AI芯片市场现状及未来发展趋势

新知榜官方账号

2023-07-08 01:38:54

AI芯片市场现状及未来发展趋势分析,大模型对计算资源的需求增加,英伟达在解决AI计算方面效果更好,但其独占市场并不利于产业发展,多个厂商需要共同解决存储、带宽、计算等问题。硅光芯片被认为是AI计算的潜在技术方向,光电混合技术将催生下一代大模型发展,但技术难点较多。

GPU厂商英伟达是目前市场上最大的受益者,但AI算力“僧多粥少”,价格昂贵且面临技术瓶颈和地缘政治风险,产业上下游需积极寻找解决方案。从当前市场形势来看,英伟达独自推进解决AI计算的存储、带宽、计算解决方案,在整体效果上远超市场其他玩家。另一方面,在非英伟达生态中,存储、带宽、计算作为IT基础设施的三大问题,通常由不同厂商各自解决,难以形成合力。多个不同厂商、不同技术能够共享一个语言,共同遵循一个通讯协议,这样才能够更好地把总体算力解放出来,是目前需解决的问题。

硅光芯片被认为是AI计算的一大潜在技术方向。光子作为电中性粒子,相互之间可交叉行进而不会相互作用,因此可在光纤中处理同步数据信号,且不产生热量,最终硅光芯片在处理数据时可减少耗电。光电混合技术将是催生下一代大模型发展的底层技术之一,因为它能够提供更高的带宽,更低的功耗,让更多的计算节点更有效的联合起来,去完成更大规模的计算。然而,该技术亦有自身难点,如将硅芯片的电子和光子整合为硅光芯片的过程中,如何实现不同芯片架构的异构封装,将是一大挑战。

产业应用会驱动底层技术的创新,在大模型出现之前,AI的发展本身就推动了很多底层技术,比如HBM高带宽的存储技术,算力从传统计算到AI计算产生。大模型相比于之前的AI计算,它对算力、存储、带宽的需求又往上提升了比较大的台阶。我们认为它会催生更多的底层技术的创新,包括硬件、软件等。

除了英伟达,中国的GPU企业也在AI芯片市场中发力。沐曦作为GPU企业,深感行业在大模型火热下的瓶颈。大模型对计算精度要求极高,学术界对如何用低精度实现令人满意的推理仍有难度,“精度降低之后,成本自然就降低了,这个问题在学术界现在也没有给出一个很好的答案。”此外,行业普遍关注到HBM(高带宽内存芯片)供应对GPU出货的限制。目前所有大模型推理用的GPU芯片都需要HBM,“HBM很贵,差不多1GB要20美元,卖到最终用户差不多1GB要60美元,能不能把HBM成本给下降?其实是更大的挑战。”他设想,全球应出现第三家HBM供应商,打破现有仅有两家公司提供HBM芯片的格局。

硬件无论是开发成本和开发周期都远远的跟不上应用跟软件的发展。过去大家以功能来定义硬件,后来以算法或者需求来定义。随着硬件变得越来越复杂,进一步推动架构和制程创新已经很不容易。而Chiplet能够通过硬件的组合来降低硬件创新门槛。能够更好的实现软硬件相互之间的协同。与CPU一样,由于对算力要求较高,GPU也需要使用最先进的工艺,处于风口当中的Chiplet技术,也是被不少业内人士视为摩尔定律放缓之后、中国半导体企业弯道超车的机会。Chiplet即“小芯片”或“芯粒”,是芯片制造领域近年备受热议的技术路线,通过把不同芯片的能力模块化,在一个封装的产品中使用来自不同技术、不同制程甚至不同工厂的芯片。

本页网址:https://www.xinzhibang.net/article_detail-6669.html

寻求报道,请 点击这里 微信扫码咨询

关键词

AI芯片 大模型 GPU 光电混合技术

分享至微信: 微信扫码阅读

相关工具

相关文章