AI芯片的未來，未必是GPU

在人工智能計(jì)算架構(gòu)的布局中，CPU與加速芯片協(xié)同工作的模式已成為一種典型的AI部署方案。CPU扮演基礎(chǔ)算力的提供者角色，而加速芯片則負(fù)責(zé)提升計(jì)算性能，助力算法高效執(zhí)行。常見的AI加速芯片按其技術(shù)路徑，可劃分為GPU、FPGA和ASIC三大類別。在這場(chǎng)競(jìng)爭(zhēng)中，GPU憑借其獨(dú)特的優(yōu)勢(shì)成為主流的AI芯片。那么，GPU是如何在眾多選項(xiàng)中脫穎而出的呢？展望AI的未來，GPU是否仍是唯一解呢？ 01GPU如何制勝當(dāng)下？
AI與GPU之間存在著密切的關(guān)系。強(qiáng)大的并行計(jì)算能力AI大模型指的是規(guī)模龐大的深度學(xué)習(xí)模型，它們需要處理海量的數(shù)據(jù)和進(jìn)行復(fù)雜的計(jì)算。GPU的核心優(yōu)勢(shì)就在于其強(qiáng)大的并行計(jì)算能力。與傳統(tǒng)的CPU相比，GPU能夠同時(shí)處理多個(gè)任務(wù)，特別適合處理大規(guī)模數(shù)據(jù)集和復(fù)雜計(jì)算任務(wù)。在深度學(xué)習(xí)等需要大量并行計(jì)算的領(lǐng)域，GPU展現(xiàn)出了無可比擬的優(yōu)勢(shì)。完善的生態(tài)系統(tǒng)其次，為了便于開發(fā)者充分利用GPU的計(jì)算能力，各大廠商提供了豐富的軟件庫(kù)、框架和工具。例如，英偉達(dá)的CUDA平臺(tái)就為開發(fā)者提供了豐富的工具和庫(kù)，使得AI應(yīng)用的開發(fā)和部署變得相對(duì)容易。這使得GPU在需要快速迭代和適應(yīng)新算法的場(chǎng)景中更具競(jìng)爭(zhēng)力。通用性好GPU最初是用于圖形渲染的，但隨著時(shí)間的推移，它的應(yīng)用領(lǐng)域逐漸擴(kuò)大。如今，GPU不僅在圖形處理中發(fā)揮著核心作用，還廣泛應(yīng)用于深度學(xué)習(xí)、大數(shù)據(jù)分析等領(lǐng)域。這種通用性使得GPU能夠滿足多種應(yīng)用需求，而ASIC和FPGA等專用芯片則局限于特定場(chǎng)景。有人將GPU比作一把通用的多功能廚具，適用于各種烹飪需求。因此在AI應(yīng)用的大多數(shù)情況下，GPU都被視為最佳選擇。相應(yīng)的，功能多而廣的同時(shí)往往伴隨著特定領(lǐng)域不夠“精細(xì)”，接下來看一下，相較其他類型的加速芯片，GPU需要面臨哪些掣肘？ 02GPU也存在它的掣肘
文首提到，常見的AI加速芯片根據(jù)其技術(shù)路徑，可以劃分為GPU、FPGA和ASIC三大類別。FPGA（Field Programmable Gate Array，現(xiàn)場(chǎng)可編程門陣列），是一種半定制芯片。用戶可以根據(jù)自身的需求進(jìn)行重復(fù)編程。FPGA 的優(yōu)點(diǎn)是既解決了定制電路的不足，又克服了原有可編程器件門電路數(shù)有限的缺點(diǎn)，對(duì)芯片硬件層可以靈活編譯，功耗小于 CPU、GPU；缺點(diǎn)是硬件編程語(yǔ)言較難，開發(fā)門檻較高，芯片成本、價(jià)格較高。FPGA 比 GPU、CPU 更快是因?yàn)槠渚哂卸ㄖ苹慕Y(jié)構(gòu)。ASIC（Application Specific Integrated Circuit特定用途集成電路）根據(jù)產(chǎn)品的需求進(jìn)行特定設(shè)計(jì)和制造的集成電路，其定制程度相比于 GPU 和 FPGA 更高。