?
隨著我國高性能計算、AI計算及邊緣計算需求提升，超算中心、智算中心及邊緣數(shù)據(jù)中心將進一步發(fā)展，特別是智算中心，正在從早期實驗探索逐步走向商業(yè)試點。
從傳統(tǒng)芯片一統(tǒng)產業(yè)的時代走來，AI芯片的發(fā)展并非一帆風順，泡沫充斥、資本遇冷、人才稀缺……不過，在半導體產業(yè)整體步入下行周期的2022年，AI芯片反倒扛住了爭議和質疑，在服務器、汽車等領域顯現(xiàn)出了日益放大的價值效應。
2022年的這三大技術和應用趨勢，有望成為AI芯片未來幾年的關鍵動力：
智能算力反超通用算力規(guī)模
當前，我國通用算力的數(shù)據(jù)中心仍是市場主力，按機架規(guī)模統(tǒng)計，占比超過90%。隨著我國高性能計算、AI計算及邊緣計算需求提升，超算中心、智算中心及邊緣數(shù)據(jù)中心將進一步發(fā)展，特別是智算中心，正在從早期實驗探索逐步走向商業(yè)試點。
IDC數(shù)據(jù)顯示，2022年我國智能算力規(guī)模達到268 EFLOPS，超過通用算力規(guī)模。預計未來五年，我國智能算力規(guī)模的年復合增長率將達52.3%，超出同期通用算力規(guī)模18.5%的年復合增長率，到2026年，我國智能算力規(guī)模將達到1271.4EFLOPS。
同時，邊緣計算需要處理的數(shù)據(jù)量會越來越多，算力要求也將逐步提高。邊緣側的設備也不再拘泥于簡單的數(shù)據(jù)采集，還會有大量的邊緣網(wǎng)關、邊緣AI、邊緣可擴展型服務器等設備，協(xié)助前端數(shù)據(jù)處理，將處理后的數(shù)據(jù)傳輸給云端，有效減輕云端的數(shù)據(jù)壓力，用戶也可根據(jù)自己的實際業(yè)務，靈活就近選擇邊緣計算節(jié)點或中心云計算節(jié)點。
邊緣計算場景大致有兩條路線：一是高性能通用處理器做專用設備，為場景提供專用算力;二是高度集成化、低功耗化的SoC芯片，通過自主設計降低功耗的同時，可實現(xiàn)中低端邊緣計算設備的戶外現(xiàn)場應用，可大量部署在工業(yè)等現(xiàn)場。這些方案也可以疊加AI芯片、FPGA等，針對某類場景提供定制化算法，提升邊緣計算的能力。
從AI芯片角度來看，隨著AI產業(yè)技術不斷提升，產業(yè)AI化加速落地，AI芯片市場將高速增長。IDC預計，到2025年AI芯片市場規(guī)模將達726億美元。異構計算成為主流趨勢，未來18個月，AI服務器GPU、ASIC和FPGA的搭載率均會上升,算力多元化發(fā)展趨勢明顯。
從計算架構發(fā)展來看，基于 DSA( Domain-Specific Architectures)思想設計的AI芯片正在成為主導，推動了AI芯片的多元化發(fā)展。此外，多元算力從“能用"到“好用"并且為企業(yè)創(chuàng)造業(yè)務價值，離不開通用性強、綠色高效、安全可靠的計算系統(tǒng)的支持。業(yè)內正在推動多元算力系統(tǒng)架構創(chuàng)新，基于計算節(jié)點內和節(jié)點間的互聯(lián)技術破局現(xiàn)有計算架構的瓶頸，通過充分調動起多芯片、多板卡、多節(jié)點的系統(tǒng)級能力，實現(xiàn)各種加速單元以及跨節(jié)點系統(tǒng)的高效協(xié)同，提升計算性能。
從場景應用維度來看，智能化場景將隨著時間的推移，呈現(xiàn)出更加深入、更加廣泛的趨勢。
大算力自動駕駛芯片
走向對決
自動駕駛領域是芯片與AI技術交融和迭代的關鍵領域。
從神經網(wǎng)絡計算推動自動駕駛大行其道開始，到走向高階的輔助駕駛感知方案，隨著自動駕駛級別的提升，所需要的算力幾乎是指數(shù)級爆炸式的增長，從L2、L3、L4走向L5，每向上走一級至少有10倍以上算力需求的提升，大規(guī)模并行化的AI計算，使得大算力的計算平臺成為了產業(yè)必須，在提升有效算力的道路上似乎永無止境。
Gartner數(shù)據(jù)顯示，預計到2025年，汽車AI芯片市場將以31%的年復合增速飆升至236億美元。其中，中國汽車AI芯片的市場將達到68億美元，2030年為124億美元，年復合增長率預計可達28.14%。
