Gergasi "tergesa-gesa" cip AI! AMD melawan Nvidia

Gelombang kecerdasan buatan telah melanda sepanjang enam bulan yang lalu, dan Nvidia telah membuka pintu kepada kelab trilion dolar pasaran saham AS.

Nvidia, yang pada asalnya hanya mahu mendapatkan bahagian pai pengkomputeran grafik permainan, tidak menjangka untuk menjadi peneraju dalam pengkomputeran AI lebih daripada 20 tahun kemudian, hampir memonopoli keseluruhan pasaran cip pelayan AI.

Walaupun Intel pernah menguasai pasaran pelayan, GPU Nvidia mengatasi CPUnya dalam pengkomputeran berprestasi tinggi. Teknologi proses cip Intel ketinggalan di belakang TSMC, menyebabkan strategi produknya menjadi pasif. Nvidia sudah jauh di hadapan, manakala AMD mengejar Intel.

Dengan kejayaan NVIDIA, hala tuju penyelidikan dan pembangunan cip generasi akan datang lebih tertumpu pada cara menyepadukan model AI secara mendalam Pilihannya bukan sahaja GPU, kerana kos yang tinggi untuk meningkatkan kuasa pengkomputeran kebanyakannya dikaitkan dengan AI cip, jadi NVIDIA berada dalam model Kedudukan utama bahagian cip latihan sudah pasti akan dicabar, dan syarikat seperti Intel, AMD, Qualcomm dan lain-lain mula bersiap sedia.

Jadi, dari segi cip AI, adakah NVIDIA akan datang?

Cip AI 01 mesti melepasi ambang terlebih dahulu

Cip AI boleh dibahagikan kepada bahagian awan, terminal dan tepi mengikut lokasi penempatan mereka juga boleh dibahagikan kepada cip latihan dan cip inferens mengikut tugasan yang berbeza. Latihan model dilakukan dalam awan di pusat data Cip perlu menyokong sejumlah besar pengiraan data Bahagian terminal dan tepi mempunyai keperluan kuasa pengkomputeran yang lebih lemah, tetapi memerlukan keupayaan tindak balas yang cepat dan penggunaan kuasa yang rendah cip latihan, tetapi Tiada kekurangan cip yang lebih sesuai daripada GPU untuk inferens.

Cip AI khusus dengan prestasi berbeza termasuk GPU, ASIC, FPGA, NPU, dsb., yang boleh dirujuk sebagai XPU Nama yang berbeza mencerminkan perbezaan dalam tahap seni bina masing-masing. Cip AI khusus mempunyai keupayaan untuk memadankan GPU dalam bidang yang mereka pakar. Walaupun mereka kurang berskala, ia mendahului lebih banyak GPU tujuan umum dari segi prestasi dan kuasa pengkomputeran, walaupun yang kedua boleh melakukan lebih banyak lagi.

Ini kembali kepada logik asal CPU yang ditinggalkan dalam bidang pembelajaran mesin Adakah akan ada cip baharu yang boleh memberi kesan kepada GPU pada masa hadapan?

Pada masa ini, pengeluar utama di seluruh dunia amat menggemari pembuatan kerepek Walau bagaimanapun, tidak ada keperluan untuk cip kegunaan umum dibuat sendiri arah.

Sebagai contoh, TPU Google menggunakan ASIC, yang hanya untuk pemecut rangkaian saraf konvolusional Dojo Tesla ialah cip analisis penglihatan mesin yang digunakan khas untuk FSD Domestik dan Alibaba juga menghabiskan banyak tenaga untuk cip yang dibangunkan sendiri. .

Sejak sekian lama, pemproses berdedikasi tidak benar-benar menimbulkan ancaman kepada GPU Ini terutamanya berkaitan dengan kapasiti pasaran, pelaburan modal dan kitaran positif yang dibentuk oleh Moore's Law.

Menurut data IDC, dalam pasaran cip AI China pada tahun 2021, GPU menyumbang 89% daripada bahagian pasaran, kelajuan pemprosesan NPU adalah 10 kali lebih cepat daripada GPU, menyumbang 9.6% daripada bahagian pasaran, ASIC dan FPGA menyumbang; bahagian yang lebih kecil, dengan bahagian pasaran sebanyak 1% setiap satu dan 0.4%.

Dalam tiga puluh tahun yang lalu, kebangkitan faundri wafer seperti TSMC dan Samsung telah membentuk trend pembahagian kerja dan pengkhususan kemajuan teknologi dalam peralatan dan proses lanjutan telah membolehkan syarikat reka bentuk cip seperti Nvidia dan Qualcomm menonjol kemahiran mereka, dan juga telah membenarkan Apple, syarikat teknologi utama seperti Google telah mula menggunakan cip untuk menentukan produk dan perkhidmatan mereka Tanah untuk reka bentuk cip khusus adalah subur, dan semua orang adalah penerima.

