原文來源：腦極體
圖片來源：由無界AI生成
10月17日，美國加強了面向中國市場的AI晶片禁令。其中明確將性能、密度作為出口管制標準，將單晶片超過300teraflops算力，以及性能密度超過每平方毫米370gigaflops的晶片都納入了禁止出口行列。
雖然在這項禁令下，AMD、英特爾等公司提供的高階AI晶片也受到影響。但由於英偉達在全球AI晶片領域一家獨大，本次禁令涉及A100、H100等主流AI訓練用英偉達GPU，因此這次的晶片禁令也被稱為「英偉達禁令」。
消息一出，立刻引起了AI產業的熱議。但討論多中心化在禁令何時施行，是否有緩衝地帶，具體涉及哪些GPU型號，禁令期限是多久等。這就導致一個顯而易見的宏觀背景被忽略了：自貿易摩擦發生以來，中美經貿關係雖然時有波動，但面向中國的晶片管控卻始終有增無減。尤其是高階AI晶片禁令，在許多爭議中依舊被堅定推行。
至此，AI產業似乎已經必須形成一個基本的共識：拋棄幻想，準備鬥爭。
與其斤斤計較哪些GPU被禁，是否有解禁可能。不如重新審視在晶片鐵幕時代下，中國AI計算究竟何去何從？
本文希望從目前的產業局面出發，和大家一起思考AI計算的前進之路。
目前的局面
首先我們必須了解一個問題，那就是為什麼這次英偉達禁令出台之後，大眾輿論與AI行業的反應都沒有18、19年晶片封鎖剛開始時嚴重。似乎只有在消費級顯示卡RTX 4090是否被禁問題上，引發了遊戲玩家和相關商家的一些爭論。
這背後的宏觀邏輯在於，業界是非常不願意看到高階AI晶片被禁售的，但其實也對這種局面早有預料。一方面是美國對華晶片封鎖推動多年，先前英偉達部分高階GPU已經被禁，產業界的回饋早就從驚愕調整為了泰然處之。加上ChatGPT爆火之後今年全球高階GPU行情陡然看漲，隨之而來的是美國方面屢次表態要推動對華整體性的高階AI晶片禁售。虛虛實實幾個月之後，最後落下一錘也不外如是。
為了因應這次可預見的禁令，同時也有大模型發展的客觀推動，去年年底到今年上半年大量中國科技、金融、汽車等領域的企業中心化囤貨英偉達高端GPU，已經造成了市面上一卡難求的局面。換句話說，對於許多中國中小型科技企業、AI新創公司來說，高階GPU本來就買不到，禁售之後也沒有太多改變。
另一個真實情況是，高階AI晶片並非無法國產化。早在18、19年貿易摩擦開始後，國內AI晶片產業加速發展。這就導致在AI訓練需求上，英偉達高階GPU雖然很難被取代，但並非不可取代。
加上AI晶片並不像手機晶片那樣事關大眾消費者，華為已經在手機晶片上完成了突破。種種跡象合在一起，導致無論是大眾還是行業，都對這次禁令產生了一種坦然，甚至有點見怪不怪的心態。
但必須客觀看到的是，這次禁令絕非對中國AI產業沒有傷害。一方面短期內更換英偉達GPU，無論在晶片產能、生態相容性等議題上都非常困難。且禁令也將直接在AI伺服器等領域，造成大規模使用英偉達產品的廠商傷害。
而更關鍵的問題在於未來，如果禁令長期存在，中國AI運算將逐漸與全球高階晶片脫鉤，那麼可能帶來的長期負面影響是非常複雜的，比如說：
1.英偉達高階GPU代表的AI晶片在更新迭代之後，是否會造成中國AI算力的發展脫節？
2.底層算力出現發展分歧後，中國AI產業是否會在大模型等軟體技術發展中落後？
3.本次AI晶片禁令，已經呈現出大規模封鎖的特徵。這種科技封鎖真的只會停留在AI晶片領域嗎？通用算力、儲存、基礎軟體等數位化基礎能力是否將成為接下來的打擊目標？
總而言之，這次的AI晶片禁令，對中國來說是個有準備的博弈，而非一場奇襲。想要成功度過這一關，也需要將手中的每一張牌都打好，打出配合，從而降低傷害烈度，提升長期發展的勝率。
而就目前來看，中國AI計算有三項必須同時發力的「突圍方案」。
方案1：用好「買家」身份
有個簡單的道理，商業市場的行為邏輯是由供需決定的。但在以晶片為代表的中美科技貿易中，我們經常陷入一個思維迷思：認為絕大部分遊戲規則是由美國政府和企業制定的，他們想賣我們就買，他們不想買我們就無奈。
作為全球晶片市場的最大“買家”，中國企業卻沒有話語權，這是非常荒謬的。
