撼動英偉達的壟斷，沒那麼容易。
ChatGPT爆火之後，谷歌和微軟兩巨頭的AI大戰戰火，已經燒到了新的領域——服務器芯片。
如今，AI和雲計算都成了必爭之地，而芯片，也成為降低成本、贏得商業客戶的關鍵。
原本，亞馬遜、微軟、谷歌這類大廠，都是以軟件而聞名的，而現在，它們紛紛斥資數十億美元，用於芯片開發和生產。
各大科技巨頭研發的AI芯片
ChatGPT爆火，大廠開啟芯片爭霸賽
根據外媒The Information的報導以及其他來源，這三家大廠現在已經推出或計劃發布8款服務器和AI芯片，用於內部產品開發、雲服務器租賃或者二者兼有。
「如果你能製造出針對AI進行優化的矽，那前方等待你的將是巨大的勝利」，研究公司Forrester的董事Glenn O’Donnell這樣說。
付出這些巨大的努力，一定會得到回報嗎？
答案是，並不一定。
英特爾、AMD和英偉達可以從規模經濟中獲益，但對大型科技公司來說，情況遠非如此。
它們還面臨著許多棘手的挑戰，比如需要聘請芯片設計師，還要說服開發者使用他們定制的芯片構建應用程序。
不過，大廠們已經在這一領域取得了令人矚目的進步。
根據公佈的性能數據，亞馬遜的Graviton服務器芯片，以及亞馬遜和谷歌發布的AI專用芯片，在性能上已經可以和傳統的芯片廠商相媲美。
亞馬遜、微軟和谷歌為其數據中心開發的芯片，主要有這兩種：標準計算芯片和用於訓練和運行機器學習模型的專用芯片。正是後者，為ChatGPT之類的大語言模型提供了動力。
此前，蘋果成功地為iPhone，iPad和Mac開發了芯片，改善了一些AI任務的處理。這些大廠，或許正是跟蘋果學來的靈感。
在三家大廠中，亞馬遜是唯一一家在服務器中提供兩種芯片的雲服務商，2015年收購的以色列芯片設計商Annapurna Labs，為這些工作奠定了基礎。
谷歌在2015年推出了一款用於AI工作負載的芯片，並正在開發一款標準服務器芯片，以提高谷歌云的服務器性能。
相比之下，微軟的芯片研發開始得較晚，是在2019年啟動的，而最近，微軟更加快了推出專為LLM設計的AI芯片的時間軸。
而ChatGPT的爆火，點燃了全世界用戶對於AI的興奮。這更促進了三家大廠的戰略轉型。
ChatGPT運行在微軟的Azure雲上，使用了上萬塊英偉達A100。無論是ChatGPT，還是其他整合進Bing和各種程序的OpenAI軟件，都需要如此多的算力，以至於微軟已經為開發AI的內部團隊分配了服務器硬件。
在亞馬遜，首席財務官Brian Olsavsky在上週的財報電話會議上告訴投資者，亞馬遜計劃將支出從零售業務轉移到AWS，部分原因是投資於支持ChatGPT所需的基礎設施。
在谷歌，負責製造張量處理單元的工程團隊已經轉移到谷歌云。據悉，雲組織現在可以為TPU和在其上運行的軟件製定路線圖，希望讓雲客戶租用更多TPU驅動的服務器。
谷歌：為AI特調的TPU V4
早在2020年，谷歌就在自家的數據中心上部署了當時最強的AI芯片——TPU v4。
不過直到今年的4月4日，谷歌才首次公佈了這台AI超算的技術細節。
相比於TPU v3，TPU v4的性能要高出2.1倍，而在整合4096個芯片之後，超算的性能更是提升了10倍。
同時，谷歌還聲稱，自家芯片要比英偉達A100更快、更節能。對於規模相當的系統，TPU v4可以提供比英偉達A100強1.7倍的性能，同時在能效上也能提高1.9倍。
對於相似規模的系統，TPU v4在BERT上比A100快1.15倍，比IPU快大約4.3倍。對於ResNet，TPU v4分別快1.67倍和大約4.5倍。
另外，谷歌曾暗示，它正在研發一款與Nvidia H100競爭的新TPU。谷歌研究員Jouppi在接受路透社採訪時表示，谷歌擁有「未來芯片的生產線」。
微軟：秘密武器雅典娜
不管怎麼說，微軟在這場芯片紛爭中，依舊躍躍欲試。
此前有消息爆出，微軟秘密組建的300人團隊，在2019年時就開始研發一款名為「雅典娜」（Athena）的定制芯片。