Dari perspektif pesaing, GPU bukanlah cip yang direka khusus untuk pembelajaran mesin Sebab utama kejayaannya terletak pada ekosistem kompleks yang dibentuk dengan menggabungkan lapisan perisian rangka kerja, yang meningkatkan fleksibiliti cip.

Malah, Sejak 2012, permintaan kuasa pengkomputeran untuk model latihan kepala telah meningkat sebanyak 10 kali setiap tahun, dan telah menghampiri had kuasa pengkomputeran di bawah Undang-undang Moore.

Sejak Tesla M2090 pada tahun 2011, GPU produk pusat data telah dikemas kini dan diulangi Volta, Ampere, Hopper dan seni bina lain untuk pengkomputeran latihan berprestasi tinggi dan latihan AI telah dilancarkan berturut-turut, mengekalkan kelajuan pelancaran yang baharu. penjanaan produk setiap dua tahun Kuasa pengkomputeran titik terapung juga meningkat daripada 7.8 TFLOPS kepada 30 TFLOPS, peningkatan hampir 4 kali ganda.

H100 terbaru malah telah memendekkan masa latihan model besar daripada seminggu kepada satu hari.

Berdasarkan bahagian tinggi NVIDIA dalam bidang cip AI, boleh dikatakan bahawa Pada masa lalu, pertumbuhan kuasa pengkomputeran untuk latihan model AI disokong terutamanya oleh siri GPU NVIDIA, yang membentuk maklum balas positif. Dengan skala penghantaran cip Pertumbuhan telah menyamakan kos pembangunan cip Nvidia.

Berbanding dengan permintaan masa hadapan untuk kuasa pengkomputeran, lelaran teknologi cip tujuan umum akhirnya akan menjadi perlahan Hanya dengan menjalankan kitaran hadapan ini boleh pemproses tujuan khas dapat bersaing dengan cip tujuan umum dari segi. daripada kos.

Walau bagaimanapun, kesukarannya ialah pemproses tujuan khas hanya menumpukan pada segmen pasaran, dan saiz pasaran adalah tidak sebaik pasaran tujuan umum Berbanding dengan peningkatan prestasi setiap unit cip tujuan umum selalunya mengambil masa yang lebih lama atau keluaran yang lebih besar Namun, apabila AI mempercepatkan penembusannya dalam senario aplikasi, perbelanjaan untuk cip AI juga akan meningkat dengan ketara pada masa hadapan.

Menurut Precedence Research, saiz pasaran cip AI global ialah AS$16.86 bilion pada 2022 dan akan berkembang pada kadar tahunan kira-kira 30%, dan dijangka mencecah kira-kira AS$227.48 bilion menjelang 2032.

02 Tiga keluarga dinaikkan pangkat, bagaimana mereka boleh melawan antara satu sama lain?

Monopoli Nvidia terhadap kuasa pengkomputeran semakin pantas dan kukuh di bawah perang model berskala besar hari ini, dan konflik semakin memuncak permintaan perolehan GPU melebihi jangkaan TSMC dan Nvidia, dan bekalan tidak mencukupi, jadi harga meningkat dan kitaran berterusan.

Pengeluar teknologi dalam dan luar negara mengekalkan sikap yang konsisten dalam memilih cip yang dibangunkan sendiri, atau mereka membantu pengeluar cip lain bersaing dengan NVIDIA untuk merangsang bekalan baharu dan mengurangkan kos cip.

AMD melonjak 12% dalam dagangan intraday pada awal bulan lepas Alasannya datang daripada berita bahawa Microsoft bekerjasama dengan AMD untuk membiayai pengembangan yang terakhir ke dalam cip AI dan bekerjasama dengan pengeluar cip pada produk bernama kod. Athena. ) tetapi Microsoft kemudiannya menafikan berita itu secara rasmi.

Ini mengingatkan perikatan "WINTEL" pada tahun 1990-an, yang saling menyumbang kepada sistem pengendalian PC Microsoft dan status Intel dalam CPU. Pada masa ini, AMD telah menjadi ancaman paling kuat kepada bahagian pasaran Intel.

Pasaran komputer mengalami tamparan hebat tahun lepas Kelemahan di kedua-dua hujung pelayan perusahaan dan sektor elektronik pengguna menyebabkan seretan besar pada penghantaran CPU Intel dan AMD kedua-duanya mengalami kemerosotan terbesar dalam tempoh lebih 30 tahun, jatuh sebanyak 21 % dan 19% masing-masing.

Walaupun perniagaan utama menunjukkan tanda-tanda kelemahan, landskap industri yang kompetitif sekali lagi telah mengalami perubahan yang besar.

Menurut pemantauan data Passmark, dalam pasaran pusat data, bahagian AMD melonjak kepada 20% tahun lepas, mengambil hampir 10% bahagian Intel (70.77% pada 2022, sehingga 2 Januari tahun ini, AMD telah memperolehnya semula). menghampiri 40%, kembali ke tahap 2004.

