最新預測！林詠華：混合異構的AI芯片將成算力資源稀缺的重要解決方案【附AI芯片行業市場競爭分析】

圖源：攝圖網

11月29日，2023人工智能計算大會在北京舉辦。北京智源人工智能研究院副院長、總工程師林詠華出席活動并發表觀點。

“國內AI芯片的大模型訓練性能與國外約有三年差距”，林詠華表示，當前中國 AI 芯片的大模型集群訓練性能，只有個別接近英偉達 A100/A800，大多數不到 50%。此外是生態差距巨大，我國 AI 芯片公司有 40 余家，但中國 AI 芯片整體的市場占有率加起來不超過 10%，各家 AI 芯片軟件各異、生態十分零碎割裂。

另外，對于國產AI芯片未來的發展方向，“混合異構的芯片技術架構成為解決算力資源稀缺的重要解決方案。“利用混合異構技術，可以將不同芯片放在一起訓練同一個大模型。” 林詠華說道，提升混合異構能力，可以在同一個數據中心把各種算力資源進行靈活組合訓練大模型。“希望國內的數據中心能夠從以進口芯片為主，過渡到以國產芯片為主。”

國內外企業差距大 英偉達領跑全行業

從應用領域分類來看，英偉達一家獨大全球云端訓練芯片市場，TPU很難撼動英偉達GPU的壟斷地位，目前英偉達的GPU+CUDA計算平臺是最成熟的AI訓練方案，除此之外還有第三方異構計算平臺OpenCL+AMD GPU以及云計算服務商自研加速芯片這兩種方案，全球各芯片廠商基于不同方案，都推出了針對于云端訓練的人工智能芯片。

反觀在全球云端推斷芯片競爭格局方面，云端推斷芯片百家爭鳴，各有千秋。相比訓練芯片，推斷芯片考慮的因素更加綜合：單位功耗算力、時延、成本等。初期推斷也采用GPU進行加速，但由于應用場景的特殊性，依據具體神經網絡算法優化會帶來更高的效率，FPGA/ASIC 的表現可能更突出。

除了Nvidia、Google、Xilinx、Altera(Intel)等傳統芯片大廠涉足云端推斷芯片以外，Wave computing、Groq等初創公司也加入競爭。中國公司里，寒武紀、比特大陸同樣積極布局云端芯片業務。

不同架構下的AI芯片

基于AI芯片的加速計算是當前智能計算的主流模式。AI芯片通過和AI算法的協同設計來滿足AI計算對算力的超高需求。當前主流的AI加速計算主要是采用CPU系統搭載GPU、FPGA、ASIC等異構加速芯片。

近年來，國產AI加速芯片廠商持續發力，在該領域取得了快速進展，相關產品陸續發布，覆蓋了AI推理和AI訓練需求，其中既有基于通用GPU架構的芯片，也有基于ASIC架構的芯片，另外也出現了類腦架構芯片，總體上呈現出多元化的發展趨勢。

平安證券研報指出當前，我國通用人工智能產業政策逐步完善，國產大模型能力持續升級。隨著國產大模型廠商和AI芯片廠商的持續發力，我國AIGC產業未來發展前景廣闊。

前瞻經濟學人APP資訊組

更多本行業研究分析詳見前瞻產業研究院《中國人工智能芯片（AI芯片）行業發展前景預測與投資戰略規劃分析報告》

同時前瞻產業研究院還提供產業大數據、產業研究報告、產業規劃、園區規劃、產業招商、產業圖譜、智慧招商系統、行業地位證明、IPO咨詢/募投可研、IPO工作底稿咨詢等解決方案。在招股說明書、公司年度報告等任何公開信息披露中引用本篇文章內容，需要獲取前瞻產業研究院的正規授權。

更多深度行業分析盡在【前瞻經濟學人APP】，還可以與500+經濟學家/資深行業研究員交流互動。