美國升級芯片出口管制措施 AI時(shí)代算力才是硬道理

10月17日，美國商務(wù)部工業(yè)和安全局（BIS）更新了“先進(jìn)計(jì)算芯片和半導(dǎo)體制造設(shè)備出口管制規(guī)則”，對2022年10月7日規(guī)則的修改和強(qiáng)化。該規(guī)則尚處于公示期，將在30天后生效。

新規(guī)則將限制英偉達(dá)對中國市場芯片銷售，稱更嚴(yán)格的控制針對英偉達(dá)A800和H800芯片，在25天內(nèi)審查以確定是否需要許可證才能向中國出售這類芯片。同時(shí)，還有13家中國GPU企業(yè)被列入實(shí)體名單，其中包括摩爾線程、壁仞科技等。

對此，英偉達(dá)回應(yīng)稱不會(huì)對其收益產(chǎn)生立即的實(shí)質(zhì)性影響，但可能會(huì)對其長期發(fā)展造成損害。此前，英偉達(dá)在二季度財(cái)報(bào)電話會(huì)議上披露，數(shù)據(jù)中心方面，中國的銷售額占20-25%。

對于壁仞科技和摩爾線程來說，被列入實(shí)體清單意味著如果無法獲得許可，不僅無法進(jìn)口美國的技術(shù)或產(chǎn)品，也無法使用基于美國技術(shù)或設(shè)備的晶圓廠為其代工芯片。

升級芯片出口管制措施

根據(jù)2022年的規(guī)定，美國禁止出口超過兩個(gè)標(biāo)準(zhǔn)的芯片：一個(gè)是功率標(biāo)準(zhǔn)，另一個(gè)是“互連帶寬”即芯片之間的通信速度標(biāo)準(zhǔn)。而根據(jù)新規(guī)，將用“性能密度”（performance density）即每平方毫米的浮點(diǎn)運(yùn)算次數(shù)來取代通信速度，阻止企業(yè)尋找變通方案。

例如，英偉達(dá)為了不違反美國出口限制規(guī)定針對中國市場推出了特供版芯片 —— 限制通信速度的A800/H800（處理速度約為A100/H100的70%），雖然保留了強(qiáng)?的計(jì)算能?，但訓(xùn)練AI大模型的時(shí)間將增加。不過即便如此，A800/H800在中國市場仍然被認(rèn)為是用于AI訓(xùn)練/推理的最佳數(shù)據(jù)中心芯片。同樣的還有英特爾針對中國市場推出的特供AI處理器Gaudi2等。

修訂后的出口管制措施將禁止美國企業(yè)向中國出售運(yùn)行速度達(dá)到300TFLOPS（即每秒可計(jì)算300萬億次運(yùn)算）及以上的數(shù)據(jù)中心芯片。如果芯片的性能密度達(dá)到或超過每平方毫米370GFLOPS，速度在150-300TFLOPS之間的芯片將被禁止銷售。以上述速度運(yùn)行但性能密度較低的芯片則屬于“灰色地帶”，這意味著企業(yè)必須向美國政府通報(bào)對華銷售的情況。

有分析稱，新舉措可能還包括英偉達(dá)的旗艦游戲顯卡RTX4090。而最新消息顯示，美國商務(wù)部對出口管制政策做出了澄清，該政策針對4090顯卡的禁令是允許消費(fèi)性應(yīng)用進(jìn)行出口豁免的。這意味著4090顯卡仍可以在中國（包括香港和澳門）的消費(fèi)市場進(jìn)行零售，但不允許用于商業(yè)和生產(chǎn)用途。

新措施為了防止企業(yè)通過Chiplet的芯片堆疊技術(shù)繞過芯片限制，還將新規(guī)擴(kuò)大到另外40多個(gè)國家出口先進(jìn)的許可要求，以防止A100和H100系列等AI芯片從海外其他地區(qū)輾轉(zhuǎn)出口到中國；另外，對中國以外的21個(gè)國家提出了芯片制造設(shè)備的許可要求，并擴(kuò)大了禁止進(jìn)入這些國家的設(shè)備清單，以限制中國14nm以下先進(jìn)芯片的制造能力。