事實上，針對中國市場的AI晶片禁令，最直接傷害的就是以英偉達為代表的美國科技巨頭。目前，英偉達AI晶片方面最大市場需求來自中國。先前英偉達CEO黃仁勳就明確表示，「如果被剝奪了中國市場，我們是沒有應急措施的，世界上沒有另一個中國」。
在這種情況下，我們能看到追求商業利益的美國科技公司，與追求政治利益的美國政府之間有著鮮明的矛盾。美國科技企業總是想辦法尋求反對禁令和繞過禁令，例如英偉達就從去年開始推出了應對禁運政策的中國特供版GPU。
中國市場，消化了美國科技企業約三分之一的產能，二者之間的供需紐帶是無法長期割裂的。面對美國愈發明顯的整體性科技封禁，中國市場也應該積極用好「買家」身份，讓自身的行為更具鮮明立場與可預測性。
避免造成一種「賣了就歡迎，不賣只能無奈」的表現和印象。
「買家身分」應該是一種有立場、有力量且會憤怒的身分。
方案2：以雲代卡，算力中心化
在可見的較長時間裡，美國對中國的AI晶片封禁恐怕都只會加強，而這個時機恰好對應上AI大模型發展的關鍵階段。很多業內人士認為，大模型發展雖快，但沒有呈現出先前其他科技風口的快速局面，投資缺錢，計算缺卡是主要原因。
那麼如何解決中國AI產業在禁令之下的算力缺口問題呢？首先的應急方案就是企業加大雲端AI算力的配置與投入，推進以雲端代卡。
事實上，在高階AI晶片可能被禁的大趨勢下，中國幾大公有雲廠商都做出了加強囤積英偉達高階GPU的動作。這一方面是因為雲廠商本身要加大模型投入，開啟MaaS市場，所以對AI算力有直接需求。另一方面也是因為GPU轉化為雲端資源礦池之後可以長期重複使用，對於雲端廠商來說是一個進可攻，退可守的局面。因此，今年上半年一度出現了市面上高階AI晶片全都流向雲端廠商，中小企業一卡難求的局面。
客觀來看，這種高階AI晶片中心化向雲的舉動，對整個中國市場統籌應對AI晶片禁令是有利的，也符合東數西算的戰略思路。
另一個利好雲端AI算力的趨勢在於，隨著大模型參數和使用資料量的不斷加大。在地化的卡礦池訓練已經愈發吃緊。必須在雲端發生的千卡、萬卡訓練成為未來主要的發展方向，因此企業用戶自然會更積極走向雲端。
同時，雲端AI算力不會只停留在囤積英偉達GPU的層面。接下來，國產的自主AI算力駛入雲端是大勢所趨。在相關政策的推動下，雲廠商正在加大自主AI晶片的採購力道。根據IDC數據，2023年上半年中國AI伺服器已經使用了50萬塊自主開發的AI加速器晶片。在自主AI算力的服務化方面，華為雲端已經推出了昇騰AI雲端服務。雲端化與自主化結合的AI算力，將在AI晶片禁令背景下大幅發展。
加上近幾年在東數西算大背景下，各地陸續建立了大量採用自主AI算力的AI運算中心，整體來看中國的雲端AI算力是供給穩定、保障可靠的。
而許多企業依舊傾向於採購本地AI算力。這一方面是因為英偉達GPU市場緊缺，保值性特別好，甚至能作為企業的核心資產。另一方面是因為雲端AI算力往往會有排隊、當機、軟體服務缺失等問題。
如何進一步提升開發者的雲端AI算力使用體驗，是公有雲廠商接下來需要發力的方向。
方案3：讓國產AI算力爆發式成長
面對新一輪AI晶片禁令，中國AI產業最大的底氣是什麼？是多年後的習以為常，還是大量屯卡之後的家有餘糧？都不是。最關鍵的節點在於經過多年發展，中國AI晶片產業已經得到了巨大發展。英偉達的高階GPU確實依舊重要，但已經不是毫無替代選項可言。
根據IDC先前發布的數據，2022年中國AI加速卡出貨量約為109萬張，其中英偉達市場份額達到了85%，華為昇騰實市場佔有率10%，百度崑崙為2%，寒武紀和燧原科技均為1%。
從中可以看出，國產AI算力已經實現了一定程度的市場佔比，而不僅僅是概念與理論中的「紙上談兵」。同時也應該看到，國產AI晶片在核心效能、軟體生態以及出貨能力上依舊不理想，還有很長的路要走。在英偉達禁令的客觀條件倒逼下，國產AI算力必須在短期內跨越這些困難，加速自身的成長與成熟週期。
為了實現這個目標，有幾件事非常重要：
1.形成產業共識，避免概念混淆。
提起AI晶片，我們常說它有非常多的實現方式，有很多自主品牌參與這個市場，看起來一片繁榮。例如AI晶片有GPU、FPGA、ASIC、存算一體和類腦晶片等，國產AI加速晶片廠商有阿里、百度、華為、寒武紀、海光資訊、燧原科技、天數智芯、壁仞科技、摩爾線程、龍芯中科等。
