全球科技巨頭紛紛下場卷向AI芯片賽道。

2023年，“生成式人工智能”無疑是科技行業最熱門的術語。

OpenAI推出的生成應用ChatGPT引發了市場狂熱，促使各科技巨頭紛紛加入競爭。

據TechNews報道，目前NVIDIA通過提供AI加速器占據市場主導地位，但這導致了市場上其AI加速器的短缺。甚至OpenAI也打算開發自己的芯片，以避免受到供應鏈緊張的限制。

在當前的AI發展浪潮中，NVIDIA無疑是AI算力的領跑者。其A100/H100系列芯片已獲得全球人工智能市場頂級客戶的訂單。

華爾街投資銀行 Bernstein Research 的分析師 Stacy Rasgon 表示，使用 ChatGPT 進行的每次查詢的成本約為 0.04 美元。如果 ChatGPT 查詢規模擴大到 Google 搜索量的十分之一，初始部署將需要價值約 481 億美元的 GPU 進行計算，每年需要價值約 160 億美元的芯片來維持運營，以及類似的相關芯片執行任務的數量。

? 因此，無論是為了降低成本、減少對NVIDIA的過度依賴，甚至是進一步增強議價能力，全球科技巨頭都啟動了開發自己的AI加速器的計劃。

? 據科技媒體 The Information援引行業消息人士報道，微軟、OpenAI、特斯拉、谷歌、亞馬遜和 Meta 等六大全球科技巨頭都在投資開發自己的 AI 加速器芯片。這些公司預計將與 NVIDIA 的旗艦 H100 AI 加速器芯片展開競爭。

? ?科技巨頭自研芯片進展

微軟

? 2023年11月，微軟在年度 IT 專業人士和開發者大會 Ignite 上推出兩款自研芯片 —— 云端 AI 芯片微軟 Azure Maia 100、服務器 CPU 微軟 Azure Cobalt 100。

? Maia 100 是微軟為微軟云中大語言模型訓練和推理而設計的第一款AI芯片，采用臺積電 5nm 工藝，擁有 1050 億顆晶體管，針對 AI 和生成式 AI 進行了優化，支持微軟首次實現的低于 8 位數據類型（MX 數據類型）。微軟已經在用搜索引擎 Bing 和 Office AI 產品測試該芯片。

? Cobalt 100 是微軟為微軟云定制開發的第一款 CPU，也是微軟打造的第一款完整的液冷服務器 CPU，采用 Arm Neoverse CSS 設計、128 核。

? 微軟還定制設計了一個 AI 端到端機架，并搭配了一個“助手”液冷器，原理類似于汽車散熱器。

? 兩款芯片明年年初開始在微軟數據中心推出，最初為微軟的 Copilot 或 Azure OpenAI Service 等服務提供動力。微軟已經在設計第二代版本的 Azure Maia AI 芯片和 Cobalt CPU 系列。

? 這些芯片代表了微軟交付基礎設施系統的最后一塊拼圖 —— 從芯片、軟件和服務器到機架和冷卻系統的一切，微軟這些系統都是由上到下設計的，可以根據內部和客戶的工作負載進行優化。

? OpenAI

? 據悉，OpenAI也正在探索自研AI芯片，同時開始評估潛在收購目標。在其招聘網站上，最近也出現了AI硬件共同開發、評估相關崗位。OpenAI擬籌建的合資企業與總部位于阿布扎比的 G42 和軟銀集團等潛在投資者進行了討論，旨在解決當前和預期的人工智能相關芯片供應短缺問題。

? 毫無疑問，該項目的財務和運營規模顯然是巨大的。Altman僅與G42的討論就集中在籌集80億至100億美元之間。該項目的全部范圍和合作伙伴名單仍處于早期階段，這表明建立此類設施網絡需要大量投資和時間。

? 盡管還不清楚Altman是否計劃購買一家成熟的代工廠來生產AI芯片，或建立一個全新的晶圓廠網絡來滿足OpenAI及其潛在合作伙伴的需求，但此前有人分析Altman可能會考慮把參與投資的芯片公司納入麾下，包括CerebrasRain NeuromorphicsAtomic SemiCerebras、Rain Neuromorphics、tomic Semi。

