人类历史上，领土、黄金和能源这些具有稀缺性的资源往往会引发战争。而现在，伴随着大模型的极速狂飙，人类对机器智能的极度推崇下，AI芯片成了世界上最关键的资源和技术之一。
就像火箭升空需要燃料燃烧推动，大模型训练、推理则需要算力作为支撑， 比如ChatGPT的训练门槛是1万张英伟达V100芯片，于是乎“大力出奇迹”成为人们的信仰。
企业是如此渴望算力，以至于一张和扑克牌大小差不多的英伟达H100显卡，一度被炒到4万美元以上。英伟达现在的市值超2万亿、目前位居全球第四，相当于11个阿里巴巴。
谁有足够强大的AI芯片，谁便掌握了AI时代的大动脉。如今，英伟达以超过80％的全球市占率占据了绝对的垄断地位，而这在美国限制芯片出口的背景下并不是件好事情。
不过，国产AI芯片的发展似乎曙光已现。就在最新的财报会上，百度创始人李彦宏透露，虽然百度无法获得最先进的AI芯片，但国产芯片也能确保用户体验不受影响。
国产AI芯片发展得怎么样了？谁能代表最高水平吗？算力是导致中美大模型差距的核心因素吗？带着这些疑问，旺旺屋和多位行业人士进行了交流。
华为最新AI芯片已商用落地，
或代表国产最高水平
在这场AI芯片战争中，华为依旧冲在最前锋。
Mate60系列手机的面世，吹响了华为回归的号角。时隔美国管制4年，华为在解决芯片关键制程工艺的制造难题，用麒麟9000 5G芯片证明了自己绝地重生的勇气和实力。
手机只是起点，海思作为国内顶级芯片设计巨头，触角还布及服务器、基站、路由器等领域。麒麟之后，华为自研昇腾AI芯片也迎来秘密更新。
目前，华为昇腾最新AI芯片在国内已经实现商用落地，这也让英伟达产生了不小的“危机感”，英伟达CEO黄仁勋直言——华为是重要的竞争对手。
旺旺屋了解到，华为昇腾最新AI芯片的价格大概在“十几万”，作为对比，英伟达对华专供的阉割版AI芯片H20大概是在“十万以内”，性能上华为昇腾最新AI芯片略逊色于H20。当然，芯片价格也随客户需求规模变动，所以准确价格还要视具体交易情况。
有相关人士告诉旺旺屋，由于产能有限，华为内部的策略是优先保证大客户的供应。百度、OPPO等公司均有采购华为AI芯片，量级在数千颗。
AI芯片创业公司千芯科技董事长陈巍判断，目前华为海思AI芯片在国内的出货量应该能排到前三，大部分不是以单独的芯片或加速卡出货，而是以整机的方式去交付。
大部分业内人士认为，海思昇腾代表了国产AI芯片的最高水平。
一般来说，性能、灵活性、同构性、成本、功耗均是评价芯片水平的重要维度，其中以算力为代表的性能尤其被外界关注。
一位对国内AI芯片颇有了解的清华教授告诉旺旺屋，从已经量产落地的产品中来看，华为做的相对是最好的，比大部分创业公司都靠谱。“比如和寒武纪相比，华为的峰值性能高了超1倍，灵活性也有优势，900多个Pytorch的算子，寒武纪只支持500多个，华为基本都支持。”
某摩尔线程员工向旺旺屋表示，除了海思有能和英伟达PK的设计水平，其他公司人员规模、设计水平、产品经验等方面都不行。
他表示，其实昇腾芯片的量产也是一直没有停过，这波禁售可能受益最高的就是华为，因为手机芯片都能做出来，其实也意味着计算芯片的工艺条件是满足的。
芯片创业公司：
被华为“卷死了”
华为最早在1991年成立了集成电路设计中心，在2004年成立海思半导体。2018年10月，华为才正式发布首款AI训练芯片昇腾910与AI推理芯片昇腾310，并于2019年正式投入商用。
在华为、中兴事件的影响下，AI芯片行业前几年也掀起过一股创业热潮，大批人才立志向英伟达看齐，于是壁仞科技、摩尔线程、燧原科技、沐曦等等明星公司不断涌现，希望补上国内市场的空白。
拿到巨额融资后，部分创业公司也交出了不错的成绩单，比如壁仞首款通用GPU芯片BR100峰值算力超越英伟达A100。不过就在去年10月17日，美国宣布对中国的GPU/AI芯片企业实施全面的出口管制和制裁，摩尔线程、壁仞科技及其子公司被列入实体清单。
“1017事件”一度被视为中国AI芯片的至暗时刻，行业也进入了低迷期，收缩和裁员难以避免。孙杰（化名）最近刚被裁员，他此前一直在壁仞、燧原等公司负责产品的市场化工作。
“制裁之后，投资人和公司的信心发生了巨大的变化，生产几乎都要到美国的BIS进行申请，国内高端工艺又没有很好量产，所以公司也是在慢慢裁员，每批大概5％的人。”
在孙杰看来，几乎所有AI芯片创业公司面临的挑战在于——客户会考虑你究竟有没有持续供应能力？因为GPU是基础设施，项目也不小，一旦面临管制，芯片量产落地是大问题。
并且，国内厂商做同样性能的芯片，成本要比英伟达更高，而近两年国内融资环境正逐渐恶化，投资人也没那么多钱了。
更为重要的是，随着华为的回归，壁仞、燧原、摩尔们，需要直面与华为的竞争。
“这一波制裁，华为快把全国厂家全部卷死了。”孙杰向旺旺屋表示，因为在制裁下，华为有生存能力，其他业务有现金流，有钱、人才、政策去突破制造难题，现在大的国家算力集群、运营商都只会用华为的产品，“创业公司几乎是没办法生存了”。
