前言: 人工智能推理的重要性日益凸顯,高效運(yùn)行端側(cè)大模型及AI軟件背后的核心技術(shù)正是推理。不久的未來,全球芯片制造商的主要市場將全面轉(zhuǎn)向人工智能推理領(lǐng)域。
Groq LPU崛起,AI芯片主戰(zhàn)場轉(zhuǎn)向
與AI訓(xùn)練相比,AI推理與用戶終端場景需求更為緊密,訓(xùn)練后的大規(guī)模模型需通過AI推理實(shí)際應(yīng)用到場景中。
然而,目前基于英偉達(dá)GPU的AI推理方案成本較高,性能和時(shí)延問題影響了用戶體驗(yàn)。
在Groq LPU亮相之前,大型AI模型的訓(xùn)練和推理均依賴于英偉達(dá)GPU,并采用CUDA軟件技術(shù)棧。
然而,Groq LPU的迅速崛起使市場開始猜測AI芯片的主戰(zhàn)場或?qū)挠?xùn)練轉(zhuǎn)向推理。
Groq LPU推理卡從硬件層面解決了性能和成本問題,使AI推理大規(guī)模部署成為可能,推動更多AI推理類應(yīng)用落地。
與此同時(shí),AI推理需求的增長將進(jìn)一步推動云端推理芯片的發(fā)展,尤其是更多可替代英偉達(dá)GPU的新一代專用推理芯片將應(yīng)用于數(shù)據(jù)中心。
在推理階段,AI模型需以極致速度運(yùn)行,旨在為終端用戶提供更多的Token,從而加快響應(yīng)用戶指令的速度。
需求帶動,重心從訓(xùn)練轉(zhuǎn)向推理
AI推理領(lǐng)域與大規(guī)模消費(fèi)電子等應(yīng)用終端需求緊密相關(guān),因此,行業(yè)發(fā)展重心有望從[訓(xùn)練]全面轉(zhuǎn)向[推理]。
相較于AI訓(xùn)練,推理領(lǐng)域在[海量數(shù)據(jù)轟炸]應(yīng)用背景下的GPU并行化算力需求遠(yuǎn)低于訓(xùn)練領(lǐng)域。
推理進(jìn)程涉及已訓(xùn)練模型的決策或識別,擅長處理復(fù)雜邏輯任務(wù)和控制流任務(wù)的以CPU為核心的中央處理器足以高效應(yīng)對諸多推理場景。
當(dāng)前,AI市場主要集中在使用大數(shù)據(jù)訓(xùn)練大語言模型的[訓(xùn)練]階段,英偉達(dá)成為這一領(lǐng)域的主要受益者。
然而,隨著AI大模型變得更精簡、可在設(shè)備上運(yùn)行并專注于推理任務(wù),芯片制造商的市場重心將轉(zhuǎn)向[推理],即模型應(yīng)用。
展望產(chǎn)業(yè)發(fā)展趨勢,AI算力負(fù)載有望逐步從訓(xùn)練向推理端遷移,從而降低AI芯片門檻。
覆蓋可穿戴設(shè)備、電動汽車及物聯(lián)網(wǎng)等領(lǐng)域的芯片公司有望全面滲透至AI推理芯片領(lǐng)域。
預(yù)計(jì)數(shù)據(jù)中心也將對專門用于已訓(xùn)練模型推理任務(wù)的處理器產(chǎn)生興趣,共同推動推理市場規(guī)模超越訓(xùn)練市場。
預(yù)計(jì)在一到兩年內(nèi),AI大模型在訓(xùn)練端和推理端都將產(chǎn)生巨量的算力/AI芯片需求。
如果未來大模型廣泛商用落地,推理端的算力/AI芯片的需求量將明顯高于訓(xùn)練端。
經(jīng)過兩到三年的AI訓(xùn)練用數(shù)據(jù)中心升級周期后,市場將看到更多來自推理芯片供應(yīng)商的銷量。
AI推理漸多,企業(yè)與資本也向推理轉(zhuǎn)移
AMD CEO蘇姿豐認(rèn)為:未來大模型推理市場的規(guī)模將遠(yuǎn)遠(yuǎn)大于模型訓(xùn)練市場。