此次出口管制新規(guī)還增加了很多細(xì)分領(lǐng)域的物項(xiàng)清單，包括ASIC（應(yīng)用型專用集成電路）、FPGA（現(xiàn)場可編程邏輯門陣列）、SRAM存算一體芯片、Chiplet、多重曝光技術(shù)、NPU（神經(jīng)網(wǎng)絡(luò)處理器）等，這些都在美國的管制范圍內(nèi)。

如果只限制峰值性能，芯片企業(yè)還可以針對中國市場推出性能功耗低的小體積產(chǎn)品，再通過高速連接的方式組成集群，最終實(shí)現(xiàn)預(yù)期中的集群性能。但芯片性能密度的條款把這條路給堵住了，這次新規(guī)將填補(bǔ)之前芯片限制的“漏洞”，將一些原本剛好符合之前技術(shù)參數(shù)的AI芯片納入限制范圍，同時(shí)阻止中國企業(yè)通過海外子公司購買美國AI芯片。

在管制芯片企業(yè)出口時(shí)，美國企業(yè)的業(yè)績同樣也會(huì)受到影響，中國市場長期是美國芯片企業(yè)在美國以外的最大市場。2022年，英偉達(dá)、英特爾、AMD三家主要數(shù)據(jù)中心芯片在中國大陸地區(qū)（含中國香港）營收占比分別為21.4%、27.2%、22.1%。

值得注意的是，中國臺灣地區(qū)的企業(yè)，如華碩、技嘉、微星等，大量最終客戶仍在中國大陸地區(qū)。如果按照中國大陸地區(qū)、中國臺灣地區(qū)兩個(gè)市場合計(jì)統(tǒng)計(jì)，英偉達(dá)、英特爾、AMD在中國市場的營收占比分別為，47.3%、40.3%、32.1%。

AI時(shí)代算力需求指數(shù)級增長

自2022年11月底以來，美國初創(chuàng)公司OpenAI發(fā)布的人工智能對話聊天機(jī)器人ChatGPT迅速走紅，僅用5天注冊用戶數(shù)就超過百萬，并在2個(gè)月內(nèi)破億，成為史上增長最快的消費(fèi)類應(yīng)用。

以ChatGPT為代表的AI大模型開啟了新一輪生產(chǎn)力革新的科技浪潮，人與機(jī)器不再局限于簡單的指令式交互，機(jī)器可以理解復(fù)雜的意圖，這顛覆過去互聯(lián)網(wǎng)發(fā)展中的許多業(yè)態(tài)，也對實(shí)體經(jīng)濟(jì)和產(chǎn)業(yè)發(fā)展產(chǎn)生深遠(yuǎn)的影響。因此，GPT被微軟創(chuàng)始人比爾·蓋茨評價(jià)為自圖形界面以來最重要的技術(shù)進(jìn)步，被英偉達(dá)創(chuàng)始人黃仁勛稱作是人工智能領(lǐng)域的iPhone時(shí)刻。

當(dāng)所有人都沉浸在對超大語言模型那令人驚嘆的“生命力”的時(shí)候，AI這個(gè)存在了數(shù)十年的概念，已然成為未來幾十年人類社會(huì)發(fā)展的核心變量。而AI的背后是算力、數(shù)據(jù)、算法的有機(jī)結(jié)合。

ChatGPT的爆火本質(zhì)上是人類在AI領(lǐng)域軟件（數(shù)據(jù)、算法）、硬件（算力）綜合能力大幅提升以后的一次爆發(fā)式體現(xiàn)。隨著云計(jì)算的廣泛應(yīng)用，特別是深度學(xué)習(xí)成為當(dāng)前AI研究和運(yùn)用的主流方式，AI對于算力的要求不斷快速提升。

