应对算力短缺,国产芯片如何变挑战为机遇?

55次阅读

通用大模型的空前突破,搅动了人工智能(AI)的一池春水。然而,面对 AI 突破性发展带来的对 AI 芯片的井喷式需求,国内芯片供应却并未跟上此番步伐。随着科技巨头公司和新兴企业争先涌入大模型的竞争赛道,新一轮的 AI 芯片短缺问题正在浮出水面。

AI 浪潮“炒热”芯片需求

AI 芯片,也被称为 AI 加速器或计算卡,是专门用于处理 AI 相关计算任务的芯片。它们是构筑算力的重要基石。

中国信息通信研究院在 8 月 19 日发布的《中国综合算力指数(2023 年)》白皮书显示,我国算力产业保持高速增长,其中人工智能算力在整个算力结构中的占比已经超过 25%。我国算力总规模近五年年均增速近 30%,数据中心机架数量年复合增长率超过 30%。

“受大模型热潮影响,智算算力市场的需求旺盛。”北京超级云计算中心技术 CTO 甄亚楠对人民网财经表示,当前相关的算力服务器呈现持续紧缺状态,配货周期偏长。服务器制造商普遍预计要等待 6 个月以上才能获得最新的 GPU,而 GPU 的供应短缺情况至少会持续到明年。

不仅供应紧张,价格也节节攀升。以目前较为主流的英伟达 A100 GPU 为例,大模型的单次训练要求至少百卡、千卡规模。依据当前市场价格,建设 1000 卡 GPU 规模的算力集群成本可达 2 亿元。

在大模型建设正酣的同时,人工智能技术与健康、教育、交通等其他领域的交叉融合也逐渐加深。华大基因高性能计算研发总监王浩灵表示,基因行业对算力的需要不断增长。他进一步表示:“未来,大型语言模型的加入还将进一步提高疾病诊断分析效率。”

中国工程院院士高文将算力比作电力,视为数字经济发展的重要指标。燧原科技创始人、董事长兼 CEO 赵立东认为,大模型算力需求将进一步驱动 AI 芯片的研发,“如今的 AI 芯片,不仅要高性能、高带宽、高存储,而且要高通用性、高效分布式计算,高效集群互联。”

国产 AI 芯片市场:挑战与机遇并存

业内人士表示,目前国内智能算力的发展,特别是适用于大模型训练的算力,与全球算力发展趋势相比仍存在较大差距。

甄亚楠坦言,算力的短缺不仅会削弱人工智能算法的复杂度与性能提升、延缓模型训练速度、约束应用部署规模,更会阻碍人工智能技术的发展,“许多创新的算法和方法需要大规模的计算资源来验证和改进,缺乏足够的算力将限制研究人员的创造力和实验空间,从而阻碍人工智能技术领域的进一步突破。”

近年来,我国人工智能算力芯片的市场格局主要由美国公司英伟达主导,其占据了 80% 以上的市场份额,一直保持着无可匹敌的竞争优势。然而,随着美国对高性能芯片出口限制措施不断加强,英伟达最先进的 A100、H100 芯片无法在国内销售,定制版 A800 和 H800 又缺货严重,在这种情况下,国产 AI 芯片肩负起填补市场空缺的重要使命。

据人民网财经不完全统计,目前,百度、阿里巴巴、腾讯和华为等互联网巨头公司已加快 AI 芯片的自研步伐,并在各自的云平台上率先试用。与此同时,一些初创公司则从芯片的底层架构设计入手,试图通过“弯道超车”抓住机遇。

公开资料显示,2018 年创立的 AI 芯片设计商墨芯凭借双稀疏化算法技术,通过软硬件结合为 AI 计算模式和芯片架构带来了颠覆性创新,取得了比国际主流 GPU 产品更好的测试成绩;2017 年创立的鲲云科技自主研发了全球首款大规模商用的数据流 AI 芯片,用更少的芯片资源实现了数倍的实测性能,摆脱对最新制程工艺的依赖。