這種「繁榮」的表述，不僅在大眾輿論與投資市場上具有迷惑性，也常出現在一些產業報告與政策分析當中。但其中蘊藏的問題在於，普遍過度拓展了AI晶片的定義。比如說，類腦晶片在可見的未來都只是技術暢想，如果每次討論國產AI晶片都把類腦加上，那隻會浪費時間，去中心化精力。再比如，有些AI晶片廠商只能做自用晶片，無法面向市場出貨。有些廠商目前還不具備商業化能力，處在早期建設階段，他們短期內對於AI計算自主化的貢獻也就非常小。
為了因應英偉達高階GPU禁售問題，我們需要把目光中心化在可行、有效的GPU替代品上，而不是進行過多聯想和發散。只有形成了這項產業共識，才能聚集力量解決問題。
2.走向規模化商用，避免PPT造芯。
事實上，無論從AI加速晶片或伺服器整機來看，國內目前能夠出貨的AI晶片廠商都寥寥無幾。主要中心化在華為、百度兩家，燧原科技、海光資訊也有一定的出貨。而大量半導體廠商與AI企業，更多仍停留在打造晶片的計畫與願景。這導致大量受到政策支持與投資市場期待的國產AI晶片停滯不前，甚至有停留在這一階段享受金融市場紅利的嫌疑。
接下來的產業導向，應該從AI晶片的立項走向出貨，幫助AI晶片廠商獲得直接的商業回饋，產品與產能接受市場檢驗，逐步塑造正向的現金流。
3.加強軟體生態，強化遷移能力。
英偉達GPU之所以重要，不僅在於硬體效能，更在以CUDA、PyTorch為核心的軟體生態能力，因此發展國產AI晶片絕不能低估軟體的能力。在強化自主軟體生態建置的同時，也要重視基於英偉達生態打造AI模式的遷移能力與遷移成本。
為此，已經有大量廠商進行了探索，例如海光資訊的DCU，就在生態、程式環境等方面與CUDA高度相似，CUDA用戶可以以較低代價快速遷移至海光的ROCm平台。而在此前，PyTorch2.1 版本宣布支援華為昇騰。可見國產AI晶片已經具備了一定的規模化影響力，可以更融入全球軟體生態當中。
未來想要實現國產AI計算的爆發，是無法離開國產AI基礎軟體生態爆發的。
4.加大對「主品牌」支持，形成規模化效應。
對於美國AI晶片，除了英偉達GPU，你還知道哪些？這個問題即使是問一些AI開發者，答案也很大程度是不清楚，或是沒試過。從中可見，AI計算就像通用計算、圖形計算一樣，極大機率是會最終出現一到兩個「主品牌」的。這屬於客觀的市場規律，沒有必要以揠苗助長的方式實現「百花齊放」的局面。
甚至就目前中國AI運算必須加速成熟，完成自主化替代的目標來說，盡快實現超多強的局面是件好事。這可以避免生態割裂，避免產業在搖擺形成大量IT投資浪費。這個過程理應交給市場選擇，慢慢成形。但在晶片禁令的大背景下，國產AI運算崛起已經時不時待，與其讓100種AI晶片慢慢成熟，慢慢洗牌，例如加速形成「主品牌」快速替代的局面。
而從目前局面來看，昇騰是最有可能成為國產AI算力主品牌的一股力量。科大訊飛創辦人、董事長劉慶峰先前表示，華為GPU已經對標英偉達A100。根據數據顯示，昇騰310整數精度算力達到了16TOPS，昇騰910整數精度算力達到640TOPS。這意味著昇騰910性能已經接近英偉達A100。
同時，昇騰也是目前唯一穩定佔據市場份額的國產AI算力，並且在軟體上孵化了類似英偉達CUDA的異構運算架構CANN和AI運算架構MindSpore。在核心效能、軟體生態與市場佔有率三項指標來看，昇騰都已經具備了可以加速成長，實現AI算力大規模國產化替代的可行性。
規範產業標準，強化軟體建設，提升自主品牌支持，是短期內推動國產AI算力快速成長的主要途徑。
英偉達禁令，是一個中國AI產業普遍不願意看到，盡量避免，甚至到今天也有些諱莫如深的問題。但情勢比人強，在不斷加速的逆全球化進程與AI競賽中，類似禁令未來大機率只多不少。
逃避、迂迴、噤若寒蟬，都無法解決問題，只有坦然應對，奮力自強，才能從根本上解決受制於人的問題。
禁令之下，中國AI計算何去何從？
答案是我們已別無選擇，所以要給世界第二個選擇。
資訊來源：由0x資訊編譯自8BTC。版權所有，未經許可，不得轉載