ASIC 算力水平一般高于GPU、FPGA，但初始投入大，專業(yè)性強(qiáng)縮減了其通用性，算法一旦改變，計(jì)算能力會(huì)大幅下降，需要重新定制。再看GPU相較于這兩類芯片存在哪些劣勢(shì)。第一點(diǎn)，GPU的單位成本理論性能低于FPGA、ASIC。從成本角度看，GPU、FPGA、ASIC 三種硬件從左到右，從軟件到硬件，通用性逐漸降低、越專用，可定制化逐漸提高，相應(yīng)的設(shè)計(jì)、開發(fā)成本逐漸提高，但是單位成本理論性能越高。舉個(gè)例子，對(duì)于還在實(shí)驗(yàn)室階段的經(jīng)典算法或深度學(xué)習(xí)算法，使用GPU 做軟件方面的探索就很合適；對(duì)于已經(jīng)逐漸成為標(biāo)準(zhǔn)的技術(shù)，適合使用 FPGA 做硬件加速部署；對(duì)于已經(jīng)成為標(biāo)準(zhǔn)的計(jì)算任務(wù)，則直接推出專用芯片ASIC。從公司的角度來說，同樣對(duì)于大批量數(shù)據(jù)的計(jì)算任務(wù)，同等內(nèi)存大小、同等算力的成熟 GPU 和 FPGA 的部署成本相近。 如果公司的業(yè)務(wù)邏輯經(jīng)常變化，比如1-2年就要變化一次，那么GPU 的開發(fā)成本低、部署速度快；如果公司業(yè)務(wù)5年左右才變化一次，F(xiàn)PGA 開發(fā)成本雖高、但芯片本身的成本相比 GPU 低很多。第二點(diǎn)，GPU的運(yùn)算速度要遜色于FPGA和ASIC。FPGA、ASIC和GPU內(nèi)都有大量的計(jì)算單元，因此它們的計(jì)算能力都很強(qiáng)。在進(jìn)行神經(jīng)網(wǎng)絡(luò)運(yùn)算的時(shí)候，三者的速度會(huì)比CPU快很多。但是GPU由于架構(gòu)固定，硬件原生支持的指令也就固定了，而FPGA和ASIC則是可編程的，其可編程性是關(guān)鍵，因?yàn)樗屲浖c終端應(yīng)用公司能夠提供與其競(jìng)爭(zhēng)對(duì)手不同的解決方案，并且能夠靈活地針對(duì)自己所用的算法修改電路。因此在很多場(chǎng)景的應(yīng)用中，F(xiàn)PGA和ASIC的運(yùn)算速度要大大優(yōu)于GPU。具體到場(chǎng)景應(yīng)用，GPU 浮點(diǎn)運(yùn)算能力很強(qiáng)，適合高精度的神經(jīng)網(wǎng)絡(luò)計(jì)算；FPGA 并不擅長(zhǎng)浮點(diǎn)運(yùn)算，但是對(duì)于網(wǎng)絡(luò)數(shù)據(jù)包、視頻流可以做到很強(qiáng)的流水線處理；ASIC 則根據(jù)成本有幾乎無限的算力，取決于硬件設(shè)計(jì)者。第三點(diǎn)，GPU的功耗遠(yuǎn)遠(yuǎn)大于FPGA和ASIC。再看功耗。GPU的功耗，是出了名的高，單片可以達(dá)到250W，甚至450W（RTX4090）。而FPGA一般只有30~50W。這主要是因?yàn)閮?nèi)存讀取。GPU的內(nèi)存接口（GDDR5、HBM、HBM2）帶寬極高，大約是FPGA傳統(tǒng)DDR接口的4-5倍。但就芯片本身來說，讀取DRAM所消耗的能量，是SRAM的100倍以上。GPU頻繁讀取DRAM的處理，產(chǎn)生了極高的功耗。另外，F(xiàn)PGA的工作主頻（500MHz以下）比CPU、GPU（1~3GHz）低，也會(huì)使得自身功耗更低。