但需要指出的是,目前,国产 AI 芯片在大模型推理方面表现相对出色,而在门槛更高的大模型训练方面仍无法与英伟达的通用 GPU 相媲美。

中国电子技术标准化研究院副院长陈大纪表示,国内产品的软硬件以及面向不同场景的生态落地仍需要进一步完善。

多位业内人士表示,在性能方面,英伟达相继推出了 A100 和 H100,计算性能大幅提升,国内 AI 芯片训练产品与其差距十分明显,尤其是在实际使用中的性能差距更大;在生态方面,英伟达 GPU 配套的 CUDA 软件生态系统广泛应用,国内 AI 芯片面临着“要么兼容一个不开源的生态,要么从零开始自建生态”的两难选择。

具体而言,国产 AI 芯片普遍存在软件栈不完善、适配周期长、性能差距大、可靠性需要验证等问题,这导致国内企业对其采用的意愿不强。此外,生态系统和自主工艺等难题也有待突破。

“只有解决了这些问题,国产 AI 芯片才能真正被广泛应用起来。”天数智芯董事长兼 CEO 盖鲁江说。

国产 AI 芯片该如何发力?

近年来,我国高度重视 AI 芯片产业,发布了一系列支持政策,营造良好产业环境,在技术创新、项目建设、资金保障、标准制定和人才培养等方面都给予了扶持,为我国 AI 芯片发展打下了政策基础。

从产业角度看,乐观地说,国产 AI 芯片可谓正处于百花齐放、百家争鸣的萌发阶段,各主体正在激烈的市场竞争中快速探索适合的成长道路。

西安交通大学教授任鹏举推断:随着人工智能走深向实、真正与行业逻辑深度融合并广泛赋能,在数据中心侧,AI 芯片会继续维持协处理器或者加速器的形态;在终端应用侧,AI 最终会收敛为一个关键因素,发展为异构或者超异构芯片的形态。

如何进一步提升国产 AI 芯片竞争力?多位业内人士提出建议:要鼓励更多企业和社会资本进入 AI 芯片领域,加大投资力度;加强半导体原理、材料等基础研究投入,推动多学科的交叉融合研究;加快工艺创新进步,构建本土供应链体系。

尤其是我国集成电路行业人才短缺问题不容忽视。任鹏举坦言,“即使每年有近 20 万集成电路相关专业高校应届毕业生,但加入这个行业的却仅有五分之一。”他建议采取相应措施以提高行业吸引力:一是鼓励高校和企业建立长期合作伙伴关系,提供奖学金和入学机会以激励学生毕业后从事该行业;二是借助人工智能技术提高芯片设计能力,吸引擅长软件和算法的专业人才投身于集成电路行业,进一步推动国产 AI 芯片发展。

赵立东认为,推动国产 AI 芯片发展,就是为了有更加充足、更加便捷、更加平价的算力,从而实现真正的算力普惠,而要做到这一点,就必须依靠创新的芯片架构和开源的产业生态。

盖鲁江建议,应协同各方加快制定自主标准,进一步扩大国产通用 GPU 支持的开发框架、操作系统、算法模型、业务应用以及社区开发者的范围,建立起自主生态圈。

陈大纪表示,产学研用各单位应以人工智能技术与产业融合创新为导向,聚焦产业智能化场景创新需求,研究、开展与场景结合紧密的智能芯片相关的标准需求,并以标准为依托,共同建设人工智能场景创新支撑环境,探索多元主体合作的场景创新新机制,通过助力场景创新,不断将应用创新与市场需求相结合,合力促进我国 AI 芯生态建设。

原文链接:http://m.cnr.cn/tech/20230827/t20230827_526397903.html

正文完
 
追风者
版权声明:本站原创文章,由 追风者 2023-09-30发表,共计2691字。
转载说明:声明:本站内容均来自互联网,归原创作者所有,如有侵权必删除。 本站文章皆由CC-4.0协议发布。