英偉達獨霸時代結束？ ChatGPT引爆谷歌微軟晶片大戰，亞馬遜也入局

ChatGPT爆火之後，Google和微軟兩巨頭的AI大戰戰火，已經燒到了新的領域－伺服器晶片。

如今，AI和雲端運算都成了必爭之地，而晶片，也成為降低成本、贏得商業客戶的關鍵。

原本，亞馬遜、微軟、Google這類大廠，都是以軟體聞名的，而現在，它們紛紛斥資數十億美元，用於晶片開發和生產。

各大科技巨擘研發的AI晶片

ChatGPT爆火，大廠開啟晶片爭霸賽

根據外媒The Information的報道以及其他來源，這三家大廠現在已經推出或計劃發布8款伺服器和AI晶片，用於內部產品開發、雲端伺服器租賃或二者兼有。

「如果你能製造出針對AI進行優化的矽，那前方等待你的將是巨大的勝利」，研究公司Forrester的董事Glenn O’Donnell這樣說。

付出這些巨大的努力，一定會得到回報嗎？

答案是，不一定。

Intel、AMD和英偉達可以從規模經濟中獲益，但對大型科技公司來說，情況遠非如此。

它們還面臨著許多棘手的挑戰，例如需要聘請晶片設計師，還要說服開發者使用他們定制的晶片來建立應用程式。

不過，大廠們已經在這一領域取得了令人矚目的進步。

根據公佈的性能數據，亞馬遜的Graviton伺服器晶片，以及亞馬遜和Google發布的AI專用晶片，在性能上已經可以和傳統的晶片廠商相媲美。

亞馬遜、微軟和Google為其資料中心開發的晶片，主要有這兩種：標準運算晶片和用於訓練和運行機器學習模型的專用晶片。正是後者，為ChatGPT之類的大語言模型提供了動力。

先前，蘋果成功地為iPhone，iPad和Mac開發了晶片，改善了一些AI任務的處理。這些大廠，或許正是跟蘋果學來的靈感。

在三家大廠中，亞馬遜是唯一一家在伺服器中提供兩種晶片的雲端服務商，2015年收購的以色列晶片設計商Annapurna Labs，為這些工作奠定了基礎。

Google在2015年推出了一款用於AI工作負載的晶片，並正在開發一款標準伺服器晶片，以提高Google雲端的伺服器效能。

相較之下，微軟的晶片研發開始得較晚，是在2019年啟動的，而最近，微軟更加快了推出專為LLM設計的AI晶片的時間軸。

而ChatGPT的爆火，點燃了全世界用戶對於AI的興奮。這更促進了三家大廠的策略轉型。

ChatGPT運行在微軟的Azure雲端上，使用了上萬塊英偉達A100。無論是ChatGPT，還是其他整合進Bing和各種程式的OpenAI軟體，都需要如此多的算力，以至於微軟已經為開發AI的內部團隊分配了伺服器硬體。

在亞馬遜，財務長Brian Olsavsky在上週的財報電話會議上告訴投資者，亞馬遜計劃將支出從零售業務轉移到AWS，部分原因是投資於支持ChatGPT所需的基礎設施。

在谷歌，負責製造張量處理單元的工程團隊已經轉移到Google雲端。據悉，雲端組織現在可以為TPU和在其上運行的軟體製定路線圖，希望讓雲端客戶租用更多TPU驅動的伺服器。

Google：為AI特調的TPU V4

早在2020年，Google就在自家的資料中心上部署了當時最強的AI晶片— TPU v4。

不過直到今年的4月4日，Google才首次公佈了這台AI超算的技術細節。

比起TPU v3，TPU v4的效能高出2.1倍，而在整合4096個晶片之後，超算的性能更是提升了10倍。

同時，Google也聲稱，自家晶片要比英偉達A100更快、更節能。對於規模相當的系統，TPU v4可以提供比英偉達A100強1.7倍的效能，同時在能源效率上也能提升1.9倍。

對於相似規模的系統，TPU v4在BERT上比A100快1.15倍，比IPU快約4.3倍。對於ResNet，TPU v4分別快速1.67倍和約4.5倍。

另外，Google曾暗示，它正在研發一款與Nvidia H100競爭的新TPU。谷歌研究員Jouppi接受路透社採訪時表示，Google擁有「未來晶片的生產線」。