再看ASIC，ASIC的性能和功耗優(yōu)化是針對(duì)特定應(yīng)用進(jìn)行的，因此在特定任務(wù)上性能更高、功耗更低。由于設(shè)計(jì)是針對(duì)特定功能的，ASIC在執(zhí)行效率和能效比方面通常優(yōu)于FPGA。舉個(gè)例子，在智能駕駛這樣的領(lǐng)域，環(huán)境感知、物體識(shí)別等深度學(xué)習(xí)應(yīng)用要求計(jì)算響應(yīng)方面必須更快的同時(shí)，功耗也不能過高，否則就會(huì)對(duì)智能汽車的續(xù)航里程造成較大影響。第四點(diǎn)，GPU時(shí)延高于FPGA、ASIC。FPGA相對(duì)于GPU具有更低的延遲。GPU通常需要將不同的訓(xùn)練樣本，劃分成固定大小的“Batch（批次）”，為了最大化達(dá)到并行性，需要將數(shù)個(gè)Batch都集齊，再統(tǒng)一進(jìn)行處理。FPGA的架構(gòu)，是無批次的。每處理完成一個(gè)數(shù)據(jù)包，就能馬上輸出，時(shí)延更有優(yōu)勢(shì)。ASIC也是實(shí)現(xiàn)極低延遲的另一種技術(shù)。在針對(duì)特定任務(wù)進(jìn)行優(yōu)化后，ASIC通常能夠?qū)崿F(xiàn)比FPGA更低的延遲，因?yàn)樗梢韵鼺PGA中可能存在的額外編程和配置開銷。既如此，為什么GPU還會(huì)成為現(xiàn)下AI計(jì)算的大熱門呢？在當(dāng)前的市場(chǎng)環(huán)境下，由于各大廠商對(duì)于成本和功耗的要求尚未達(dá)到嚴(yán)苛的程度，加之英偉達(dá)在GPU領(lǐng)域的長(zhǎng)期投入和積累，使得GPU成為了當(dāng)前最適合大模型應(yīng)用的硬件產(chǎn)品。盡管FPGA和ASIC在理論上具有潛在的優(yōu)勢(shì)，但它們的開發(fā)過程相對(duì)復(fù)雜，目前在實(shí)際應(yīng)用中仍面臨諸多挑戰(zhàn)，難以廣泛普及。因此，眾多廠商紛紛選擇GPU作為解決方案，這也導(dǎo)致了第五點(diǎn)潛在問題的浮現(xiàn)。第五點(diǎn)，高端GPU的產(chǎn)能問題也令人焦慮。OpenAI 首席科學(xué)家 IlyaSutskever?表示，GPU 就是新時(shí)代的比特幣。在算力激增的背景下，英偉達(dá)的B系列和H系列 GPU 成為“硬通貨”。然而，雖然該系列需求十分旺盛，但考慮到HBM和CoWos供需緊張，以及臺(tái)積電先進(jìn)產(chǎn)能吃緊的情況，GPU產(chǎn)能實(shí)在無法跟得上需求。要知道“巧婦難為無米之炊”，在這種形勢(shì)下，科技巨頭們需要更加靈活地應(yīng)對(duì)市場(chǎng)變化，囤積更多的GPU產(chǎn)品或者尋找替代方案。如今已經(jīng)有不少?gòu)S商開始另辟蹊徑，在GPU之外的道路上探索并研發(fā)更為專業(yè)化、精細(xì)化的計(jì)算設(shè)備和解決方案。那么未來的AI加速芯片又將如何發(fā)展？ 03科技巨頭另辟蹊徑
