财经新闻网消息：
随着百度文心一言等一系列大模型的密集上线，AI大模型遍地开花。 本周四，谷歌发布了 AI 语言模型 PaLM 2，以与其 GPT-4 等系统展开竞争。 云从科技、引力传媒等多家国内A股上市公司也公布了AI大尺度模型产品的最新进展。 “AI百款大战”背后，由此引发的算力需求开始“爆发式”增长，一场“算力储备大战”已打响，全球算力市场持续火爆。
据悉，人工智能是由数据、算法（即模型）和算力驱动的，其中任何一个的发展都会带动其他方面的需求增长。 有分析人士认为，虽然当前行业拥有更多的数据，对AI模型的研究也做的更多，但算力的扩张速度并没有跟上。 今年 4 月，Plus 因需求过剩而停止销售。 对此，东方证券研报认为，主要原因是计算资源紧缺。
据数据预测，AI时代算力的增长已经远超摩尔定律每18个月翻一番的速度。 预计到2030年，全球超级算力将达到0.0%，年均增长率超过34%。 华为甚至预测，未来10年人工智能算力需求将增长500多倍。 那么，在“智能革命”之初，AI算力的最优解是什么？ 国内“算力军备竞赛”走向何方？
GPU竞争短期制高点：以量取胜为大机型构筑算力门槛 低配版 GPU国内炒作达10万元
众所周知，芯片能力直接影响高算力训练的效果和速度。 与基于CPU芯片的通用算力相比，AI所需的智能算力主要依靠GPU、GPGPU、AISC等AI芯片提供的算力。 用于人工智能训练和推理。 其中，GPU是专门用于处理图形、视频、游戏等高性能计算的硬件设备。 它凭借与其他硬件相比在计算能力上的更大优势而脱颖而出。 发布后，前一款产品在AI推理时的吞吐量是CPU的249倍。 GPU已经成为当前AI算力的核心硬件。
根据中金公司的研究报告，加强多GPU互联能力可以提升并行计算能力，因此计算能力的提升需要越来越多的GPU。 随着单个GPU的计算能力越来越难以应对深度学习对计算能力的需求，英伟达开始采用多GPU来解决问题。 对此，业内分析人士认为，高端GPU的数量基本决定了厂商能将模型练多大，以后也会成为业界判断大模型能力的重要指标。
数据显示，如果以英伟达A100显卡的处理能力计算，GPT-3.5大模型需要2万个GPU来处理训练数据。 业内也有一个普遍接受的观点，一个好的AI模型的算力门槛是10000个A100芯片。
目前全球GPU市场主要被英伟达、英特尔和AMD三大巨头垄断。 去年Q4独立GPU份额分别为85%、6%和9%。 其中人工智能、云计算和独立GPU主要由主导，A100和H100的最高浮点运算能力分别为19.5和67。
与此相比，我国国产GPU还处于起步阶段，与国际厂商的差距更大。 但随着高端GPU出口受限，针对中国市场推出的特别版A800价格也上涨了10万元，国内GPU市场急需。 在这样的情况下，国产化迫在眉睫，国产GPU厂商也在近年异军突起。 目前国内领先的自研GPU企业主要有寒武纪、景嘉微、华为升腾。 其中，景嘉微是国内第一家成功研发国产GPU芯片并实现大规模工程化应用的企业。 业内专家表示，主力产品JH920的性能与英伟达2016年发布的GTX 1050相近，在中高端领域和硬核算力上还有很长的路要走要求。
对于整个算力市场，业内人士认为，烧录GPU是目前最现实的解决方案，尤其是从国产GPU厂商来看，高端国产GPU力量薄弱，只能更多地使用低端GPU来解决。赶上并堆叠。 协同协同，再结合仿真优化路径。
存储计算融合下局：打破“内存墙”极限难题，全球玩家站在同一起跑线上
不过，虽然GPU是目前最成熟的AI算力解决方案，但从长远来看，在昂贵且有限的算力约束下烧掉GPU并不是长久之计。
在冯诺依曼结构的计算机中，计算和存储是分离的，存储和计算的性能不匹配往往会导致内存访问带宽低、时间延长、功耗高等问题。 计算效率大大降低，即面临“内存墙”的约束。 通俗地说，方正证券在4月30日的研报中解释称，CPU/GPU并行加速技术虽然可以提升计算能力，但随着摩尔定律接近极限，存储带宽制约了计算系统的有效带宽，系统的增长计算能力很吃力。
对此，方正证券认为，存储计算一体化是一种全新的计算架构，其核心是将存储与计算充分融合，以全新的高效计算架构进行二维、三维矩阵计算，具有更大的计算能力（上图）、更高的能效（超过10-/W）、降本增效，可有效克服冯·诺依曼架构的瓶颈，实现计算能效一个数量级的提升。 业界普遍认为它是继CPU、GPU之后的“AI算力的下一个极”，是算力架构的“第三极”。
在存储计算一体化市场，海外厂商SST由于布局较早，走在了商业化的前沿。 但在基于ReRAM的集成存储器、计算芯片等新技术领域，各国仍处于同一起跑线上。 三星、台积电、阿里等巨头，以及九天锐芯、恒硕、一竹科技、千芯科技、苹果芯科技、智存科技、智芯科技等众多新兴的AI和存储企业。
AI算力“神药”量子计算：谷歌、阿里等科技巨头扎堆进军国内企业或借这条赛道反超
值得注意的是，在当前GPU与下一步存储计算融合的背后，还有AI算力的“神药”——量子计算。
据悉，量子计算机是基于量子力学原理的计算机，性能差距呈指数增长。 中金公司研究报告显示，与经典计算机相比，量子计算机的计算能力出现了爆发式增长，形成了“量子优势”。 业内分析人士认为，量子计算有望彻底解决经典计算中算力不足的问题。 而且，未来量子计算机一定能够助力人工智能。 随着AI对算力需求的增加，2030年无论是算力还是功耗都可能出现超高的数据级增长，量子计算机是一个非常有潜力的应用方向。
中金公司研究报告显示，谷歌、IBM、微软、亚马逊等全球科技巨头纷纷推出量子云服务平台。 国内的阿里、腾讯、百度、华为这几年也纷纷布局量子计算。 例如，百度成立了量子计算研究所； 弯道超车的机会。
此外，有市场分析人士指出，我国量子计算也在展开融资竞争。 过去一年，量子科技、图灵量子、华谊量子、微慈科技、元元量子等9家国内量子计算企业获得融资。
不过，安信证券提到，目前量子计算机的发展还面临退相干等问题，这导致目前的量子计算还主要存在于实验室阶段，距离商业化还很遥远。 对此，有业内人士坦言，量子计算行业还没有发生一些根本性的变化和进步。 中短期内，与其依赖其他方案解决大型模型遇到的算力问题，不如依赖GPU等经典计算硬件。 价格可以降下来。
免责声明 ① 本网所刊登文章均来自网络转载;文章观点不代表本网立场,其真实性由作者或稿源方负责 ② 如果您对稿件和图片等有版权及其他争议,请及时与我们联系,我们将核实情况后进行相关删除 ③ 联系邮箱:215858170@qq.com
Copyright © 2017-2018