我們在談AI芯片性能的時(shí)候，首先想到的一個(gè)指標(biāo)就是算力。算力是算法和數(shù)據(jù)的基礎(chǔ)設(shè)施，支撐著算法和數(shù)據(jù)，是指計(jì)算機(jī)系統(tǒng)能夠完成的計(jì)算任務(wù)量，通常用來描述對數(shù)據(jù)的處理能力，采用FLOPS（Floating Point Operations Per Second）表示每秒鐘能夠完成的浮點(diǎn)運(yùn)算或指令數(shù)。在AI發(fā)展的最初幾十年里，所需的計(jì)算能力是按照摩爾定律增長的 —— 大約20個(gè)月的時(shí)間翻一倍。

1950年代，美國數(shù)學(xué)家Claude Shannon訓(xùn)練了一個(gè)名為Theseus的機(jī)器老鼠，使其能在迷宮中導(dǎo)航并記住路徑，Theseus的構(gòu)建是基于40FLOPS；2012年，由AlexNet（一個(gè)圖像識別AI）標(biāo)志著深度學(xué)習(xí)時(shí)代的開始，算力翻倍時(shí)間大大縮短到了六個(gè)月；2015年，AlphaGo的出現(xiàn)帶來了大規(guī)模AI模型時(shí)代，它的計(jì)算需求比以前所有的AI系統(tǒng)都要大。

比于傳統(tǒng)AI算法，大模型在參數(shù)規(guī)模上得到大幅提升，參數(shù)一般達(dá)到千億甚至萬億規(guī)模。例如OpenAI的GPT系列，最開始的GPT-1擁有1.17億個(gè)參數(shù)，到GPT-3的參數(shù)已經(jīng)到達(dá)1750億個(gè)，而相應(yīng)的能力也得到大幅提升。

AI算法模型對于算力的巨大需求，推動(dòng)了今天芯片業(yè)的發(fā)展。據(jù)OpenAI測算，2012年開始，全球AI訓(xùn)練所用的計(jì)算量呈現(xiàn)指數(shù)增長，平均每3.43個(gè)月便會(huì)翻一倍，目前計(jì)算量已擴(kuò)大30萬倍，遠(yuǎn)超算力增長速度。

一般的說，AI芯片被稱為AI加速器或計(jì)算卡，即專門針對AI算法做了特殊加速設(shè)計(jì)的芯（其他非計(jì)算任務(wù)仍由CPU負(fù)責(zé)）；而從廣義范疇上講，面向AI計(jì)算應(yīng)用的芯片都可以稱為AI芯片。這讓算力領(lǐng)域的硬件巨頭們再一次走進(jìn)人們的視線，CPU、GPU、FPGA、ASIC等底層硬件中包含的算力價(jià)值將被重塑。

目前GPU是AI算力的主要選擇，因?yàn)镚PU最初是為了圖形渲染而設(shè)計(jì)的，而圖形渲染涉及的計(jì)算是高度并行化的，這種并行化的特性使GPU非常適合進(jìn)行機(jī)器學(xué)習(xí)和深度學(xué)習(xí)這樣的大規(guī)模數(shù)據(jù)并行計(jì)算。GPU的并行計(jì)算能力可大幅提升計(jì)算效率，可大幅縮短AI算法的訓(xùn)練和推理時(shí)間，成為AI時(shí)代的算力核心。

并且渲染過程具體來說就是幾何點(diǎn)位置和顏色的計(jì)算，這兩者的計(jì)算在數(shù)學(xué)上都是用四維向量和變換矩陣的乘法，所以GPU超過80%部分為運(yùn)算單元，具有例如張量核心和矩陣乘法等計(jì)算單元，相比較下，CPU僅有20%為運(yùn)算單元。因此GPU可以更快地執(zhí)行常見的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)操作：如卷積和矩陣乘法。這些計(jì)算單元與通用計(jì)算單元相比，具有更高的效率和更快的速度。

在進(jìn)行深度學(xué)習(xí)等計(jì)算時(shí)，還需要大量的內(nèi)存和高速的內(nèi)存帶寬來存儲(chǔ)和處理海量數(shù)據(jù)。GPU相比于其他硬件（如CPU），具有更高的內(nèi)存帶寬和更大的內(nèi)存容量，可以更有效地存儲(chǔ)和處理數(shù)據(jù)，從而提高計(jì)算速度。