在當(dāng)下這個(gè)科技發(fā)展極快、算法以月為單位更迭的大數(shù)據(jù)時(shí)代，GPU 確實(shí)適合更多人；但是一旦未來的商業(yè)需求固定下來，F(xiàn)PGA 甚至 ASIC 則會(huì)成為更好的底層計(jì)算設(shè)備。各芯片龍頭和科技龍頭也早已開始研發(fā)生產(chǎn)專用于深度學(xué)習(xí)、DNN 的運(yùn)算芯片或基于 FPGA 架構(gòu)的半定制芯片，代表產(chǎn)品有 Google 研發(fā)的張量計(jì)算處理器 TPU、 Intel 旗下的 Altera Stratix V FPGA等。Google押注定制化的 ASIC 芯片：TPUGoogle 早在 2013 年就秘密研發(fā)專注 AI機(jī)器學(xué)習(xí)算法芯片，并用于云計(jì)算數(shù)據(jù)中心，取代英偉達(dá) GPU。這款TPU自研芯片2016年公開，為深度學(xué)習(xí)模型執(zhí)行大規(guī)模矩陣運(yùn)算，如自然語(yǔ)言處理、計(jì)算機(jī)視覺和推薦系統(tǒng)模型。Google 其實(shí)在 2020 年的資料中心便建構(gòu) AI 芯片 TPU v4，直到 2023 年 4 月才首次公開細(xì)節(jié)。值得注意的是TPU是一種定制化的 ASIC 芯片，它由谷歌從頭設(shè)計(jì)，并專門用于機(jī)器學(xué)習(xí)工作負(fù)載。2023年12月6日，谷歌官宣了全新的多模態(tài)大模型Gemini，包含了三個(gè)版本，根據(jù)谷歌的基準(zhǔn)測(cè)試結(jié)果，其中的Gemini Ultra版本在許多測(cè)試中都表現(xiàn)出了“最先進(jìn)的性能”，甚至在大部分測(cè)試中完全擊敗了OpenAI的GPT-4。而在Gemini出盡了風(fēng)頭的同時(shí)，谷歌還丟出了另一個(gè)重磅炸彈——全新的自研芯片TPU v5p，它也是迄今為止功能最強(qiáng)大的TPU。根據(jù)官方提供的數(shù)據(jù)，每個(gè)TPU v5p pod在三維環(huán)形拓?fù)浣Y(jié)構(gòu)中，通過最高帶寬的芯片間互聯(lián)（ICI），以4800 Gbps/chip的速度將8960個(gè)芯片組合在一起，與TPU v4相比，TPU v5p的FLOPS和高帶寬內(nèi)存（HBM）分別提高了2倍和3倍。隨后在今年5月，谷歌又宣布了第六代數(shù)據(jù)中心 AI 芯片 Tensor 處理器單元--Trillium，并表示將于今年晚些時(shí)候推出交付。谷歌表示，第六代Trillium芯片的計(jì)算性能比TPU v5e芯片提高4.7倍，能效比v5e高出67%。這款芯片旨在為從大模型中生成文本和其他內(nèi)容的技術(shù)提供動(dòng)力。谷歌還表示，第六代Trillium芯片將在今年年底可供其云客戶使用。據(jù)悉，英偉達(dá)在AI芯片市場(chǎng)的市占高達(dá)80%左右，其余20%的絕大部分由各種版本的谷歌TPU所控制。谷歌自身不出售芯片，而是通過其云計(jì)算平臺(tái)租用訪問權(quán)限。微軟：推出基于Arm架構(gòu)的通用型芯片Cobalt、ASIC芯片Maia 1002023年11月，微軟在Ignite技術(shù)大會(huì)上發(fā)布了首款自家研發(fā)的AI芯片Azure Maia 100，以及應(yīng)用于云端軟件服務(wù)的芯片Azure Cobalt。兩款芯片將由臺(tái)積電代工，采用5nm制程技術(shù)。據(jù)悉，英偉達(dá)的高端產(chǎn)品一顆有時(shí)可賣到3萬(wàn)到4萬(wàn)美元，用于ChatGPT的芯片被認(rèn)為大概就需要有1萬(wàn)顆，這對(duì)AI公司是個(gè)龐大成本。有大量AI芯片需求的科技大廠極力尋求可替代的供應(yīng)來源，微軟選擇自行研發(fā)，便是希望增強(qiáng)ChatGPT等生成式AI產(chǎn)品的性能，同時(shí)降低成本。