? 特斯拉

? 電動汽車制造商特斯拉也積極參與AI加速器芯片的開發。特斯拉主要圍繞自動駕駛需求，迄今為止推出了兩款AI芯片：全自動駕駛（FSD）芯片和Dojo D1芯片。

? FSD芯片用于特斯拉汽車的自動駕駛系統，而Dojo D1芯片則用于特斯拉的超級計算機。它充當通用 CPU，構建 AI 訓練芯片來為 Dojo 系統提供動力。

? 谷歌

? Google 也早在 2013 年就秘密研發專注 AI 機器學習算法芯片，并用于云計算數據中心，取代英偉達 GPU。

? 這款TPU自研芯片2016年公開，為深度學習模型執行大規模矩陣運算，如自然語言處理、計算機視覺和推薦系統模型。Google 其實在 2020 年的資料中心便建構 AI 芯片 TPU v4，直到 2023 年 4 月才首次公開細節。

? 2023年12月6日，谷歌官宣了全新的多模態大模型Gemini，包含了三個版本，根據谷歌的基準測試結果，其中的Gemini Ultra版本在許多測試中都表現出了“最先進的性能”，甚至在大部分測試中完全擊敗了OpenAI的GPT-4。

? 而在Gemini出盡了風頭的同時，谷歌還丟出了另一個重磅炸彈——全新的自研芯片TPU v5p，它也是迄今為止功能最強大的TPU。

? 根據官方提供的數據，每個TPU v5p pod在三維環形拓撲結構中，通過最高帶寬的芯片間互聯（ICI），以4800 Gbps/chip的速度將8960個芯片組合在一起，與TPU v4相比，TPU v5p的FLOPS和高帶寬內存（HBM）分別提高了2倍和3倍。

? 除此之外，TPU v5p訓練大型 LLM 模型的速度比上一代TPU v4快2.8倍，利用第二代SparseCores，TPU v5p訓練嵌入密集模型的速度比TPU v4快1.9倍。TPU v5p在每個pod的總可用FLOPs方面的可擴展性也比TPU v4高出4倍，且每秒浮點運算次數（FLOPS）增加了一倍，單個pod中的芯片數量也增加了一倍，大大提高了訓練速度的相對性能。

? 亞馬遜

? 亞馬遜旗下的云計算服務提供商亞馬遜網絡服務（AWS），自2013年推出Nitro1芯片以來，它一直是開發自有芯片的先驅。AWS此后開發了自研芯片的三個產品線，包括網絡芯片、服務器芯片、AI機器學習芯片。

? 其中，AWS自研AI芯片陣容包括推理芯片Inferentia和訓練芯片Trainium。

? 此外，AWS于2023年初推出了專為人工智能設計的Inferentia 2（Inf2）。它將計算性能提高了三倍，同時將加速器總內存增加了四分之一。

? 它通過芯片之間直接超高速連接支持分布式推理，可處理多達1750億個參數，使其成為當今AI芯片市場上最強大的內部制造商。

? Meta

? Meta 在 2022 年之前繼續使用專為加速 AI 算法而定制的 CPU 和定制芯片組來執行其 AI 任務。然而，由于 CPU 在執行 AI 任務方面與 GPU 相比效率較低，Meta 放棄了 2022 年大規模推出定制設計芯片的計劃，而是選擇購買價值數十億美元的 NVIDIA GPU。

? 盡管如此，在其他主要廠商開發內部人工智能加速器芯片的浪潮中，Meta 也涉足內部芯片開發。

? 2023年5月19日，Meta進一步公布了其人工智能訓練和推理芯片項目。該芯片功耗僅為25瓦，是NVIDIA同類產品功耗的1/20。它采用RISC-V開源架構。據市場報道，該芯片也將采用臺積電的7納米制造工藝生產。

? 美國去年10月擴大禁止向中國出售先進人工智能芯片，英偉達雖然迅速為中國市場量身訂造新芯片，以符合美國出口規定。但近日有消息指出，阿里巴巴、騰訊等中國云計算大客戶，并不熱衷購買功能降低的減規版H20芯片，轉成國內采購。策略轉變顯示透過部分先進半導體訂單轉給中國公司，將更依賴中國本土廠商芯片。

? TrendForce表示，中國云端業者約八成高階AI芯片購自英偉達，五年內可能降至50%~60%。若美國繼續加強芯片管制，可能對英偉達中國地區銷售造成額外壓力。

? 審核編輯：黃飛