AI晶元賽道熱潮 國「芯」能否彎道超車

　　【嗶哥嗶特導讀】近日，英偉達市值衝破萬億美元大關給AI晶元賽道點了一把火。資本的瘋狂湧入，市場的無限看好將AI晶元刮到風口。AI晶元到底是什麼，市場前景究竟如何，國內的廠商能否頂住國外的制裁實現彎道超車?

　　英偉達市值衝破萬億美元大關給AI晶元賽道點燃了一把火。

　　單日暴漲2000億美元，首個躋身萬億俱樂部的晶元製造商，創下歷史上最大的單日漲幅，英偉達一時間風頭無兩。

　　一向觸覺敏銳的資本也紛紛果斷下場。短短几周，英偉達就吸引了至少100家ESG基金的投資，並成為這些資產管理公司最受歡迎的股票之一。

　　英偉達股市的瘋狂以及大量資本的湧入，將人們的注意力狠狠地拽進了AI晶元這一賽道。

　　英偉達的老對手AMD也隨之發布了最新的MI300X晶元，目標直指英偉達。AI晶元這一塊蛋糕誰都不想錯過，而AMD股市今年的漲幅也達到了90%。

　　正如人們津津樂道的「賣鏟子」的故事一樣，在淘金熱時期，早早賺得盆滿缽滿的不是那些淘金的工人，而是賣鏟子給他們的人。

　　從去年年底發布的大語言生成式模型ChatGPT3.5，到今年爆火的生成式AI——Midjourney，隨著AI的狂風颳起，處於風口的AI晶元就被吹上了天。

　　那麼AI晶元是什麼?為什麼突然就火了?我們國內的晶元廠商有可能分到大塊的蛋糕嗎?

　　帶著這三個問題，我們繼續往下尋找答案。

　　AI晶元實質上是一個處理乘法和加法運算的計算器

　　一般來說，AI晶元是指用來運行AI演算法的專用處理器，與普通的晶元最大的區別在於專用性的側重上。

　　目前AI的實現包含了兩個環節——訓練、推理。

　　其中訓練是指通過大數據訓練出一個複雜的神經網路模型，通常需要對自然語言、圖像、語音等海量數據進行AI演算法處理，本質上來說是矩陣或向量的乘法、加法。那麼AI晶元在其中扮演的角色就是一個執行乘法和加法的計算器，所以對計算性能的要求比較高。

　　再拿最常見的CPU和GPU來舉例。

　　CPU和GPU同樣都可以執行AI演算法，但從架構上來說CPU因為需要處理很多的邏輯運算，所以它的計算單元(ALU)只佔據一小部分，大概僅有20%，GPU的ALU能佔到80%。而算力恰恰是AI晶元最需要的，所以CPU的AI演算法執行效率就會遠低於GPU。簡而言之AI晶元就是犧牲通用性來換取特性。

　　目前主流的AI晶元大概分為GPU、FGPA、ASIC這三類，以及距離大規模商用還有一段距離的類腦晶元等。

　　從GPU到ASIC就是一條從通用(GPU)到半定製(FGPA)再到定製(ASIC)的過程。

　　AI晶元分類對比圖

　　GPU(Graphics Processing Unit)，即圖形處理器，是一種由大量核心組成的大規模並行計算架構，專為同時處理多重任務而設計。GPU晶元的設計初衷是為了應對圖像處理中需要大規模並行計算，而在演算法方面也更加針對圖像渲染。

　　但處理並行計算這一點與執行AI演算法的需求不謀而合，於是GPU晶元最早作為深度學習演算法的晶元被引入人工智慧領域，在數據中心中獲得大量應用。生產GPU晶元的廠商後續也專門針對AI演算法做出優化，推出了專門適配AI的GPU晶元產品。

　　FPGA(Field-Programmable Gate Array)，即現場可編程門陣列，是一種可編程邏輯器件，其設計初衷是為了實現半定製晶元的功能，即硬體結構可根據需要實時配置靈活改變，它可以被編程為實現各種數字電路功能。