Cobalt是基于Arm架構(gòu)的通用型芯片，具有128個(gè)核心，Maia 100是一款專為 Azure 云服務(wù)和 AI 工作負(fù)載設(shè)計(jì)的 ASIC 芯片，用于云端訓(xùn)練和推理的，晶體管數(shù)量達(dá)到1050億個(gè)。這兩款芯片將導(dǎo)入微軟Azure數(shù)據(jù)中心，支持OpenAI、Copilot等服務(wù)。負(fù)責(zé)Azure芯片部門的副總裁Rani Borkar表示，微軟已開始用Bing和Office AI產(chǎn)品測(cè)試Maia 100芯片，微軟主要AI合作伙伴、ChatGPT開發(fā)商OpenAI，也在進(jìn)行測(cè)試中。有市場(chǎng)評(píng)論認(rèn)為，微軟 AI 芯片立項(xiàng)的時(shí)機(jī)很巧，正好在微軟、OpenAI 等公司培養(yǎng)的大型語(yǔ)言模型已經(jīng)開始騰飛之際。不過，微軟并不認(rèn)為自己的 AI 芯片可以廣泛替代英偉達(dá)的產(chǎn)品。有分析認(rèn)為，微軟的這一努力如果成功的話，也有可能幫助它在未來與英偉達(dá)的談判中更具優(yōu)勢(shì)。據(jù)悉，微軟有望在即將到來的Build技術(shù)大會(huì)上發(fā)布一系列云端軟硬件技術(shù)新進(jìn)展。而備受關(guān)注的是，微軟將向Azure用戶開放其自研的AI芯片Cobalt 100的使用權(quán)限。英特爾押注FPGA芯片英特爾表示，早期的人工智能工作負(fù)載，比如圖像識(shí)別，很大程度上依賴于并行性能。因?yàn)?GPU 是專門針對(duì)視頻和顯卡設(shè)計(jì)的，因此，將其應(yīng)用于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)變得很普遍。GPU 在并行處理方面表現(xiàn)出色，并行執(zhí)行大量計(jì)算操作。換句話說，如果必須多次快速執(zhí)行同一工作負(fù)載，它們可以實(shí)現(xiàn)令人難以置信的速度提高。但是，在 GPU 上運(yùn)行人工智能是存在局限的。GPU 不能夠提供與 ASIC 相媲美的性能，后者是一種針對(duì)給定的深度學(xué)習(xí)工作負(fù)載專門構(gòu)建的芯片。而 FPGA 則能夠借助集成的人工智能提供硬件定制，并且可以通過編程提供與 GPU 或 ASIC 相類似的工作方式。FPGA 可重新編程、重新配置的性質(zhì)使其格外適合應(yīng)用于飛速演變的人工智能領(lǐng)域，這樣，設(shè)計(jì)人員就能夠快速測(cè)試算法，并將產(chǎn)品加速推向市場(chǎng)。英特爾FPGA 家族包括英特爾 Cyclone 10 GX FPGA、英特爾 Arria 10 GX FPGA 和英特爾Stratix 10 GX FPGA等。這些產(chǎn)品具備 I/O 靈活性、低功耗（或每次推理的能耗）和低時(shí)延，本就可在 AI 推理上帶來優(yōu)勢(shì)。這些優(yōu)勢(shì)在三個(gè)全新的英特爾 FPGA 和片上系統(tǒng)家族的產(chǎn)品中又得到了補(bǔ)充，使得 AI 推理性能進(jìn)一步獲得了顯著提升。這三個(gè)家族分別是英特爾 Stratix 10 NX FPGA 以及英特爾 Agilex FPGA 家族的新成員：英特爾 Agilex D 系列 FPGA，和代號(hào)為“Sundance Mesa”的全新英特爾 Agilex 設(shè)備家族。