?
隨著我國(guó)高性能計(jì)算、AI計(jì)算及邊緣計(jì)算需求提升，超算中心、智算中心及邊緣數(shù)據(jù)中心將進(jìn)一步發(fā)展，特別是智算中心，正在從早期實(shí)驗(yàn)探索逐步走向商業(yè)試點(diǎn)。
從傳統(tǒng)芯片一統(tǒng)產(chǎn)業(yè)的時(shí)代走來，AI芯片的發(fā)展并非一帆風(fēng)順，泡沫充斥、資本遇冷、人才稀缺……不過，在半導(dǎo)體產(chǎn)業(yè)整體步入下行周期的2022年，AI芯片反倒扛住了爭(zhēng)議和質(zhì)疑，在服務(wù)器、汽車等領(lǐng)域顯現(xiàn)出了日益放大的價(jià)值效應(yīng)。
2022年的這三大技術(shù)和應(yīng)用趨勢(shì)，有望成為AI芯片未來幾年的關(guān)鍵動(dòng)力：
智能算力反超通用算力規(guī)模
當(dāng)前，我國(guó)通用算力的數(shù)據(jù)中心仍是市場(chǎng)主力，按機(jī)架規(guī)模統(tǒng)計(jì)，占比超過90%。隨著我國(guó)高性能計(jì)算、AI計(jì)算及邊緣計(jì)算需求提升，超算中心、智算中心及邊緣數(shù)據(jù)中心將進(jìn)一步發(fā)展，特別是智算中心，正在從早期實(shí)驗(yàn)探索逐步走向商業(yè)試點(diǎn)。
IDC數(shù)據(jù)顯示，2022年我國(guó)智能算力規(guī)模達(dá)到268 EFLOPS，超過通用算力規(guī)模。預(yù)計(jì)未來五年，我國(guó)智能算力規(guī)模的年復(fù)合增長(zhǎng)率將達(dá)52.3%，超出同期通用算力規(guī)模18.5%的年復(fù)合增長(zhǎng)率，到2026年，我國(guó)智能算力規(guī)模將達(dá)到1271.4EFLOPS。
同時(shí)，邊緣計(jì)算需要處理的數(shù)據(jù)量會(huì)越來越多，算力要求也將逐步提高。邊緣側(cè)的設(shè)備也不再拘泥于簡(jiǎn)單的數(shù)據(jù)采集，還會(huì)有大量的邊緣網(wǎng)關(guān)、邊緣AI、邊緣可擴(kuò)展型服務(wù)器等設(shè)備，協(xié)助前端數(shù)據(jù)處理，將處理后的數(shù)據(jù)傳輸給云端，有效減輕云端的數(shù)據(jù)壓力，用戶也可根據(jù)自己的實(shí)際業(yè)務(wù)，靈活就近選擇邊緣計(jì)算節(jié)點(diǎn)或中心云計(jì)算節(jié)點(diǎn)。
邊緣計(jì)算場(chǎng)景大致有兩條路線：一是高性能通用處理器做專用設(shè)備，為場(chǎng)景提供專用算力;二是高度集成化、低功耗化的SoC芯片，通過自主設(shè)計(jì)降低功耗的同時(shí)，可實(shí)現(xiàn)中低端邊緣計(jì)算設(shè)備的戶外現(xiàn)場(chǎng)應(yīng)用，可大量部署在工業(yè)等現(xiàn)場(chǎng)。這些方案也可以疊加AI芯片、FPGA等，針對(duì)某類場(chǎng)景提供定制化算法，提升邊緣計(jì)算的能力。
從AI芯片角度來看，隨著AI產(chǎn)業(yè)技術(shù)不斷提升，產(chǎn)業(yè)AI化加速落地，AI芯片市場(chǎng)將高速增長(zhǎng)。IDC預(yù)計(jì)，到2025年AI芯片市場(chǎng)規(guī)模將達(dá)726億美元。異構(gòu)計(jì)算成為主流趨勢(shì)，未來18個(gè)月，AI服務(wù)器GPU、ASIC和FPGA的搭載率均會(huì)上升,算力多元化發(fā)展趨勢(shì)明顯。