　　FPGA晶元的功能非常強大，可以實現多種數字電路功能，例如邏輯運算、加減乘除、數據處理、存儲控制等。與其他數字電路元件不同，FPGA晶元的功能可以通過編程來實現，因此可以快速適應不同的應用場景，同時也可以方便地修改和更新功能。FPGA晶元在數字信號處理、圖像處理、網路通信、嵌入式系統設計等領域得到廣泛應用。

　　ASIC(Application Specific Integrated Circuits)，即專用集成電路是一種為專用目的設計的，面向特定用戶需求的定製晶元。

　　ASIC晶元與GPU晶元和FPGA晶元不同，GPU晶元和FPGA晶元除了是一種技術路線之外，還是實實在在的確定的產品，而ASIC晶元就是一種技術路線或者方案，其呈現出的最終形態與功能也是多種多樣的。在大規模量產的情況下AISC晶元具備性能更強、體積更小、功耗更低、成本更低、可靠性更髙等優點。

　　目前市場上AI伺服器中應用最廣泛的是GPU晶元。有資料顯示，英偉達的GPU晶元為市場AI伺服器搭建的主流選擇，主要型號為A100/H100晶元，目前大約佔據60%-70%的份額，其次為雲計算廠商自主研發的ASIC晶元，市佔率逾20%。

　　一卡難求源自於AI算力的胃口越來越大

　　儘管目前H100晶元的價格已經漲到了4萬美元/枚，仍一卡難求。有業內人士透露H100晶元的訂單已經排到了2024年，在供需關係的影響下A800/H800晶元的價格漲幅也達到了40%。

　　市場需求的火爆源自於AI市場對算力的胃口越來越大，算力高的晶元已成為AI賽道的硬通貨。

　　據Google雲平台的AI基礎設施負責人Amin Vahdat觀察，過去6年來，模型規模每年都增長了十倍。驅動ChatGPT的最新版本GPT-4用於分析數據的參數有1萬億個，是上一個版本的五倍。隨著模型越來越複雜，訓練它們所需要的算力也會隨之增長。

　　除了ChatGPT的升級，目前主流的AI廠商都已經進入了「千億數據時代」，「超過千億數據的大模型訓練大概要1000~2000張A100，沒有2000張A100，實驗都做不了」，崑崙萬維集團CEO方漢在此前公開表示。

　　前段時間，微軟為了給Chatgpt和Bing提供更好的算力，斥資幾億美元，耗費上萬張A100晶元打造超算平台。馬斯克也購買了上萬張GPU晶元用於自己的AI公司數據訓練，並評論道：「這玩意兒(英偉達GPU)比藥品還難搞」。

　　除開生成式AI，諸如數據中心、自動駕駛、安防、手機終端等AI領域也需要大量的算力和晶元。

　　「我們已到達生成式AI引爆點。從此，全世界的每個角落，都會有計算需求。」黃仁勛在此前的台北電腦展(COMPUTEX 2023)大會上表示。

　　國產晶元仍有追趕空間

　　除了大量購入晶元以外，很多公司也開始研發自己的晶元以求得在此次大潮中獲取主動。

　　諸如Google、Amazon等科技巨頭其實早早就已經下場，Amazon已經推出了Trainium和Inferentia兩款AI晶元，而Google的TPU也早已更新到了第四代。

　　微軟在近日被爆出其內部早在2019年就開始在內部開發代號為「雅典娜」的晶元，希望可以為價值高昂的人工智慧工作節省成本。

　　Mate公司也在近日收購了英國AI晶元獨角獸Graphcore的AI網路技術團隊，披露其正在構建首款專門用於運行AI模型的定製晶元——MTIA(Meta Training and Inference Accelerator)晶元，預計於2025年問世。

　　其實國內各科技巨頭也都早展開布局。例如，百度於 2011 年成立了崑崙芯，開始探索晶元領域;阿里巴巴在 2018 年成立了平頭哥，專註於 AI 晶元市場。華為同樣一直在人工智慧晶元領域進行布局，早在 2017 年就推出了基於神經網路處理器的 Ascend 晶元，主要面向人工智慧推理場景。

　　雖然目前AI晶元市場上仍是國外廠商佔據了大部分的市場份額，但並沒有形成完全壟斷的局面。

　　國內半導體行業，正持續加大投入力度，資本市場晶元領域也獲得了資金凈流入。當前國內規模最大的晶元類指數基金——晶元ETF(159995)在今年上半年，累計獲得資金凈申購近34億份，目前份額總數達到238億份，資金規模達到247.57億元。