這些英特爾FPGA 和 SoC 家族包含專門面向張量數(shù)學(xué)運(yùn)算優(yōu)化的專用 DSP 模塊，為加速 AI 計(jì)算奠定了基礎(chǔ)。今年3月，芯片巨頭英特爾宣布成立全新獨(dú)立運(yùn)營(yíng)的FPGA公司——Altera。英特爾在2015年6月以167億美元收購(gòu)Altera，被收購(gòu)時(shí)Altera是全球第二大FPGA公司，九年后英特爾決定讓FPGA業(yè)務(wù)獨(dú)立運(yùn)營(yíng)，再次選擇以Altera命名。NPU(Neural Processing Unit)也是一種參考人體神經(jīng)突觸的 ASIC 芯片。隨著深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的興起，CPU和 GPU 逐漸難以滿足深度學(xué)習(xí)的需要，專門用于神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的處理器NPU應(yīng)運(yùn)而生。NPU 采用“數(shù)據(jù)驅(qū)動(dòng)并行計(jì)算”的架構(gòu)，特別擅長(zhǎng)處理視頻、圖像類的海量多媒體數(shù)據(jù)。區(qū)別于 CPU 以及 GPU 所遵循的馮諾依曼架構(gòu)，NPU 參考人體的神經(jīng)突觸結(jié)構(gòu)，將存儲(chǔ)與運(yùn)算結(jié)為一體。Arm 近日宣布推出 Ethos-U85 NPU。作為 Arm 面向邊緣 AI 的第三代 NPU 產(chǎn)品，Ethos-U85 適用于工業(yè)自動(dòng)化和視頻監(jiān)控等場(chǎng)景，在性能方面提升了四倍。Ethos-U85 較上一代產(chǎn)品在能效方面擁有 20% 的提升，還可在常用神經(jīng)網(wǎng)絡(luò)上實(shí)現(xiàn) 85% 的利用率。其在設(shè)計(jì)上適合基于 Arm Cortex-M / A 處理器內(nèi)核的系統(tǒng)，能接受較高的內(nèi)存延遲。協(xié)同、訓(xùn)練推理融合、具備統(tǒng)一生態(tài)的系列化智能芯片產(chǎn)品和平臺(tái)化基礎(chǔ)系統(tǒng)軟件。寒武紀(jì)產(chǎn)品廣泛應(yīng)用于服務(wù)器廠商和產(chǎn)業(yè)公司，面向互聯(lián)網(wǎng)、金融、交通、能源、電力和制造等此外，OpenAI也正在探索自研AI芯片，同時(shí)開始評(píng)估潛在收購(gòu)目標(biāo)。AWS自研AI芯片陣容包括推理芯片Inferentia和訓(xùn)練芯片Trainium。 電動(dòng)汽車制造商特斯拉也積極參與AI加速器芯片的開發(fā)。特斯拉主要圍繞自動(dòng)駕駛需求，迄今為止推出了兩款A(yù)I芯片：全自動(dòng)駕駛（FSD）芯片和Dojo D1芯片。去年5月Meta披露了旗下數(shù)據(jù)中心項(xiàng)目支持AI工作的細(xì)節(jié)，提到已經(jīng)打造一款定制芯片，簡(jiǎn)稱MTIA，用于加快生成式AI模型的訓(xùn)練。這是Meta首次推出AI定制芯片。Meta稱，MTIA是加快AI訓(xùn)練和推理工作負(fù)載的芯片“家族”的一分子。此外，Meta介紹，MTIA采用開源芯片架構(gòu)RISC-V，它的功耗僅有25瓦，遠(yuǎn)低于英偉達(dá)等主流芯片廠商的產(chǎn)品功耗。值得注意的是，今年4月，Meta公布了自主研發(fā)芯片MTIA的最新版本。分析指出，Meta的目標(biāo)是降低對(duì)英偉達(dá)等芯片廠商的依賴。