英特爾CEO基辛格表示:當(dāng)推理發(fā)生時(shí),就不存在CUDA依賴性了,并不是說英特爾不會在訓(xùn)練領(lǐng)域展開競爭,而是從根本上說,推理市場才是競爭的焦點(diǎn)。
扎克伯格認(rèn)為:很明顯,下一代服務(wù)需要構(gòu)建全面的通用智能、構(gòu)建最好的AI助手、為企業(yè)創(chuàng)造者以及更多要在AI各個(gè)領(lǐng)域取得進(jìn)步——從推理到規(guī)劃到編碼到記憶和其他認(rèn)知能力。
伴隨著企業(yè)AI應(yīng)用逐步成熟,企業(yè)將把更多算力從模型訓(xùn)練轉(zhuǎn)移到AI推理工作中。
在芯片需求方面,訓(xùn)練芯片注重通用性,而推理芯片則與已訓(xùn)練完成的大模型具有高度綁定性。
隨著大模型應(yīng)用的不斷深化,推理需求也逐漸從云端遷移至邊緣/終端,并呈現(xiàn)出定制化的發(fā)展趨勢。
在全球AI芯片市場,先推理后訓(xùn)練成為主流路徑,例如英特爾收購的AI芯片公司Habana以及我國諸多AI初創(chuàng)公司。
這一選擇背后,是下游市場的催化作用:隨著AI模型訓(xùn)練逐漸成熟,AI應(yīng)用逐步落地,云端推理市場已逐漸超過訓(xùn)練市場。
人工智能計(jì)算資源正由訓(xùn)練大規(guī)模AI模型逐步轉(zhuǎn)向推理,因此在客戶端、邊緣和云之間需要構(gòu)建更為均衡的基礎(chǔ)設(shè)施。
據(jù)估計(jì),全球已有超過18家致力于AI大模型訓(xùn)練和推理的芯片設(shè)計(jì)初創(chuàng)公司,累計(jì)獲得超過60億美元融資,整體估值超過250億美元。
這些創(chuàng)業(yè)公司得到了諸如紅杉資本、OpenAI、五源資本、字節(jié)跳動等強(qiáng)大投資方的支持。
同時(shí),微軟、英特爾、AMD等科技巨頭也在加大[造芯]力度,使得英偉達(dá)面臨前所未有的競爭壓力。
與英偉達(dá)競速,各企業(yè)從細(xì)分領(lǐng)域突破
為降低模型訓(xùn)練與推理成本,業(yè)界持續(xù)探索實(shí)現(xiàn)高能效和高性能芯片架構(gòu)的更多可能性。
觀察諸如Meta、亞馬遜、Alphabet等科技巨頭,它們均在研發(fā)自家的AI芯片。
這些芯片更具專業(yè)性和明確目標(biāo),相較之下,英偉達(dá)的芯片則具備更高的通用性。
①AMD:最新發(fā)布的MI300包括兩大系列,MI300X系列是一款大型GPU,擁有領(lǐng)先的生成式AI所需的內(nèi)存帶寬和大語言模型所需的訓(xùn)練和推理性能;
MI300A系列集成CPU+GPU,基于最新的CDNA3架構(gòu)和Zen4 CPU,可以為HPC和AI工作負(fù)載提供突破性能。
去年12月,AMD在推出旗艦MI300X加速卡之外,還宣布Instinct MI300A APU已進(jìn)入量產(chǎn)階段,預(yù)估今年開始交付,上市后有望成為世界上最快的HPC解決方案。
去年7月,英特爾公司在北京發(fā)布了一款針對中國市場、采用7納米工藝的AI芯片Habana Gaudi2,該芯片可運(yùn)行大語言模型,加速AI訓(xùn)練及推理。
其運(yùn)行ResNet-50的每瓦性能約為英偉達(dá)A100的2倍,性價(jià)比相較于AWS云中基于英偉達(dá)的解決方案高出40%。
②英特爾:宣布與Arm公司合作,使其至強(qiáng)產(chǎn)品部署到Arm CPU上,并推出AI推理和部署運(yùn)行工具套件OpenVINO。
此外,開源模型如LIama2陸續(xù)發(fā)布,促使更多企業(yè)直接使用這些模型,僅需AI推理芯片即可應(yīng)用,從而減少了對算力訓(xùn)練芯片的需求。