從計(jì)算架構(gòu)發(fā)展來看，基于 DSA( Domain-Specific Architectures)思想設(shè)計(jì)的AI芯片正在成為主導(dǎo)，推動(dòng)了AI芯片的多元化發(fā)展。此外，多元算力從“能用"到“好用"并且為企業(yè)創(chuàng)造業(yè)務(wù)價(jià)值，離不開通用性強(qiáng)、綠色高效、安全可靠的計(jì)算系統(tǒng)的支持。業(yè)內(nèi)正在推動(dòng)多元算力系統(tǒng)架構(gòu)創(chuàng)新，基于計(jì)算節(jié)點(diǎn)內(nèi)和節(jié)點(diǎn)間的互聯(lián)技術(shù)破局現(xiàn)有計(jì)算架構(gòu)的瓶頸，通過充分調(diào)動(dòng)起多芯片、多板卡、多節(jié)點(diǎn)的系統(tǒng)級(jí)能力，實(shí)現(xiàn)各種加速單元以及跨節(jié)點(diǎn)系統(tǒng)的高效協(xié)同，提升計(jì)算性能。
從場(chǎng)景應(yīng)用維度來看，智能化場(chǎng)景將隨著時(shí)間的推移，呈現(xiàn)出更加深入、更加廣泛的趨勢(shì)。
大算力自動(dòng)駕駛芯片
走向?qū)Q
自動(dòng)駕駛領(lǐng)域是芯片與AI技術(shù)交融和迭代的關(guān)鍵領(lǐng)域。
從神經(jīng)網(wǎng)絡(luò)計(jì)算推動(dòng)自動(dòng)駕駛大行其道開始，到走向高階的輔助駕駛感知方案，隨著自動(dòng)駕駛級(jí)別的提升，所需要的算力幾乎是指數(shù)級(jí)爆炸式的增長(zhǎng)，從L2、L3、L4走向L5，每向上走一級(jí)至少有10倍以上算力需求的提升，大規(guī)模并行化的AI計(jì)算，使得大算力的計(jì)算平臺(tái)成為了產(chǎn)業(yè)必須，在提升有效算力的道路上似乎永無止境。
Gartner數(shù)據(jù)顯示，預(yù)計(jì)到2025年，汽車AI芯片市場(chǎng)將以31%的年復(fù)合增速飆升至236億美元。其中，中國(guó)汽車AI芯片的市場(chǎng)將達(dá)到68億美元，2030年為124億美元，年復(fù)合增長(zhǎng)率預(yù)計(jì)可達(dá)28.14%。
暴增的算力需求下，主機(jī)廠紛紛推動(dòng)“硬件預(yù)埋"概念。走向L4級(jí)別自動(dòng)駕駛甚至L5級(jí)無人駕駛究竟需要多大算力才夠?目前業(yè)界并沒有定論，但幾千TOPS的有效算力支撐被認(rèn)為是需要的。
在汽車AI芯片方面，存算一體的大算力AI芯片也在發(fā)力。這方面的從業(yè)者認(rèn)為，相比于傳統(tǒng)的馮·諾依曼架構(gòu)，用存算一體技術(shù)做大算力AI芯片，對(duì)制程依賴度不是很強(qiáng)，可以用較低的制程實(shí)現(xiàn)較大算力，并且由于數(shù)據(jù)計(jì)算和數(shù)據(jù)存儲(chǔ)深度融合，避免了大部分?jǐn)?shù)據(jù)的無效搬運(yùn)，可以兼顧成本和能效，因此非常適合智能駕駛和自動(dòng)駕駛應(yīng)用場(chǎng)景。
AI大模型
推動(dòng)算力集群效能優(yōu)化
“超級(jí)鸚鵡"ChatGPT和AIGC成為年度黑馬。
最近爆火的OpenAI旗下的對(duì)話模型ChatGPT，能夠理解用戶需求創(chuàng)造內(nèi)容、協(xié)助代碼編寫、能夠針對(duì)用戶的追問在后續(xù)對(duì)話中進(jìn)行修正或補(bǔ)充。相較于蘋果 Siri、微軟小冰等，ChatGPT除了邏輯嚴(yán)密的創(chuàng)造能力之外，還具有記憶能力，在連續(xù)的對(duì)話中無需用戶提供重復(fù)信息，語言組織和表達(dá)能力也更接近人類水平，使對(duì)話更自然流暢。
