國(guó)產(chǎn)AI芯片如何撐起來(lái)？GPGPU和ASIC技術(shù)路線齊頭并進(jìn)

近期，特斯拉又對(duì)外放出自動(dòng)駕駛新成果。

8月29號(hào)，馬斯克駕駛一輛Model S，直播45分鐘以展示特斯拉FSD 12測(cè)試版，吸引了至少1200萬(wàn)人觀看，甚至知名科技博主Robert Scoble表示：世界從今晚開始改變。

在直播中，F(xiàn)SD 12測(cè)試版實(shí)現(xiàn)了全AI端到端的駕駛控制，僅有一次人為干預(yù)接管。馬斯克表示，F(xiàn)SD 12的行為是大量視頻訓(xùn)練的結(jié)果，AI可以自己學(xué)習(xí)駕駛，像人一樣判斷駕駛路況。另外，馬斯克透露正在籌備一個(gè)新算力集群，其中包含1萬(wàn)顆英偉達(dá)H100。

由此可見，自動(dòng)駕駛背后所需AI算力之海量。其中作為算力底座的AI芯片至關(guān)重要。

視角轉(zhuǎn)回國(guó)內(nèi)，當(dāng)前國(guó)內(nèi)AI芯片發(fā)展如何？

大模型訓(xùn)練芯片缺口較大

在介紹國(guó)產(chǎn)AI芯片技術(shù)發(fā)展情況之前，我們先需要弄明白大模型算力應(yīng)用在哪。

以自動(dòng)駕駛為例，算力應(yīng)用分為訓(xùn)練和推理兩個(gè)階段。

打個(gè)比方，人類為了掌握開車技術(shù)，需要上百個(gè)小時(shí)不斷學(xué)習(xí)，鞏固成為長(zhǎng)期記憶，才能學(xué)會(huì)操作汽車、學(xué)會(huì)看道標(biāo)。這個(gè)過(guò)程就對(duì)應(yīng)著自動(dòng)駕駛云端訓(xùn)練，用算法模擬人類神經(jīng)網(wǎng)絡(luò)，讓機(jī)器近乎學(xué)會(huì)人類的思考方式。為了讓自動(dòng)駕駛在任何場(chǎng)景都穩(wěn)定可靠，訓(xùn)練過(guò)程需要輸入海量數(shù)據(jù)，在這個(gè)過(guò)程中存在大量并發(fā)計(jì)算，需要TFLOPS（每秒萬(wàn)億次）級(jí)別的算力提供支持。

例如，在國(guó)內(nèi)，小鵬汽車為了訓(xùn)練自動(dòng)駕駛模型，2022年8月與阿里云聯(lián)合成立了當(dāng)時(shí)國(guó)內(nèi)最大的自動(dòng)駕駛智算中心，算力規(guī)模高達(dá)600PFLOPS，相當(dāng)于每秒可以完成60億億次的運(yùn)算。小鵬汽車董事長(zhǎng)何小鵬認(rèn)為，“如果現(xiàn)在不以智算中心的方式提前儲(chǔ)備算力，今后5年內(nèi)，企業(yè)算力成本會(huì)從億級(jí)，加到數(shù)十億級(jí)。”

在云端訓(xùn)練完自動(dòng)駕駛模型后，才到車端感知、決策推理環(huán)節(jié)。

再打個(gè)比方，人類學(xué)會(huì)開車后，還需要進(jìn)行科一到科四的考試，通過(guò)考試才能拿到駕照。而考試考的是什么？是駕駛員感知、決策、執(zhí)行的能力。這就對(duì)應(yīng)著自動(dòng)駕駛推理過(guò)程，即自動(dòng)駕駛經(jīng)過(guò)模型訓(xùn)練后，車載計(jì)算平臺(tái)再結(jié)合實(shí)時(shí)路況做出判斷。

因此，當(dāng)下AI芯片視應(yīng)用場(chǎng)景不同，也分為訓(xùn)練芯片、推理芯片、訓(xùn)推一體芯片。其中需求最旺盛的即是訓(xùn)練芯片。

GPGPU和ASIC技術(shù)路線齊頭并進(jìn)

