编辑：编辑部

【新智元导读】ChatGPT引爆了芯片界「百家争鸣」，谷歌、微软、亚马逊纷纷入局芯片大战，英伟达恐怕不再一家独大。

ChatGPT爆火之后，谷歌和微软两巨头的AI大战战火，已经烧到了新的领域——服务器芯片。

如今，AI和云计算都成了必争之地，而芯片，也成为降低成本、赢得商业客户的关键。

原本，亚马逊、微软、谷歌这类大厂，都是以软件而闻名的，而现在，它们纷纷斥资数十亿美元，用于芯片开发和生产。

各大科技巨头研发的AI芯片

ChatGPT爆火，大厂开启芯片争霸赛

根据外媒The Information的报道以及其他来源，这三家大厂现在已经推出或计划发布8款服务器和AI芯片，用于内部产品开发、云服务器租赁或者二者兼有。

「如果你能制造出针对AI进行优化的硅，那前方等待你的将是巨大的胜利」，研究公司Forrester的董事Glenn O’Donnell这样说。

付出这些巨大的努力，一定会得到回报吗？

答案是，并不一定。

英特尔、AMD和英伟达可以从规模经济中获益，但对大型科技公司来说，情况远非如此。

它们还面临着许多棘手的挑战，比如需要聘请芯片设计师，还要说服开发者使用他们定制的芯片构建应用程序。

不过，大厂们已经在这一领域取得了令人瞩目的进步。

根据公布的性能数据，亚马逊的Graviton服务器芯片，以及亚马逊和谷歌发布的AI专用芯片，在性能上已经可以和传统的芯片厂商相媲美。

亚马逊、微软和谷歌为其数据中心开发的芯片，主要有这两种：标准计算芯片和用于训练和运行机器学习模型的专用芯片。正是后者，为ChatGPT之类的大语言模型提供了动力。

此前，苹果成功地为iPhone，iPad和Mac开发了芯片，改善了一些AI任务的处理。这些大厂，或许正是跟苹果学来的灵感。

在三家大厂中，亚马逊是唯一一家在服务器中提供两种芯片的云服务商，2015年收购的以色列芯片设计商Annapurna Labs，为这些工作奠定了基础。

谷歌在2015年推出了一款用于AI工作负载的芯片，并正在开发一款标准服务器芯片，以提高谷歌云的服务器性能。

相比之下，微软的芯片研发开始得较晚，是在2019年启动的，而最近，微软更加快了推出专为LLM设计的AI芯片的时间轴。

而ChatGPT的爆火，点燃了全世界用户对于AI的兴奋。这更促进了三家大厂的战略转型。

ChatGPT运行在微软的Azure云上，使用了上万块英伟达A100。无论是ChatGPT，还是其他整合进Bing和各种程序的OpenAI软件，都需要如此多的算力，以至于微软已经为开发AI的内部团队分配了服务器硬件。

在亚马逊，首席财务官Brian Olsavsky在上周的财报电话会议上告诉投资者，亚马逊计划将支出从零售业务转移到AWS，部分原因是投资于支持ChatGPT所需的基础设施。

在谷歌，负责制造张量处理单元的工程团队已经转移到谷歌云。据悉，云组织现在可以为TPU和在其上运行的软件制定路线图，希望让云客户租用更多TPU驱动的服务器。

谷歌：为AI特调的TPU V4

早在2020年，谷歌就在自家的数据中心上部署了当时最强的AI芯片——TPU v4。

不过直到今年的4月4日，谷歌才首次公布了这台AI超算的技术细节。

相比于TPU v3，TPU v4的性能要高出2.1倍，而在整合4096个芯片之后，超算的性能更是提升了10倍。

同时，谷歌还声称，自家芯片要比英伟达A100更快、更节能。对于规模相当的系统，TPU v4可以提供比英伟达A100强1.7倍的性能，同时在能效上也能提高1.9倍。