英特爾去年年底推出了新的計(jì)算機(jī)芯片,其中包括用于生成人工智能軟件的人工智能芯片Gaudi3。
Gaudi3將于今年推出,將與英偉達(dá)和AMD等競爭對手的芯片競爭,為大型且耗電的人工智能模型提供動力。
③Meta:計(jì)劃在今年投產(chǎn)自研芯片,降低AI加速卡采購成本,減少對英偉達(dá)的依賴。
該芯片功耗僅25瓦,為英偉達(dá)相同產(chǎn)品功耗的0.05%,并采用RISC-V開源架構(gòu)。市場消息透露,該芯片由臺積電7納米工藝生產(chǎn)。
Meta近期宣布已構(gòu)建自有DLRM推理芯片,并已廣泛部署。
這款ASIC內(nèi)部被稱為[Artemis],主要性能集中在推理領(lǐng)域,基于去年宣布的第二代內(nèi)部芯片產(chǎn)品線。
扎克伯格在視頻中透露了Meta人工智能計(jì)劃的更新路線圖:Meta將圍繞即將推出的Llama3構(gòu)建全新的Meta AI路線圖,目前正在推進(jìn)Llama3的AI訓(xùn)練。
Llama3將與Google最近發(fā)布的Gemini模型、OpenAI的GPT-4,以及即將推出的GPT-5模型競爭。
④英偉達(dá):去年8月,英偉達(dá)宣布推出新一代GH200 Grace Hopper超級芯片,新芯片將于今年第二季投產(chǎn)。
GH200和GH200NVL將采用基于Arm的CPU和Hopper解決大型語言模型的訓(xùn)練和推理問題。
英偉達(dá)計(jì)劃基于x86架構(gòu)推出B100替代H200,并基于ARM架構(gòu)的推理芯片GB200替代GH200。
此外,英偉達(dá)還規(guī)劃了B40產(chǎn)品來替代L40S,以提供更好的面向企業(yè)客戶的AI推理解決方案。
根據(jù)英偉達(dá)計(jì)劃于今年發(fā)布Blackwell架構(gòu),采用該架構(gòu)的B100 GPU芯片預(yù)計(jì)將大幅提高處理能力。
初步評估數(shù)據(jù)表明,與現(xiàn)有采用Hopper架構(gòu)的H200系列相比,性能提升超過100%。
⑤亞馬遜:去年初,AWS發(fā)布專為人工智能打造的Inferentia2(Inf2),計(jì)算性能提高三倍,加速器總內(nèi)存提高25%,支持分布式推理。
通過芯片之間的直接超高速連接,Inf2支持分布式推理,可以處理多達(dá)1750億個(gè)參數(shù),使其成為當(dāng)今人工智能芯片市場上最強(qiáng)大的內(nèi)部制造商。
單點(diǎn)突破有收獲,國產(chǎn)有望追平
與此同時(shí),我國華為、天數(shù)智芯等AI芯片制造商也在積極布局大模型訓(xùn)練推理及AI算力產(chǎn)品。
當(dāng)前,我國廠商如寒武紀(jì)、燧原、昆侖芯等的產(chǎn)品已具備與市場主流的Tesla T4正面競爭的實(shí)力:其能效比為1.71TOPS/W,與T4的1.86TOPS/W差距微小。
選擇GPGPU的登臨科技、天數(shù)智芯、燧原科技已實(shí)現(xiàn)訓(xùn)練與推理的全面覆蓋,而ASIC類芯片如平頭哥,則需專注于推理或訓(xùn)練場景。
①億鑄科技:基于CIM框架、RRAM存儲介質(zhì)的研發(fā)的[全數(shù)字存算一體]大算力芯片,通過降低數(shù)據(jù)搬運(yùn)提高運(yùn)算能效比,同時(shí)借助數(shù)字存算一體方法確保運(yùn)算精度,適用于云端AI推理和邊緣計(jì)算。
②寒武紀(jì):思元370作為寒武紀(jì)第三代云端產(chǎn)品,運(yùn)用7納米制程工藝,成為我國首款采用Chiplet技術(shù)的AI芯片,其最大算力可達(dá)256TOPS(INT8)。