對(duì)于訓(xùn)練芯片，目前主要分為GPGPU和ASIC兩類技術(shù)路線。

GPGPU是從GPU衍生而來(lái)，是弱化圖形處理，增強(qiáng)計(jì)算能力的產(chǎn)物。模型在訓(xùn)練過(guò)程中，存在大量的矩陣計(jì)算，GPU架構(gòu)特點(diǎn)即在于擅長(zhǎng)處理并行計(jì)算，因此GPGPU芯片可適合絕大多數(shù)AI計(jì)算場(chǎng)景，通用性更強(qiáng)。當(dāng)前AI芯片霸主-英偉達(dá)的主要產(chǎn)品A100、H100等，就屬于GPGPU架構(gòu)。

目前，國(guó)內(nèi)投入GPGPU芯片領(lǐng)域的廠商較少，原因在于GPGPU研發(fā)需要有充足的技術(shù)和資金儲(chǔ)備。知名的有海光信息、壁仞科技、沐曦等，其中較為領(lǐng)先的為海光。

海光深算一號(hào)早在2022年6月就實(shí)現(xiàn)了商用。據(jù)了解，海光深算一號(hào)性能不弱于主流的英偉達(dá)芯片，也能兼容英偉達(dá)的CUDA環(huán)境，適配性好。并且最大優(yōu)勢(shì)在于，深算一號(hào)是國(guó)內(nèi)唯一支持全精度計(jì)算的AI芯片，這讓海光可支持科學(xué)計(jì)算、AI計(jì)算、大數(shù)據(jù)計(jì)算等多種計(jì)算場(chǎng)景。

另一類技術(shù)路線為ASIC，一種為特定場(chǎng)景專門設(shè)計(jì)的集成電路，比如NPU。在AI算法領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)是仿造生物的視知覺(jué)機(jī)制構(gòu)建而成，是深度學(xué)習(xí)的代表算法之一。為滿足深度學(xué)習(xí)效率需求，隨著AI算法發(fā)展，模仿生物腦神經(jīng)的NPU應(yīng)運(yùn)而生。

由此可看出，ASIC芯片需要結(jié)合大模型算法做定向開發(fā)和調(diào)配，通用性沒(méi)有GPGPU那么強(qiáng)。國(guó)內(nèi)主要在做ASIC芯片的包括寒武紀(jì)、華為昇騰等，以及一些互聯(lián)網(wǎng)大廠，比如阿里含光、百度昆侖芯、騰訊紫霄等等，其性能也能滿足大多數(shù)計(jì)算場(chǎng)景的需要。

在大模型計(jì)算日益復(fù)雜的今天，由CPU+GPGPU+ASIC組成異構(gòu)計(jì)算系統(tǒng)成為算力供給最佳方案，絕大多數(shù)AI算力還是需要依靠GPGPU供給。

國(guó)產(chǎn)AI芯片商業(yè)化應(yīng)用還需努力

其實(shí)綜上來(lái)看，國(guó)內(nèi)AI芯片設(shè)計(jì)水平與國(guó)外差距不大，在性能方面也足以替代國(guó)外AI芯片。不過(guò)評(píng)判國(guó)產(chǎn)AI芯片產(chǎn)品發(fā)展好壞，不止是從設(shè)計(jì)到量產(chǎn)維度考量，能否大規(guī)模商業(yè)化應(yīng)用也是較為重要。

比如提到的國(guó)內(nèi)ASIC芯片，基本只用于自家云業(yè)務(wù)，對(duì)外提供芯片產(chǎn)品也需要龐大團(tuán)隊(duì)的深度優(yōu)化。主要原因一方面在于之前提到過(guò)的，ASIC芯片從研發(fā)之初就需要考慮算法適配情況；另一方面，ASIC芯片生態(tài)較為碎片分散，開發(fā)者上手難度較高。

相較于ASIC廠商，得益于GPGPU泛用性優(yōu)勢(shì)，GPGPU廠商商業(yè)化應(yīng)用做的更好一些。以海光為例，據(jù)其官方透露，海光深算一號(hào)目前已完成與百度、阿里等廠商互證，主要客戶是智算中心等“新基建”項(xiàng)目、行業(yè)用戶、AI廠商及互聯(lián)網(wǎng)企業(yè)，已商業(yè)化部署數(shù)十萬(wàn)片。

在國(guó)內(nèi)自動(dòng)駕駛、AIGC、垂直大模型等AI應(yīng)用愈發(fā)火熱的今天，國(guó)產(chǎn)AI芯片有希望撐起海量AI算力的需求。在解決性能問(wèn)題之后，國(guó)產(chǎn)AI芯片面對(duì)國(guó)外巨頭是有彎道超車可能性的，雖然未來(lái)仍需在生態(tài)建設(shè)與商業(yè)化發(fā)展方面大步追趕。

編輯：黃飛