　　再加上自去年以來，中國在高端AI晶元領域持續受到美國方面的制裁，以及近日中國對美國鎵、鍺限制出口的反擊。這一切的都利好國內的AI晶元發展，國產AI晶元仍有奮力追趕的空間。

　　國內AI晶元產品對比(圖源民生證券研報)

　　早在「十三五」規劃中，人工智慧晶元就被寫入國家發展規劃綱要，一批AI晶元企業也隨之成立。得益於國家的前瞻布局，國內AI晶元技術早已有從0到1的突破，與國外的差距正在慢慢縮小。

　　以下是一些國內的領頭企業。

　　寒武紀成立於 2016 年，公司研發團隊成員主要來自於中科院。寒武紀 AI 晶元思元 290 晶元面向雲端訓練，思元 370 晶元面向雲端訓推一體，兩款晶元均採用 7nm 製程工藝。此外，思元 370 晶元是寒武紀首款採用 chiplet 技術的 AI 晶元，最大算力高達 256TOPS;訓練側新品思元 590 晶元在研發中。

　　寒武紀也推出了面向開發者的寒武紀人工智慧軟體平台Cambricon NeuWare，這是在終端和雲端的AI晶元共享的軟體介面和生態，包含開發、調試和調優三大部分，體現了創始人陳天石提出的「端雲一體」的思路。

　　海光信息成立於 2014 年，公司骨幹研發人員多擁有國內外知名晶元公司的就職背景，擁有成功研發 x86 處理器或 ARM 處理器的經驗。海光信息的 DCU 晶元深算一號採用 7nm 工藝，兼容「類 CUDA」環境，軟硬體生態豐富，已於 2021年實現規模化出貨，未來將廣泛應用於大數據處理、人工智慧、商業計算等領域。

　　沐曦集成電路成立於 2020 年，公司創始團隊處於國內頂尖行列——創始人陳維良曾任 AMD 全球 GPGPU 設計總負責人;兩位 CTO 均為前 AMD 首席科學家，目前分別負責公司軟硬體架構;核心成員平均擁有近 20 年高性能 GPU 研發經驗。沐曦首款異構 GPU 產品 MXN100 晶元採用 7nm 製程，已於 2022 年 8 月回片點亮，主要應用於推理側;應用於 AI 訓練及通用計算的產品 MXC500 晶元已於 2022 年 12 月交付流片，公司計劃 2024 年全面量產。

　　國內AI晶元公司對比(圖源民生證券研報)

　　天數智芯成立於 2015 年，首席科學家鄭金山為原 AMD 首席工程師，首席技術官 Chien-Ping Lu 曾任三星全球副總裁。天數智芯的 Big Island 雲端 GPGPU 是一款具有自主知識產權、自研 IP 架構的 7nm 通用雲端訓練晶元，這款晶元達到295TOPS INT8 算力。

　　壁仞科技成立於 2019 年，創始人張文曾任商湯科技總裁，CTO 洪洲曾任職於海思的 GPU 自研團隊，軟體生態環境主要負責人焦國方曾創建高通公司驍龍GPU 團隊、領導了 5 代 Adreno GPU 架構開發。2022 年 8 月，壁仞科技發布首款 GPGPU 晶元BR100，BR100 晶元採用 chiplet 技術，其 16 位浮點算力達到 1000T 以上、8 位定點算力達到 2000T 以上。

　　縱觀半導體行業的歷史發展，我們會發現無論是90年代的PC，還是今天的智能手機，晶元才是底層的技術驅動力和競爭力。早幾年華為憑著自研晶元在高端智能手機市場與蘋果平分秋色，在晶元受到制裁之後便一落千丈，這是我們看見的事實。

　　國內由於入局比較晚的原因，在電腦晶元以及手機晶元上都很難趕上國外的發展，而目前AI晶元的發展仍處於初級階段，無論是科研還是產業應用都還有很長的路要走。這這條賽道上國產晶元完全有機會實現彎道超車。畢竟比賽才剛剛開始。

　　本文為嗶哥嗶特資訊原創文章，如需轉載請在文前註明來源