微軟：秘密武器雅典娜

不管怎麼說，微軟在這場晶片紛爭中，依舊躍躍欲試。

先前有消息爆出，微軟秘密組成的300人團隊，在2019年時就開始研發一款名為「雅典娜」（Athena）的客製化晶片。

根據最初的計劃，「雅典娜」會使用台積電的5nm工藝打造，預計可以將每顆晶片的成本降低1/3。

如果在明年能夠大面積實裝，微軟內部和OpenAI的團隊便可以藉助「雅典娜」同時完成模型的訓練和推理。

這樣一來，就可以大幅緩解專用電腦緊缺的問題。

彭博社在上週的報導中，稱微軟的晶片部門已與AMD合作開發雅典娜晶片，這也導致AMD的股價在周四上漲了6.5%。

但一位知情者表示，AMD並未參與其中，而是在開發自己的GPU，與英偉達競爭，並且AMD一直在與微軟討論晶片的設計，因為微軟預計要買這款GPU。

亞馬遜：已搶跑一個身位

而在與微軟和Google的晶片競賽中，亞馬遜似乎已經領先了一個身位。

在過去的十年中，亞馬遜在雲端運算服務方面，透過提供更先進的技術和更低的價格，一直保持了對微軟和谷歌的競爭優勢。

而未來十年內，亞馬遜也有望透過自己內部開發的伺服器晶片——Graviton，繼續在競爭中保持優勢。

作為最新一代的處理器，AWS Graviton3在運算效能上比上一代提高多達25%，浮點效能提高多達2倍。並支援DDR5內存，相比DDR4內存頻寬增加了50%。

針對機器學習工作負載，AWS Graviton3比上一代的效能高出多達3倍，並支援 bfloat16。

基於Graviton 3晶片的雲端服務在某些地區非常受歡迎，甚至於達到了供不應求的狀態。

亞馬遜另一方面的優勢也表現在，它是目前唯一一家在其伺服器中提供標準運算晶片（Graviton）和AI專用晶片（Inferentia和Trainium）雲端供應商。

早在2019年，亞馬遜就推出了自己的AI推理晶片——Inferentia。

它可以讓客戶可以在雲端低成本運行大規模機器學習推理應用程序，例如圖像識別、語音識別、自然語言處理、個性化和欺詐檢測。

而最新的Inferentia 2更是在運算效能提高了3倍，加速器總記憶體擴大了4倍，吞吐量提高了4倍，延遲降低到1/10。

在第一代Inferentia推出之後，亞馬遜又發布了其設計的主要用於AI訓練的客製化晶片—— Trainium。

它對深度學習訓練工作負載進行了最佳化，包括圖像分類、語義搜尋、翻譯、語音辨識、自然語言處理和推薦引擎等。

在某些情況下，晶片客製化不僅可以把成本降低一個數量級，能耗減少到1/10 ，而這些客製化的方案可以給客戶以更低的延遲提供更好的服務。

撼動英偉達的壟斷，沒那麼容易

不過到目前為止，大多數的AI負載還是跑在GPU上的，而英偉達生產了其中的大部分晶片。

據先前通報，英偉達獨立GPU市佔率達80%，在高階GPU市佔率高達90%。

20年，全世界跑AI的雲端運算與資料中心，80.6%都由英偉達GPU驅動。 21年，英偉達表示，全球前500個超算中，大約七成是由自家的晶片驅動。

而現在，就連運行ChatGPT的微軟資料中心用了上萬塊英偉達A100 GPU。

一直以來，不管是成為頂流的ChatGPT，還是Bard、Stable Diffusion等模型，背後都是由每個大約價值1萬美元的晶片英偉達A100提供算力。

不僅如此，A100目前已成為人工智慧專業人士的「主力」。 2022人工智慧現況報告也列出了使用A100超級電腦部分公司的名單。

顯而易見，《英偉達已經壟斷了全球算力，憑藉著自家的晶片，一統江湖。

根據從業者的說法，相較於通用晶片，亞馬遜、Google和微軟一直在研發的專用積體電路（ASIC）晶片，在執行機器學習任務的速度更快，功耗更低。

O'Donnell董事在比較GPU和ASIC時，用了這樣一個比較：「平常開車，你可以用普銳斯，但如果你必須在山上用四輪驅動，用吉普牧馬人就會更合適。

然而儘管已經做出了種種努力，但亞馬遜、Google和微軟都面臨著挑戰​​——如何說服開發者使用這些AI晶片呢？

現在，英偉達的GPU是主導的，開發者早已熟悉其專有的程式語言CUDA，用於製作GPU驅動的應用程式。

如果換到亞馬遜、Google或微軟的客製化晶片，就需要學習全新的軟體語言了，他們會願意嗎？

以上是英偉達獨霸時代結束？ ChatGPT引爆谷歌微軟晶片大戰，亞馬遜也入局的詳細內容。更多資訊請關注PHP中文網其他相關文章！