当然，并不是所有从业者都像孙杰一样悲观，来自摩尔线程的飞飞（化名）认为其实被制裁是一个积极的信号，因为这意味着国家一定会大力扶持这个行业，资金、人才都会进来。“以前清北的学生不太会主动来关注我们公司，现在肯定都会主动来问。”
在他看来，这两年行业处于泡沫之后的整合阶段，现在不是给个PPT就有人投钱，所以越来越多公司慢慢就消失了，后续会稳定到良性竞争的状态。
PK英伟达？
硬件上有3-5年差距
软件上有5-10年差距
即使国内AI芯片正奋力追赶，英伟达的垄断地位目前仍是牢不可破。
Gartner最新数据显示，英伟达在全球AI芯片市场的市占率预计达到90%，创下新高。此外，英伟达计划在2024年销售约150万-200万张GPU，这可能将是去年销量的三倍。
聚焦国内市场，去年上半年中国本土AI芯片品牌出货超5万张，市占率为10％。市占率鸿沟的背后，是英伟达深耕GPU市场三十余年建立起的强大壁垒。
从最新芯片的性能来看，国内企业产品与英伟达四年前发布的A100尚有PK的底气，可面对最新推出的H200就毫无招架之力。
以华为昇腾910B芯片为例，其算力和英伟达A100差不多，但是和英伟达H100还有大概3.5倍的差距，何况英伟达已发布、暂未上市的H200又比H100快了90％。
在业内人士看来，华为和英伟达在硬件上有3-5年的差距，在软件上可能有5-10年的差距。
一边是芯片先进制程工艺上存在差距，华为解决了7nm芯片的生产制造问题，但英伟达已经更新到4nm。上述清华教授告诉旺旺屋，“国内用7纳米就已经到头了，更先进的短时间内很难搞定。”
要知道，半导体工业的技术壁垒是台湾用几十年积累起来的。芯片制造有几十道、上百道工艺流程，每一道流程上用到的精密仪器设备，国内几乎都是需要去补齐短板的。
另一边，甚至“软件比硬件的垄断还要厉害”。据了解，在类似于GPU这种复杂芯片产品当中，软件工作量可能占70%，大部分是指令驱动相关的东西。一个芯片公司里面一百个做芯片研发的，软件可能会到三四百人。“中国这几年发展互联网有很多开发APP的人才，但是贴近硬件的软件、比如芯片驱动的人非常少，甚至比研发芯片的人还要少。”
和操作系统同样类似，一旦用户习惯iOS/安卓，再想替换的代价就非常高，这便是英伟达CUDA生态的强势之处。
一名大模型行业创业者吕亚（化名）告诉旺旺屋，大公司采购华为的芯片很正常，因为华为可以给他们做针对性的适配，但小公司就没办法了。“英伟达用的人多，遇到什么问题都可以在相关论坛找到解决方法。”
另外，有厂商也是在兼容英伟达CUDA生态，虽然可以用，但是效率、成本会有差距。“比如说在原生的软件平台跑一个模型推理只用一小时，但在兼容平台上可能要跑三个小时。”
算力限制下，
中美大模型差距或不断拉大
一般来说，算法、算力和数据被认为是人工智能三大核心要素。
有中科院教授向旺旺屋感叹到，中美大模型大概有相当于一年半到两年的差距，但实际上这个差距正不断拉大，因为高端芯片的获取受到限制。“算力是核心的竞争力，如果没有足够的GPU，不可能训练出特别领先的东西。”
上述大模型视频行业相关创业者吕亚（化名）认为，即使是算法，也是和算力息息相关的，因为如果没有足够的算力，很难支撑算法的实验。
“举个例子，跑一次实验，只能验证一组参数，参数组合有成千上万种，所以我们需要通过多轮的实验去证明算法的有效性。”
所以，算力对于大模型从业者来说是异常珍贵的资源。算力成本高企，让大部分小型创业公司主要关注大模型的应用，而非基础大模型。
千芯科技董事长陈巍告诉旺旺屋，国内多数大模型厂家，是基于国外LLaMA开源大模型训练的，所以主要是百度、腾讯、字节等头部厂商有自己从零进行模型训练的需求，在算力上的压力比较大。
以吕亚所在的AI视频行业来说，基本上没有公司有千卡以上规模的技术，因为大部分资源都集中在语言大模型，普通公司不会买GPU，大部分是选择租用的方式。“一般一台机器8张卡，市面上的价格一个月4~6万不等，按照6万来算的话，千卡需要128台机器，也就是1000万左右的成本。”
从本质上来说，基础大模型是巨头才能玩的游戏，这是一场关于算力的军备竞赛。有相关从业者指出，OpenAI有30万块GPU，而国内有1万块GPU的厂商可能找不出一两个。
国内还存在算力资源分散的问题，就连李彦宏也抱怨过，“好几百个基础模型，是对社会资源巨大的浪费，尤其在我们算力还受限制的情况下”。
目前AI对算力的需求还没有达到顶峰，陈巍认为等到大模型（包括多模态和视频大模型）后面真正铺开落地，算力需求估计是现在的100倍以上。
马斯克最近也提到，AI的发展速度前所未见，几乎每过6个月的时间算力就会增加10倍，远远超出摩尔定律每18个月翻番的速度。
在如此强劲的需求下，多位业内人士认为布局国产AI算力是非常紧迫的。“国产AI芯片发展还是要聚焦硬件开发和软件生态的构建，这些都是不能一蹴而就、半途而废的。”
暂无评论内容