ChatGPT算力需求驚人，英偉達賺翻了，中國企業只能喝湯？

最近ChatGPT掀起一波AI浪潮，這波浪潮席捲了各行各業。媒體、金融、法律、醫療、製造、物流等等，就連教育和農業也不能倖免。

新東方俞敏洪直言：“企業家如果沒玩過ChatGPT，沒資格談高科技發展。”就連養豬的新希望也表示：開始關注ChatGPT。

ChatGPT如此火爆，它究竟是個什麼東西呢？說實話，很多人只是跟風，根本解釋不清楚ChatGPT。Chat是什麼？G、P、T又代表什麼呢？一問三不知。

Chat是談話、交談的意思，比如：微信聊天、面對面聊天；G即Generative的縮寫，是生成的意思，可以理解為創造事物、答案；P即Pre-trained 是預先訓練的意思，T即Transfomer的縮寫，是轉換器的意思。

ChatGPT翻譯成漢語就是通過聊天獲得答案的工具，當然這款工具需要大量的訓練。

AI訓練是需要強大算力支持的，根據相關研報數據，AI算力需求大約每6個月翻一番，ChatGPT的出現，導致算力需求直接達到了原來的10-100倍。

2023年1月時，ChatGPT日活人數為1300萬，提出的問題約130億字，這些問題產生的算力需要600台DGX A100服務器。

為什麼是A100呢？因為A100非常適配ChatGPT這類機器學習模型。它能夠同時執行大量簡單的計算，這對於訓練和使用神經網絡模型非常重要。

A100由著名的GPU廠商英偉達研發，最初用在遊戲中，用來處理複雜的3D圖像，隨着AI的快速發展，A100被廣泛的應用在機器學習中。

如果說人工智能是第四次工業革命，那麼這次革命的基礎就是算力，而算力需要強大的AI芯片。

也就是說誰掌握了先進的AI芯片，誰就能引導第四次工業革命。

那麼問題來了，誰是目前最強的AI芯片公司呢？我國的AI芯片處於什麼水平呢？

簡單科普一下AI芯片

AI芯片是一種專門處理人工智能計算、應用等任務的一種模塊，也被稱為AI加速器或計算卡。

在架構方面來看，AI芯片主要分為：GPU （圖形處理器）、FPGA （現場可編程門陣列）、ASIC（專用集成電路）。

這三種AI芯片根據其特點，將其部署在不同的應用場景中，例如：GPU部署在雲端，FPGA部署在邊緣，ASIC部署在終端。

雲端是一個龐大的網上服務器集合，集軟件搜索、下載、使用、管理、備份等多種功能為一體，其運算量十分龐大。

雲端擁有多種AI服務功能，包括AI訓練和推理。因此對算力的要求非常高，適合布局高性能GPU，例如：A100、H100。

邊緣是連接雲端和終端的網絡，並非在系統的最邊上。實際上，從雲端到終端的這些龐大區域都可以稱為邊緣。邊緣主要負責數據傳輸、交換。

隨着算力需求的增大，雲端無法承受全部算力，這就需要邊緣節點分擔一部分，降低雲端壓力，提升整個網絡的穩定性與快捷性。擅長處理信號的FPGA就適合布局在邊緣。

終端就好理解了，我們的PC、手機、家電、汽車都是終端設備。這些設備也需要AI芯片，用來計算分析，這些芯片更多的是做一些推理。因此需要更加專業的ASIC（專用芯片）。

這些AI芯片儘管分工不同，使用場景也不同，但它們也有共同之處，就是對算力的需求越來越大。

AI第一次事件大概是我們熟知的阿爾法狗大戰李世石。

當時，阿爾法狗擊敗圍棋九段高手李世石，可謂是風光無限。但實際上，當時的阿爾法狗在AI界真的很一般。

據悉當時阿爾法狗使用了1202個CPU、176個GPU，約有800多萬核並行計算,同時還花費3000美元的電費，用了3個多小時才擊敗了人類選手李世石。

這只是1V1的戰法，如果換成3人撲克、四人麻將，阿爾法狗還未必能夠取勝。

但AI的強大之處在於學習，一天24小時、一年365天不停的學習，這才是其最恐怖的地方，只要算力足夠，算法正確，它就可以突飛猛進。

時間來到2023年，人工智能實驗室OpenAI開發出了ChatGPT聊天機器人，除了可以進行普通聊天、信息諮詢外，還可以撰寫詩詞、修改代碼，甚至可以取代許多腦力工作者。