現(xiàn)階段，隨著例如英偉達(dá)A100、H100等型號產(chǎn)品的發(fā)布，GPU在算力方面的優(yōu)勢相較于其他硬件具有較大優(yōu)勢。GPU的工作也從一開始的圖形處理逐步轉(zhuǎn)化為計(jì)算，在深度學(xué)習(xí)的訓(xùn)練階段其性能更是無所匹敵，成為最適合支撐AI訓(xùn)練和學(xué)習(xí)的硬件，應(yīng)用于數(shù)據(jù)中心加速和部分智能終端領(lǐng)域。

據(jù)JPR統(tǒng)計(jì)，2023年一季度英偉達(dá)GPU市占率達(dá)84%，是GPU市場的主導(dǎo)者。英偉達(dá)1999年首次提出GPU概念，2006年推出CUDA運(yùn)算平臺，2023年5月發(fā)布超級計(jì)算機(jī)DGXGH200，其算力規(guī)模達(dá)到1Eflops，支持萬億參數(shù)AI大模型訓(xùn)練，為巨型人工智能模型提供線性可擴(kuò)展性。英偉達(dá)基于其GPU與CUDA等生態(tài)體系的構(gòu)建，已成為AI算力關(guān)鍵供應(yīng)商。

· 至于CPU，由于GPU無法單獨(dú)工作，必須由CPU進(jìn)行控制調(diào)用才能工作。CPU也可單獨(dú)作為AI芯片使用，處理復(fù)雜的邏輯運(yùn)算和不同的數(shù)據(jù)類型，雖然兼容性好但比較浪費(fèi)，當(dāng)需要大量的處理類型統(tǒng)一的數(shù)據(jù)時(shí)，可調(diào)用GPU進(jìn)行并行計(jì)算。

· 而FPGA具有低能耗、高性能以及可編程等特性，相對于CPU與GPU有明顯的性能或者能耗優(yōu)勢，但對使用者要求高。通過FPGA可以有效降低研發(fā)調(diào)試成本，提高市場響應(yīng)能力，推出差異化產(chǎn)品，科技巨頭紛紛布局云計(jì)算+FPGA的平臺。隨著FPGA的開發(fā)者生態(tài)逐漸豐富，適用的編程語言增加，F(xiàn)PGA運(yùn)用會(huì)更加廣泛。

· ASIC可以更有針對性地進(jìn)行硬件層次的優(yōu)化，從而獲得更好的性能、功耗比。但是ASIC芯片的設(shè)計(jì)和制造需要大量的資金、較長的研發(fā)周期和工程周期，而且深度學(xué)習(xí)算法仍在快速發(fā)展，若深度學(xué)習(xí)算法發(fā)生大的變化，F(xiàn)PGA能很快改變架構(gòu)，適應(yīng)最新的變化，ASIC類芯片一旦定制則難于進(jìn)行修改。

· AI芯片還可以用NPU，近年來NPU異軍突起，同樣的芯片面積下，NPU能夠做到幾十倍于GPU的AI性能。英偉達(dá)也在近幾代的GPU中塞了不少Tensor Core，但如果使用NPU的話，可以并不完全依賴英偉達(dá)的CUDA生態(tài)，所以英特爾、AMD乃至中國的很多企業(yè)都分了一杯羹。

論性能，華為的NPU在AI性能上已經(jīng)不遜色于英偉達(dá)的產(chǎn)品，目前缺的就是“生態(tài)”。只有參與的開發(fā)者夠多，生態(tài)才能建立，但是轉(zhuǎn)型都是存在“陣痛的”，意味著大量代碼的重構(gòu)。

總的來看，目前GPU是市場上用于AI計(jì)算最成熟應(yīng)用最廣泛的通用型芯片，短期將延續(xù)AI芯片的領(lǐng)導(dǎo)地位。在算法技術(shù)和應(yīng)用層次尚淺時(shí)期，其強(qiáng)大的計(jì)算能力、較低的研發(fā)成本和通用性將繼續(xù)占領(lǐng)AI芯片的主要市場份額。