最新预测!林咏华:混合异构的AI芯片将成算力资源稀缺的重要解决方案【附AI芯片行业市场竞争分析】

瞻研究

1

图源:摄图网

11月29日,2023人工智能计算大会在北京举办。北京智源人工智能研究院副院长、总工程师林咏华出席活动并发表观点。

“国内AI芯片的大模型训练性能与国外约有三年差距”,林咏华表示,当前中国 AI 芯片的大模型集群训练性能,只有个别接近英伟达 A100/A800,大多数不到 50%。此外是生态差距巨大,我国 AI 芯片公司有 40 余家,但中国 AI 芯片整体的市场占有率加起来不超过 10%,各家 AI 芯片软件各异、生态十分零碎割裂。

另外,对于国产AI芯片未来的发展方向,“混合异构的芯片技术架构成为解决算力资源稀缺的重要解决方案。“利用混合异构技术,可以将不同芯片放在一起训练同一个大模型。” 林咏华说道,提升混合异构能力,可以在同一个数据中心把各种算力资源进行灵活组合训练大模型。“希望国内的数据中心能够从以进口芯片为主,过渡到以国产芯片为主。”

国内外企业差距大 英伟达领跑全行业

从应用领域分类来看,英伟达一家独大全球云端训练芯片市场,TPU很难撼动英伟达GPU的垄断地位,目前英伟达的GPU+CUDA计算平台是最成熟的AI训练方案,除此之外还有第三方异构计算平台OpenCL+AMD GPU以及云计算服务商自研加速芯片这两种方案,全球各芯片厂商基于不同方案,都推出了针对于云端训练的人工智能芯片。

反观在全球云端推断芯片竞争格局方面,云端推断芯片百家争鸣,各有千秋。相比训练芯片,推断芯片考虑的因素更加综合:单位功耗算力、时延、成本等。初期推断也采用GPU进行加速,但由于应用场景的特殊性,依据具体神经网络算法优化会带来更高的效率,FPGA/ASIC 的表现可能更突出。

除了Nvidia、Google、Xilinx、Altera(Intel)等传统芯片大厂涉足云端推断芯片以外,Wave computing、Groq等初创公司也加入竞争。中国公司里,寒武纪、比特大陆同样积极布局云端芯片业务。

图表7:全球主要AI芯片类型及企业

不同架构下的AI芯片

基于AI芯片的加速计算是当前智能计算的主流模式。AI芯片通过和AI算法的协同设计来满足AI计算对算力的超高需求。当前主流的AI加速计算主要是采用CPU系统搭载GPU、FPGA、ASIC等异构加速芯片。

近年来,国产AI加速芯片厂商持续发力,在该领域取得了快速进展,相关产品陆续发布,覆盖了AI推理和AI训练需求,其中既有基于通用GPU架构的芯片,也有基于ASIC架构的芯片,另外也出现了类脑架构芯片,总体上呈现出多元化的发展趋势。

图表2:不同技术架构下AI芯片的特点

平安证券研报指出当前,我国通用人工智能产业政策逐步完善,国产大模型能力持续升级。随着国产大模型厂商和AI芯片厂商的持续发力,我国AIGC产业未来发展前景广阔。

前瞻经济学人APP资讯组

更多本行业研究分析详见前瞻产业研究院《中国人工智能芯片(AI芯片)行业发展前景预测与投资战略规划分析报告

同时前瞻产业研究院还提供产业大数据产业研究报告产业规划园区规划产业招商产业图谱智慧招商系统行业地位证明IPO咨询/募投可研IPO工作底稿咨询等解决方案。在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容,需要获取前瞻产业研究院的正规授权。

更多深度行业分析尽在【前瞻经济学人APP】,还可以与500+经济学家/资深行业研究员交流互动。

可行性研究报告

广告、内容合作请点这里:寻求合作

咨询·服务

相关阅读

精彩推荐