对于相似规模的系统，TPU v4在BERT上比A100快1.15倍，比IPU快大约4.3倍。对于ResNet，TPU v4分别快1.67倍和大约4.5倍。

另外，谷歌曾暗示，它正在研发一款与Nvidia H100竞争的新TPU。谷歌研究员Jouppi在接受路透社采访时表示，谷歌拥有「未来芯片的生产线」。

微软：秘密武器雅典娜

不管怎么说，微软在这场芯片纷争中，依旧跃跃欲试。

此前有消息爆出，微软秘密组建的300人团队，在2019年时就开始研发一款名为「雅典娜」（Athena）的定制芯片。

根据最初的计划，「雅典娜」会使用台积电的5nm工艺打造，预计可以将每颗芯片的成本降低1/3。

如果在明年能够大面积实装，微软内部和OpenAI的团队便可以借助「雅典娜」同时完成模型的训练和推理。

这样一来，就可以极大地缓解专用计算机紧缺的问题。

彭博社在上周的报道中，称微软的芯片部门已与AMD合作开发雅典娜芯片，这也导致AMD的股价在周四上涨了6.5%。

但一位知情者表示，AMD并未参与其中，而是在开发自己的GPU，与英伟达竞争，并且AMD一直在与微软讨论芯片的设计，因为微软预计要购买这款GPU。

亚马逊：已抢跑一个身位

而在与微软和谷歌的芯片竞赛中，亚马逊似乎已经领先了一个身位。

在过去的十年中，亚马逊在云计算服务方面，通过提供更加先进的技术和更低的价格，一直保持了对微软和谷歌的竞争优势。

而未来十年内，亚马逊也有望通过自己内部开发的服务器芯片——Graviton，继续在竞争中保持优势。

作为最新一代的处理器，AWS Graviton3在计算性能上比上一代提高多达25%，浮点性能提高多达2倍。并支持DDR5内存，相比DDR4内存带宽增加了50%。

针对机器学习工作负载，AWS Graviton3比上一代的性能高出多达3倍，并支持 bfloat16。

基于Graviton 3芯片的云服务在一些地区非常受欢迎，甚至于达到了供不应求的状态。

亚马逊另一方面的优势还表现在，它是目前唯一一家在其服务器中提供标准计算芯片（Graviton）和AI专用芯片（Inferentia和Trainium）云供应商。

早在2019年，亚马逊就推出了自己的AI推理芯片——Inferentia。

它可以让客户可以在云端低成本运行大规模机器学习推理应用程序，例如图像识别、语音识别、自然语言处理、个性化和欺诈检测。

而最新的Inferentia 2更是在计算性能提高了3倍，加速器总内存扩大了4倍，吞吐量提高了4倍，延迟降低到1/10。

在初代Inferentia推出之后，亚马逊又发布了其设计的主要用于AI训练的定制芯片——Trainium。

它对深度学习训练工作负载进行了优化，包括图像分类、语义搜索、翻译、语音识别、自然语言处理和推荐引擎等。

在一些情况下，芯片定制不仅仅可以把成本降低一个数量级，能耗减少到1/10，并且这些定制化的方案可以给客户以更低的延迟提供更好的服务。

撼动英伟达的垄断，没那么容易

不过到目前为止，大多数的AI负载还是跑在GPU上的，而英伟达生产了其中的大部分芯片。

据此前报道，英伟达独立GPU市场份额达80%，在高端GPU市场份额高达90%。

20年，全世界跑AI的云计算与数据中心，80.6%都由英伟达GPU驱动。21年，英伟达表示，全球前500个超算中，大约七成是由自家的芯片驱动。

而现在，就连运行ChatGPT的微软数据中心用了上万块英伟达A100 GPU。

一直以来，不管是成为顶流的ChatGPT，还是Bard、Stable Diffusion等模型，背后都是由每个大约价值1万美元的芯片英伟达A100提供算力。

不仅如此，A100目前已成为人工智能专业人士的「主力」。2022人工智能现状报告还列出了使用A100超级计算机部分公司的名单。

显而易见，英伟达已经垄断了全球算力，凭借自家的芯片，一统江湖。

根据从业者的说法，相比于通用芯片，亚马逊、谷歌和微软一直在研发的专用集成电路（ASIC）芯片，在执行机器学习任务的速度更快，功耗更低。

O’Donnell董事在比较GPU和ASIC时，用了这样一个比较：「平时开车，你可以用普锐斯，但如果你必须在山上用四轮驱动，用吉普牧马人就会更合适。」

然而尽管已经做出了种种努力，但亚马逊、谷歌和微软都面临着挑战——如何说服开发者使用这些AI芯片呢？

现在，英伟达的GPU是占主导地位的，开发者早已熟悉其专有的编程语言CUDA，用于制作GPU驱动的应用程序。

如果换到亚马逊、谷歌或微软的定制芯片，就需要学习全新的软件语言了，他们会愿意吗？

参考资料：

https://www.theinformation.com/articles/google-and-microsofts-other-ai-race-server-chips?rc=epv9gi

https://www.theregister.com/2023/05/09/intel_layoffs_coming/