AI風口已至，國內AI晶元廠商摩拳擦掌，蓄勢而發

AI由數據、演算法（即模型）和算力驅動，其中任意一方的發展會推動其他方面需求的增長。當下業內雖然擁有更多的數據以及做了更多的AI模型研究，但算力的擴展速度卻沒有跟上。今年4月，OpenAI就因需求量過大而停止了ChatGPT Plus的銷售。而且根據數據預測，AI時代算力的增長已遠遠超過了摩爾定律每18個月翻番的速率，預計到2030年全球超算算力將達到0.2ZFLOPS，平均年增速超過34%。

面對持續激增的算力需求，為AI提供智能算力的AI晶元市場需求也愈發旺盛。那麼在當下這個「智能革命」的起點，國內AI晶元廠商的算力發展又走到哪一步了呢？一起來看看。

國內AI晶元廠商雖然與英偉達等國際巨頭有著一定差距，但隨著近年來在研發領域的持續投入，仍取得了不錯的成績。隨著AI應用的普及和成效開始凸顯，國內AI晶元廠商正迎來全面爆發和增長，海光信息、華為昇騰、沐曦科技等多家佼佼者也將慢慢浮出水面。

海光信息作為國內AI晶元領域的先行者之一，以GPGPU架構為基礎，推出了DCU系列產品。作為全精度的GPU，DCU系列產品兼具架構通用、生態豐富、性能高效的優勢，可以滿足多元複雜應用場景需求，是國內AI晶元廠商的第一序列的一員，未來發展潛力巨大。

華為昇騰則作為國內AI晶元領域內的紅人，一直受到市場的重點關注。據華為官方公布數據顯示，昇騰910實現了在16位、8位等低精度計算下的國際規格。然而優異的成績僅局限於16位、8位等低精度計算，不能完成GPT-3等大模型訓練所需32位甚至64位的計算。因此為滿足未來市場對大模型訓練的需求，華為昇騰正在努力補足產品對32位和64位精度的計算能力，向第一序列快速靠攏。

沐曦科技則已經推出曦思和曦雲兩款GPU，但目前沐曦的GPU還只是滿足了32位的AI訓練及通用計算，卻難以支持64位雙精度浮點運算，相信這也將是沐曦接下來的發展方向。

未來隨著AI晶元技術的逐漸成熟，其應用場景將快速滲透到各類智能終端領域中，在我國科技發展中也將佔據越來越重要的地位。而中國工程院院士李國傑曾表示，AI應用需要多精度混合計算，不論是32位、16位甚至整數運算的低精度需求還是64位雙精度浮點運算，都是未來AI晶元不可或缺的。

雖然目前國內AI晶元除海光DCU系列外，各家在多精度混合計算上仍需補足，但相信隨著廠商繼續加大研發投入，加快技術發展速率，未來的產品仍可以滿足國內甚至國際市場對AI晶元的需求，讓中國AI晶元走出國門，走向世界。