Sebab mengapa AMD dapat meneruskannya ialah, di satu pihak, ia bergantung pada kuasa TSMC untuk terus mengoptimumkan portfolio produknya dan meningkatkan kadar penggunaan pemproses EPYC Milan yang digunakan di pusat data tahun, hasil perniagaan ini meningkat sebanyak 64%.

Aspek lain adalah berkaitan dengan keputusan strategik pesaing yang lemah. Inovasi Intel dalam CPU telah kering, dan keupayaan produk mereka, yang telah mengekalkan kedudukan utama sepanjang dekad yang lalu, telah menurun dengan ketara berbanding pesaing mereka.

Apabila Apple mahu Intel membangunkan CPU telefon mudah alih untuk iPhone generasi pertama, Ketua Pegawai Eksekutif Paul Otellini menolak kerana tawaran itu terlalu rendah Pemimpin x86 itu salah menilai peluang di bahagian mudah alih.

Selain kekurangan visi strategik, terdapat juga rancangan untuk melancarkan produk baharu yang sentiasa tertangguh Intel adalah orang lama dari era IDM lama Kini TSMC dan Samsung memimpin lelaran proses lanjutan asas untuk menaik taraf berterusan cip tujuan umum seperti CPU Kemunduran teknologi proses Intel sendiri menjejaskan kadar kemas kini produk, yang lebih seperti "memerah ubat gigi". Sejak titik tingginya pada 2021, nilai pasarannya telah dipotong lebih separuh.

AMD, sebaliknya, telah meluaskan kategori produknya dan melaksanakan strategi kos efektif Ia telah memperoleh ATI dan Xilinx secara berturut-turut, menjadi pengeluar cip pertama yang memperoleh CPU+GPU+FPGA pada masa yang sama. Pada tahun 2018, AMD mengatasi proses CPU pada bahagian PC buat kali pertama, dan bahagian pasarannya mula mempercepatkan Pada tahun 2019, ia bekerjasama dengan TSMC untuk mendahului dalam melonjak ke 7nm, dan juga mencapai proses mengatasi pada pelayan. tahun lepas, nilai pasarannya melebihi Intel.

Tidak lama dahulu, AMD melancarkan Instinct MI 300, yang menggabungkan seni bina dwi CPU+GPU, untuk secara rasmi memasuki akhir latihan AI Cip ini menanda aras secara langsung Grace Hopper NVIDIA dari segi spesifikasi dan prestasi.

Ini adalah langkah penting selepas pengurusan AMD menekankan AI sebagai fokus strategik, tidak seperti NVIDIA, yang juga menyewakan kuasa pengkomputeran sendiri, AMD menumpukan pada membina matriks cip yang kompetitif Untuk bersaing secara langsung dengannya pusat data vendor awan ke Ia telah mula menembusi dan dijangka mula meningkat dalam jumlah pada suku keempat tahun ini.

Sebenarnya, bukannya kedua-dua gergasi CPU ini bergaduh, meninggalkan Nvidia, dan akhirnya tidak dapat mengejar ketinggalan.

Intel telah membelanjakan sejumlah besar wang sejak 2015 untuk memperoleh sejumlah besar syarikat kecerdasan buatan, seperti Altera, Mobileye, Nervana, dll., tetapi hasilnya tidak banyak membantu perniagaan syarikat-syarikat ini dan menunggu untuk memenangi tiket loteri.

Intel juga telah merancang untuk melancarkan GPU yang setanding dengan Nvidia, tetapi rancangan itu telah ditangguhkan.

Pada tahun 2021, Intel mengumumkan kod GPU unggulan bernama "Ponte Vecchio" untuk digunakan dalam pusat data, tetapi penghantaran terus ditangguhkan. Sebagai pengganti, GPU Falcon Shores, yang menggabungkan CPU x86 dan GPU Xe, juga telah ditangguhkan hingga 2025.

Memang benar bahawa kejayaan NVIDIA bukan hanya tentang perkakasan yang baik Berbeza daripada laluan Intel untuk menjadi yang pertama dalam perkakasan pada masa lalu, seni bina GPU NVIDIA telah mengekalkan kelajuan evolusi dua tahun dan membina ekosistem perisian dengan pengkomputeran sejagat. rangka kerja.

Dalam proses pembangunan cip, pemenang yang mentakrifkan piawaian selalunya adalah yang kuat Untuk menyaingi NVIDIA, keberkesanan kos adalah berat yang diperlukan, dan ekosistem adalah sama kritikal. Pembangunan kuasa pengkomputeran untuk mempromosikan kemajuan AI juga bergantung pada persaingan dan mengatasi satu sama lain oleh pengeluar ini.

Dalam aspek ini, sama ada AMD, Intel atau pengeluar lambat lain, mereka masih mempunyai perjalanan yang jauh.

Atas ialah kandungan terperinci Gergasi "tergesa-gesa" cip AI! AMD melawan Nvidia. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!