根據最初的計劃，「雅典娜」會使用台積電的5nm工藝打造，預計可以將每顆芯片的成本降低1/3。
如果在明年能夠大面積實裝，微軟內部和OpenAI的團隊便可以藉助「雅典娜」同時完成模型的訓練和推理。
這樣一來，就可以極大地緩解專用計算機緊缺的問題。
彭博社在上週的報導中，稱微軟的芯片部門已與AMD合作開發雅典娜芯片，這也導致AMD的股價在周四上漲了6.5%。
但一位知情者表示，AMD並未參與其中，而是在開發自己的GPU，與英偉達競爭，並且AMD一直在與微軟討論芯片的設計，因為微軟預計要購買這款GPU。
亞馬遜：已搶跑一個身位
而在與微軟和谷歌的芯片競賽中，亞馬遜似乎已經領先了一個身位。
在過去的十年中，亞馬遜在雲計算服務方面，通過提供更加先進的技術和更低的價格，一直保持了對微軟和谷歌的競爭優勢。
而未來十年內，亞馬遜也有望通過自己內部開發的服務器芯片——Graviton，繼續在競爭中保持優勢。
作為最新一代的處理器，AWS Graviton3在計算性能上比上一代提高多達25%，浮點性能提高多達2倍。並支持DDR5內存，相比DDR4內存帶寬增加了50%。
針對機器學習工作負載，AWS Graviton3比上一代的性能高出多達3倍，並支持bfloat16。
基於Graviton 3芯片的雲服務在一些地區非常受歡迎，甚至於達到了供不應求的狀態。
亞馬遜另一方面的優勢還表現在，它是目前唯一一家在其服務器中提供標準計算芯片（Graviton）和AI專用芯片（Inferentia和Trainium）雲供應商。
早在2019年，亞馬遜就推出了自己的AI推理芯片——Inferentia。
它可以讓客戶可以在雲端低成本運行大規模機器學習推理應用程序，例如圖像識別、語音識別、自然語言處理、個性化和欺詐檢測。
而最新的Inferentia 2更是在計算性能提高了3倍，加速器總內存擴大了4倍，吞吐量提高了4倍，延遲降低到1/10。
在初代Inferentia推出之後，亞馬遜又發布了其設計的主要用於AI訓練的定制芯片——Trainium。
它對深度學習訓練工作負載進行了優化，包括圖像分類、語義搜索、翻譯、語音識別、自然語言處理和推薦引擎等。
在一些情況下，芯片定制不僅僅可以把成本降低一個數量級，能耗減少到1/10，並且這些定制化的方案可以給客戶以更低的延遲提供更好的服務。
撼動英偉達的壟斷，沒那麼容易
不過到目前為止，大多數的AI負載還是跑在GPU上的，而英偉達生產了其中的大部分芯片。
據此前報導，英偉達獨立GPU市場份額達80%，在高端GPU市場份額高達90%。
20年，全世界跑AI的雲計算與數據中心，80.6%都由英偉達GPU驅動。 21年，英偉達表示，全球前500個超算中，大約七成是由自家的芯片驅動。
而現在，就連運行ChatGPT的微軟數據中心用了上萬塊英偉達A100 GPU。
一直以來，不管是成為頂流的ChatGPT，還是Bard、Stable Diffusion等模型，背後都是由每個大約價值1萬美元的芯片英偉達A100提供算力。
不僅如此，A100目前已成為人工智能專業人士的「主力」。 2022人工智能現狀報告還列出了使用A100超級計算機部分公司的名單。
顯而易見，英偉達已經壟斷了全球算力，憑藉自家的芯片，一統江湖。
根據從業者的說法，相比於通用芯片，亞馬遜、谷歌和微軟一直在研發的專用集成電路（ASIC）芯片，在執行機器學習任務的速度更快，功耗更低。
O’Donnell董事在比較GPU和ASIC時，用了這樣一個比較：「平時開車，你可以用普銳斯，但如果你必須在山上用四輪驅動，用吉普牧馬人就會更合適。」
然而儘管已經做出了種種努力，但亞馬遜、谷歌和微軟都面臨著挑戰——如何說服開發者使用這些AI芯片呢？
現在，英偉達的GPU是占主導地位的，開發者早已熟悉其專有的編程語言CUDA，用於製作GPU驅動的應用程序。
如果換到亞馬遜、谷歌或微軟的定制芯片，就需要學習全新的軟件語言了，他們會願意嗎？
展開全文打開碳鏈價值APP 查看更多精彩資訊