專家們通過研究，最終確定了未來可以被ChatGPT取代的十大類崗位，具體如下：

第一類、技術類工作：程序員、軟件工程師、數據分析師；

第二類、媒體類工作：廣告、內容創作、技術寫作、新聞；

第三類、金融類工作：金融分析師，個人財務顧問

第四類、法律類工作：法律或律師助理

還有市場研究分析師、平面設計師、會計師、教師、交易員和客服人員。

如果任由ChatGPT發展下去，那麼很多人將會失業，甚至包括創造它的軟件工程師和程序員。

ChatGPT的誕生很大一點就是AI芯片的發展，由於英偉達強大的A100、H100芯片的誕生，致使每天3640PF的算力得到了實現。

如果AI芯片繼續升級的話，那麼人工智能也將飛速的發展，取代部分人類是在所難免的。

英偉達站上風口

2月23日，GPU領導者英偉達發布了業績報告：第四季度收入環比微增2%，但凈利潤環比暴增108%。毛利率高達63.3%。

業績公布後，英偉達市值暴漲5000億人民幣，這家GPU巨頭再次王者歸來。就連CEO黃仁勛也沒有想到沾上ChatGPT後，效果如此之好。

過去的英偉達把元宇宙當做風口，總是說自己的芯片如何為元宇宙助力，很少宣傳在人工智能領域的應用，結果投資者根本不買賬。

好不容易站上了風口，英偉達自然是希望多飛一會，於是黃仁勛開始漂了。

黃仁勛表示：過去十年，摩爾定律的性能提升了100倍，而英偉達的GPU性能提升了100萬倍，未來十年摩爾定律會失效，但自己的“黃氏定律”不會失效。

按照“黃氏定律”，未來十年，英偉達可以讓人工智能的性能提升100萬倍，讓人工智能真正的覺醒。

同時黃仁勛指出，ChatGPT的意義絕不亞於iPhone的出現，這一具有里程碑意義的產品，將滿足不同人的不同需求，而英偉達將為其提供“源源不斷的算力”。

那麼英偉達提供的算力成色如何呢？我們一起來看一看它的巔峰產品——H100。

H100採用了Hopper架構，台積電4nm工藝，擁有18432個CUDA核心、576個Tensor核心、60MB二級緩存。

這款GPU集成了800億個晶體管，算力達到了2000 TFLOPS，比上一代A100算力提升了3.2倍，整體性能提升了6倍。

H100可以進行動態加速，優化路徑，這種狀態下，算力將提升7倍。

在數據吞吐方面，H100同樣非常強大，可實現3TB/s 的顯存帶寬，5TB/s的互聯網速度。

H100還有一個特點，就是拆分GPU，一個單元拆分為7個，同時進行不同的運算任務，並且可以將單個單元性能提升7倍。

它的售價達到了24萬人民幣，抵得上一款不錯的轎車了。但對於專業用戶來說，這個價格不虧，畢竟數量有限，先到先得啊！

根據IDC預測，2023年，GPU在AI算力領域的滲透率將達到54%，而英偉達佔據了GPU97%的市場，其強大之處可想而知。

可以想象，未來隨着AI的快速發展，英偉達必然成為芯片市場上一顆耀眼的明星，如果說前幾十年芯片的代表是英特爾，那麼未來的代表將成為英偉達。

當然，除了英偉達外，我國芯片企業在AI領域也快速的布局，但效果卻明顯不如英偉達。

國產AI芯片只能喝湯？

國產AI芯片有寒武紀、壁仞科技、燧原科技、瀚博半導體等公司，但這些公司與英偉達差距很大，可以說只能望其項背。

在2022年世界人工智能大會上，上海天數智芯的“智鎧100”和壁仞科技的BR100系列，成為國內AI芯片的代表作。

其中BR100採用了台積電7nm工藝，單芯片峰值算力達到了千萬億次浮點運算，打破了全球通用GPU算力紀錄，完全可以與英偉達的A100相媲美。

壁仞科技是一家初創公司，公司內有很多前英偉達的員工，其中就有一個架構工程師，所以有些事情你懂得。

網上有博主將BR100與A100進行了比較，結果：BR100更快。

兩款芯片採用了相同的晶體管類型，英偉達A100在800平方毫米的面積上，集成了540億個晶體管。BR100在1000平方毫米面積上，集成了770億個晶體管。BR100在晶體管數量佔據了很大優勢。

BR100芯片16位浮點算力達到1000T以上、8位定點算力達到2000T以上，單芯片峰值算力達到PFLOPS級別。是A100的3倍，即便是對比H100也毫不遜色。

但是光有算力是不夠的，要想佔領市場，製造和生態是不可缺少的。

芯片製造是我們的弱點，內地工藝水平為14nm，而國際先進制造水平達到了3nm。

BR100製造工藝為7nm，代工廠商為台積電。這種情況下，隨時會被美國長臂管轄，失去代工資格。

生態建設方面，英偉達更是一座高山，國內AI芯片公司目前只能望其項背，甚至對英偉達的生態水平感到無奈。

根據相關數據，英偉達全球開發者超過了300多萬，在其架構平台上就超過了50萬個開發者，其中不乏阿里、騰訊、百度等國內大廠。

國內的AI芯片廠商想要佔領市場，就必須解決製造難題，同時兼容英偉達的架構。也就是說，即便我們在算力上超越了英偉達，價格也比英偉達低，但仍要被台積電和英偉達牽着鼻子走。

在這種情況下，國內AI芯片廠商能佔領市場嗎？能發展起來了嗎？恐怕在這場AI盛宴中，只能喝一口湯吧！

寫到最後

AI盛宴已經到來，ChatGPT需要強大的AI芯片算力支持，而這個大蛋糕被英偉達拿走了大半，國內廠商只能喝點湯。

如何解決這個尷尬的局面呢？唯有搞自主研發，解決芯片製造難題，解決生態問題。

很多人會說太難，但是每天為別人做嫁衣裳，還要被打壓限制不更難嗎？只要我們每天進步一點，追趕超越是遲早的事，到時候真正的好日子就會到來。

我是科技銘程，歡迎共同討論！