暴增的算力需求下，主機廠紛紛推動“硬件預埋"概念。走向L4級別自動駕駛甚至L5級無人駕駛究竟需要多大算力才夠?目前業(yè)界并沒有定論，但幾千TOPS的有效算力支撐被認為是需要的。
在汽車AI芯片方面，存算一體的大算力AI芯片也在發(fā)力。這方面的從業(yè)者認為，相比于傳統(tǒng)的馮·諾依曼架構，用存算一體技術做大算力AI芯片，對制程依賴度不是很強，可以用較低的制程實現(xiàn)較大算力，并且由于數(shù)據(jù)計算和數(shù)據(jù)存儲深度融合，避免了大部分數(shù)據(jù)的無效搬運，可以兼顧成本和能效，因此非常適合智能駕駛和自動駕駛應用場景。
AI大模型
推動算力集群效能優(yōu)化
“超級鸚鵡"ChatGPT和AIGC成為年度黑馬。
最近爆火的OpenAI旗下的對話模型ChatGPT，能夠理解用戶需求創(chuàng)造內容、協(xié)助代碼編寫、能夠針對用戶的追問在后續(xù)對話中進行修正或補充。相較于蘋果 Siri、微軟小冰等，ChatGPT除了邏輯嚴密的創(chuàng)造能力之外，還具有記憶能力，在連續(xù)的對話中無需用戶提供重復信息，語言組織和表達能力也更接近人類水平，使對話更自然流暢。
同樣火熱的還有AIGC(Generative AI，生成式AI)，一系列初創(chuàng)公司融資不斷，并且在實際應用中也體現(xiàn)出了較高的水準。AI十分鐘內復原了《富春山居圖》殘卷，浪潮“源"支持的“金陵詩會"，使用者可一鍵創(chuàng)作韻味悠長的詩句……而除了自主生成文本、圖像，AI自主生成音頻、視頻、虛擬場景等也在成為熱潮。這些都推動了生成式AI的蓬勃發(fā)展，打造了新的數(shù)字內容生成與交互形態(tài)。
Gartner將“生成式AI"列為2022年五大影響力技術之一，預測到2025年，生成式AI所創(chuàng)造的數(shù)據(jù)可占到所有已生產數(shù)據(jù)的10%。
業(yè)內認為，ChatGPT和AIGC爆火，代表著AI大模型進入一個新的技術范式，同時也是第三波AI浪潮經過十幾年發(fā)展之后，到達了一個非常重要的拐點。
它們代表著從以前的“大煉模型"(各自研發(fā)專用小模型)，到“煉大模型"(研發(fā)超大規(guī)模通用智能模型)的一個范式轉變，其意義在于：通過這種比較的算法架構，盡可能多的數(shù)據(jù)匯集大量算力，通過集約化的訓練模式，從而供大量用戶使用。
AI發(fā)展至今，大模型的出現(xiàn)可以說是生逢其時，它將碎片化的AI應用開發(fā)轉向集中式開發(fā)。一方面，AI大模型具備很好的泛化能力，一個模型可以支撐各類不同應用，有效緩解碎片化開發(fā)反復建模的困境;另一方面，圍繞AI大模型構建的算法基礎設施，比如開放的API、開源的應用代碼等，使無需關心底層技術，設置無需配置編程環(huán)境，就可以直接將應用構建于AI大模型的能力之上，在降低開發(fā)門檻的同時，讓開發(fā)人員將更多精力聚焦在核心業(yè)務邏輯上。
從算力的角度來看，挑戰(zhàn)不可謂不大。因為訓練大模型所需要的算力是海量的，成本是高昂的，這就需要發(fā)揮AI算力集群的整體效能，讓AI算力能夠“算"盡其用，從而降低大模型訓練的成本。當前，基于液冷等技術的算力產品，將軟件層面(模型和框架)與硬件基礎設施(計算、存儲、網(wǎng)絡)進行協(xié)同優(yōu)化的方案，都是業(yè)界較為推崇的方式。一方面能在高算力集群上能實現(xiàn)更好的算力利用率，另一方面也能降低電力消耗，降低整體成本。
可以說，AI大模型的投入是AI技術邁向新臺階的必經之路，是解決產業(yè)碎片化的一種方式。AI大模型的發(fā)展與商業(yè)落地，有望重塑AI算力與AI應用的市場格局。隨著大模型的數(shù)量走向集約，有利于AI芯片進行更有針對性的設計開發(fā)與優(yōu)化，這是AI算力企業(yè)生態(tài)重建的新機會，也是國產AI芯片在國際林立的市場中突圍的機會。
寫在最后
不破不立，破而后立。大破大立，曉喻新生。
寫在AI芯片踏實走過的2022年。
來源：網(wǎng)絡
版權歸原作者所有，如有侵權，請聯(lián)系刪除