寒武紀(jì)主要采用ASIC架構(gòu),雖通用性較差,但在特定應(yīng)用場景下,其算力可超越GPU。
有測試結(jié)果顯示,590性能接近A100的90%性能;590基本支持主流模型,綜合性能接近A100的80%水平。
此外,思元370也是寒武紀(jì)首款采用Chiplet技術(shù)的AI芯片,集成了390億個(gè)晶體管,最大算力高達(dá)256TOPS(INT8)。
③平頭哥:去年8月,平頭哥發(fā)布首個(gè)自研RISC-V AI平臺,支持運(yùn)行170余個(gè)主流AI模型,推動RISC-V進(jìn)入高性能AI應(yīng)用時(shí)代。
同時(shí),平頭哥宣布玄鐵處理器C920全新升級,C920執(zhí)行GEMM計(jì)算較Vector方案可提速15倍。
④壁仞科技:其BR100系列基于自主原創(chuàng)的芯片架構(gòu)開發(fā),采用成熟的7納米工藝制程,集成770億晶體管,16位浮點(diǎn)算力達(dá)到1000T以上、8位定點(diǎn)算力達(dá)到2000T以上,單芯片峰值算力達(dá)到PFLOPS級別。
同時(shí),BR100結(jié)合了包括Chiplet等在內(nèi)的多項(xiàng)業(yè)內(nèi)前沿芯片設(shè)計(jì)、制造與封裝技術(shù),具有高算力、高能效、高通用性等優(yōu)勢。
⑤燧原科技:成立5年多來,已建成云端訓(xùn)練和云端推理兩條產(chǎn)品線,并開發(fā)出云燧T10、云燧T20/T21訓(xùn)練產(chǎn)品以及云燧i10、云燧i20等推理產(chǎn)品。
據(jù)媒體報(bào)道,燧原科技第三代AI芯片產(chǎn)品將于今年初上市。
⑥華為:昇騰310是面向推理和邊緣計(jì)算場景的低功耗芯片,是國內(nèi)面向邊緣計(jì)算場景最強(qiáng)算力的AI SoC。
昇騰310芯片可以實(shí)現(xiàn)高達(dá)16Tops的現(xiàn)場算力,支持同時(shí)識別包括車、人、障礙物、交通標(biāo)志在內(nèi)的200個(gè)不同的物體;一秒鐘內(nèi)可處理上千張圖片。
華為昇騰系列AI芯片具備一項(xiàng)獨(dú)特優(yōu)勢,即采用了華為自主研發(fā)的統(tǒng)一且可擴(kuò)展的架構(gòu)。
這一架構(gòu)實(shí)現(xiàn)了從極低功耗到極高算力場景的全覆蓋,使得一次開發(fā)即可適用于所有場景的部署、遷移及協(xié)同,從而顯著提升了軟件開發(fā)效率。
結(jié)尾:
隨著大模型在各類場景中的應(yīng)用日益廣泛,推理環(huán)節(jié)的重要性日益凸顯。
因此,我們需要關(guān)注推理芯片的計(jì)算需求和系統(tǒng)配置,以降低成本、提升易用性,進(jìn)而促進(jìn)大模型在各個(gè)領(lǐng)域的迅速普及。
審核編輯:劉清
-
人工智能
+關(guān)注
關(guān)注
1787文章
46060瀏覽量
234955 -
中央處理器
+關(guān)注
關(guān)注
1文章
123瀏覽量
16442 -
AI芯片
+關(guān)注
關(guān)注
17文章
1828瀏覽量
34663 -
OpenAI
+關(guān)注
關(guān)注
9文章
988瀏覽量
6252 -
大模型
+關(guān)注
關(guān)注
2文章
2134瀏覽量
1971
原文標(biāo)題:深度丨AI芯片主戰(zhàn)場:從訓(xùn)練轉(zhuǎn)向推理?
文章出處:【微信號:World_2078,微信公眾號:AI芯天下】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論