同樣火熱的還有AIGC(Generative AI，生成式AI)，一系列初創(chuàng)公司融資不斷，并且在實(shí)際應(yīng)用中也體現(xiàn)出了較高的水準(zhǔn)。AI十分鐘內(nèi)復(fù)原了《富春山居圖》殘卷，浪潮“源"支持的“金陵詩會(huì)"，使用者可一鍵創(chuàng)作韻味悠長(zhǎng)的詩句……而除了自主生成文本、圖像，AI自主生成音頻、視頻、虛擬場(chǎng)景等也在成為熱潮。這些都推動(dòng)了生成式AI的蓬勃發(fā)展，打造了新的數(shù)字內(nèi)容生成與交互形態(tài)。
Gartner將“生成式AI"列為2022年五大影響力技術(shù)之一，預(yù)測(cè)到2025年，生成式AI所創(chuàng)造的數(shù)據(jù)可占到所有已生產(chǎn)數(shù)據(jù)的10%。
業(yè)內(nèi)認(rèn)為，ChatGPT和AIGC爆火，代表著AI大模型進(jìn)入一個(gè)新的技術(shù)范式，同時(shí)也是第三波AI浪潮經(jīng)過十幾年發(fā)展之后，到達(dá)了一個(gè)非常重要的拐點(diǎn)。
它們代表著從以前的“大煉模型"(各自研發(fā)專用小模型)，到“煉大模型"(研發(fā)超大規(guī)模通用智能模型)的一個(gè)范式轉(zhuǎn)變，其意義在于：通過這種比較的算法架構(gòu)，盡可能多的數(shù)據(jù)匯集大量算力，通過集約化的訓(xùn)練模式，從而供大量用戶使用。
AI發(fā)展至今，大模型的出現(xiàn)可以說是生逢其時(shí)，它將碎片化的AI應(yīng)用開發(fā)轉(zhuǎn)向集中式開發(fā)。一方面，AI大模型具備很好的泛化能力，一個(gè)模型可以支撐各類不同應(yīng)用，有效緩解碎片化開發(fā)反復(fù)建模的困境;另一方面，圍繞AI大模型構(gòu)建的算法基礎(chǔ)設(shè)施，比如開放的API、開源的應(yīng)用代碼等，使無需關(guān)心底層技術(shù)，設(shè)置無需配置編程環(huán)境，就可以直接將應(yīng)用構(gòu)建于AI大模型的能力之上，在降低開發(fā)門檻的同時(shí)，讓開發(fā)人員將更多精力聚焦在核心業(yè)務(wù)邏輯上。
從算力的角度來看，挑戰(zhàn)不可謂不大。因?yàn)橛?xùn)練大模型所需要的算力是海量的，成本是高昂的，這就需要發(fā)揮AI算力集群的整體效能，讓AI算力能夠“算"盡其用，從而降低大模型訓(xùn)練的成本。當(dāng)前，基于液冷等技術(shù)的算力產(chǎn)品，將軟件層面(模型和框架)與硬件基礎(chǔ)設(shè)施(計(jì)算、存儲(chǔ)、網(wǎng)絡(luò))進(jìn)行協(xié)同優(yōu)化的方案，都是業(yè)界較為推崇的方式。一方面能在高算力集群上能實(shí)現(xiàn)更好的算力利用率，另一方面也能降低電力消耗，降低整體成本。
可以說，AI大模型的投入是AI技術(shù)邁向新臺(tái)階的必經(jīng)之路，是解決產(chǎn)業(yè)碎片化的一種方式。AI大模型的發(fā)展與商業(yè)落地，有望重塑AI算力與AI應(yīng)用的市場(chǎng)格局。隨著大模型的數(shù)量走向集約，有利于AI芯片進(jìn)行更有針對(duì)性的設(shè)計(jì)開發(fā)與優(yōu)化，這是AI算力企業(yè)生態(tài)重建的新機(jī)會(huì)，也是國(guó)產(chǎn)AI芯片在國(guó)際林立的市場(chǎng)中突圍的機(jī)會(huì)。
寫在最后
不破不立，破而后立。大破大立，曉喻新生。
寫在AI芯片踏實(shí)走過的2022年。
來源：網(wǎng)絡(luò)
版權(quán)歸原作者所有，如有侵權(quán)，請(qǐng)聯(lián)系刪除
會(huì)員1.png)