ChatGPT与人工智能芯片：挑战和机遇

ChatGPT与人工智能芯片：挑战和机遇

近来，ChatGPT风头正劲，被寄望成为脑力工作者的替代者，其能够重新构建各类数据，包括信息编写、内容生成、客户互动、法律文件等等。专家们也纷纷预测未来多个职业将可能被ChatGPT取而代之，其中包括律师、投资顾问、税务专家、会计师、医疗诊断专家、客服、市场营销顾问、编剧、新闻从业者、以及程序员等等。

不可思议的是，连程序员这个领域也难逃其威胁，仿佛是一剑封喉，成为“上岸第一剑，先斩意中人”。在二级市场上，各类上市公司纷纷趁势蹭热点，涉足AI领域，股价犹如坐上了火箭，仅短短几个交易日内涨幅超过50%，甚至翻倍。

然而，实际情况并不像表面看起来那样简单。ChatGPT毕竟是建立在人工智能基础之上的，而人工智能的基石便是计算力，而计算力又依赖于芯片。问题来了，中国的AI芯片水平如何？与英伟达相比差距有多大？

AI芯片是专门用于处理人工智能计算和应用任务的芯片，也被称为AI加速器或计算卡。在架构上，AI芯片通常分为GPU、FPGA和ASIC。然而，在实际应用中，AI芯片又分为云端、边缘和终端三种应用场景，根据实际需求选择不同的AI芯片。云端需要处理大量数据和各种AI服务，对算力要求极高；边缘是连接云端与终端的关键节点，需要部分算力，以降低云端压力和提高效率；终端是指手机、电脑、汽车等设备，需要嵌入AI芯片，负责数据采集和推断。不管是哪种类型的AI芯片，它们都需要强大的计算力。

据OpenAI的估算，自2012年以来，头部AI模型的训练计算需求每3-4个月就会翻倍，每年增长10倍。这种快速增长的需求在各类事件中都可以感受到。例如，2016年阿尔法狗战胜围棋高手李世石，当时它使用了1202个CPU和176个GPU，耗费了大约800多万核并行计算以及高额电费。而李世石可能只需要两个馒头、一碟泡菜和一瓶矿泉水。这显示出当时AI因为计算力不足而不得不通过数量来弥补，并且能源消耗也相当高。

同样，百度的无人驾驶汽车项目“Apollo”采用了英特尔和英伟达的AI芯片，使其能够在相对较短的时间内进行大规模测试，而不采用AI芯片可能需要数百亿公里的测试，这对于现有芯片来说几乎是不可能的任务。另外，ChatGPT聊天机器人也需要巨大的计算力支持，总计算力消耗高达3640PF-days，至少需要7-8个耗资30亿美元的数据中心来运行。这需要大量的英伟达GPUA100，以GPT-3这个规模为例，一次模型训练的成本超过1200万美元。

这些事件表明，AI芯片的计算需求正在迅速增长，已经接近现有芯片计算能力的极限，这迫使芯片制造商不得不快速迭代升级。那么，在众多芯片制造商中，谁能够满足未来的计算需求呢？GPU领导者英伟达在AI芯片领域处于领先地位。英伟达是GPU的发明者，推动了图形计算和AI的快速发展。他们不断创新，每两年就更新一次架构，即使在AI、自动驾驶领域也走在了前面，甚至超越了英特尔和AMD。英伟达的最新产品H100采用了5nm工艺，整体性能提升6倍，算力提升3.2倍。它还可以将单个GPU分拆为7个，同时进行不同的运算任务，进一步提高性能。此外，英伟达还在开发新一代的人工智能计算机Eos，搭载了4600个H100GPU，比世界上最快的超级计算机还要快1.4倍。如今，英伟达在GPU领域市场份额高达70%，独立显卡领域市场份额更是高达86%。作为全球领先的AI芯片研发公司，英伟达将在AI迅速发展的浪潮中赚得盆满钵满，并将收入重新投入研发，形成良性循环。

那么，国产AI芯片与英伟达相比差距有多大呢？中国拥有多家AI芯片公司，包括龙芯、景嘉微、华为海思、摩尔线程、璧仞科技、天数智芯等等。然而，与英伟达相比，这些公司在性能和生态系统方面仍然存在差距。以景嘉微为例，虽然是中国领先的GPU制造商，但其核心频率为1.8GHz，浮点性能仅达到8TFLOPS，远远落后于英伟达最先进的芯片Thor，差距高达250倍。另一家璧仞科技公司推出的壁仞100，虽然采用了7nm工艺制程，拥有高算力、高通用性和高能效的优势。但就算力而言，16位浮点算力达到1000T以上、8位定点算力达到2000T以上，虽然领先于国际大厂，但与英伟达的最新H100芯片仍有差距。

英伟达之所以能够在全球制霸，其中关键因素之一是CUDA生态系统，这是英伟达独有的技术，也是其GPU的核心。目前，英特尔在GPU市场上独占鳌头，超过70%的市场份额掌握在其手中。国内GPU厂商如果想要在这个领域生存和发展，就必须兼容CUDA。然而，CUDA是英伟达的专有技术，而英伟达的芯片更新速度极快。国内GPU厂商要想100%兼容CUDA几乎是不可能的任务。因此，他们只能努力进行适应和创新，但这个过程充满了挑战。

更为严重的是，一旦国内GPU厂商的性能和算力超越了美国公司，可能会遭受到打压和封锁的风险，这已经在一些领域出现过，类似于“华为式”的被动局面。此外，国内芯片制造技术相对滞后，中芯国际目前只能生产12nm工艺的芯片，而英伟达的H100采用了5nm工艺，相差了两代。即使中芯国际攻克了7nm技术，但没有EUV光刻机，制约了制造工艺的进一步提升。而EUV光刻机是一项复杂的全球性工程，一个国家单独完成几乎是不可能的任务。

综上所述，国产AI芯片在性能、生态系统和制造工艺等方面与英伟达还存在较大的差距。要想赶超英伟达，需要长期的努力和投入，可能需要至少二十年，甚至更长的时间。因此，虽然ChatGPT等人工智能技术崭露头角，但离真正的人工智能还有很长的路要走。总结而言，ChatGPT的火爆只是人工智能发展的冰山一角，人工智能的未来仍然充满挑战和机遇。我们需要持续关注和投资于AI芯片领域，才能够支持人工智能的快速发展，最终实现对人类的巨大助力。科技的进步永无止境，期待未来的发展和突破。