市占率鸿沟的背后，是英伟达深耕GPU市场三十余年建立起的强大壁垒。当下，国内AI芯片厂商在政策和需求的双重拉动下奋起直追，华为海思、寒武纪、地平线等也在各施奇招，争夺登上前往AI时代的一张新船票，为算力之争增添新动能。
寒武纪：AI芯片独角兽，中国ASIC路线先行者，成立于2016年，是全球AI芯片领域第一个独角兽初创公司，研发团队成员主要来自中科院。寒武纪产品布局全面覆盖云端、边缘端和终端场景。
华为海思：海思半导体成立于2004年10月，是华为的全资子公司。得益于母公司的全力支持和高研发投入。多年的技术积累使海思掌握了国际一流的IC设计与验证技术，拥有先进的EDA设计平台、开发流程和规范。产品覆盖智慧视觉、AIoT、智慧媒体、智慧交通及汽车电子、显示、手机终端、数据中心及光收发器等多个领域。
地平线：成立于2015年，专注于边缘智能驾驶芯片的研发，拥有领先的AI算法和芯片设计能力，通过“芯片+算法+工具链+开放平台”的商业模式，为智能驾驶和AIoT领域提供强大的算力支持和开放的开发生态。
对于互联网大厂来说，腾讯、百度、阿里巴巴等均在AI芯片领域大力布局。其中，腾讯投资燧原科技、百度投资昆仑芯、阿里巴巴则孵化了平头哥。
除此之外，原AMD全球GPGPU设计总负责人陈维良成立了沐曦集成电路，两位CTO均为前AMD首席科学家；原AMD首席工程师郑金山成立了天数智芯，首席技术官曾任三星全球副总裁；原商汤科技总裁张文成立了壁仞科技，CTO曾任职于海思的GPU自研团队。
不难看出，AI 芯片市场出现了越来越多的新鲜血液，有望形成“百花齐放”的局面，我们也更期待看到国内企业的突飞猛进。对于这个赛道未来的发展，仍然会有很多的可能性。
下载ECAD模型
