今年以來，大模型的火熱發展不僅讓人工智能重回行業舞臺中心，對于產業新一輪價值增長也提供了新勢能。然而，隨著大模型技術研發的深入，參數規模增長，也使得相關的計算資源需求的急劇增加，為大模型發展的新一輪突破帶來了挑戰。
因此，高算力芯片的需求變得更為迫切，這種需求不僅僅體現在模型訓練和推理上，同時也延伸到了API調用等方方面面。擁有足夠的算力資源，已經成為評估一個人工智能企業實力的硬指標之一。
近期，OpenAI的負責人山姆·奧特曼（Sam Altman）公開表示，盡管目前還在評估中，但OpenAI并不排除自研 AI芯片的可能性。除了可能的自研計劃，OpenAI也為此投資了Cerebras、Rain Neuromorphics、Atomic Semi等頗具潛力的芯片初創公司，旨在更快、更廉價地生產芯片。
除了OpenAI外，人工智能企業的巨頭，例如微軟、谷歌、Meta等企業也在積極探索AI芯片的研發。一時之間，AI芯片相關的課題，又成為大模型廣泛應用的“仰望星空”前，首先需要“腳踏實地”解決的問題。AI芯片核心技術自研箭在弦上
眾所周知，隨著“百模大戰”的局面已然形成，大模型設計和實現上取得了顯著進展，參數規模增長相關的計算資源需求的急劇增加，訓練和推理所需的計算資源也呈指數級增長。然而，算力作為人工智能發展的三要素之一，現實世界中有限的計算資源，訓練和推理過程變得更加耗時和昂貴。
從技術架構來看，AI芯片主要分為圖形處理器（GPU）、現場可編程門陣列（FPGA）、專用集成電路（ASIC）、中央處理器（CPU）四大類。其中，GPU是較為成熟的通用型人工智能芯片，作為重要的計算資源在人工智能領域中發揮著關鍵作用。特別是GPGPU技術的應用，使得GPU在云端進行大模型訓練算法時能夠顯著縮短訓練時長，減少能源消耗，降低人工智能的應用成本。FPGA和ASIC則是針對人工智能需求特征的半定制和全定制芯片，原則上定制化程度越高，所能兼容的算法種類就越少，但進行AI加速時擁有更好的性能與更低的功耗。
大模型之家在《人工智能大模型產業創新價值研究報告》中指出，在全球算力市場中，英偉達作為高算力芯片的龍頭企業，占據著領先地位。其A100、H100顯卡適用于支持各種機器學習模型，具備強大的數據處理能力，使其成為目前主流的AI芯片。目前，全球GPU市場中英偉達占據近90%份額。
在生成式人工智能熱潮所引發的強勁需求下，英偉達第二季度營收達135.1億美元，同比增長101%，創下歷史新高，凈利潤達61.88億美元，同比暴漲843%。此外，英偉達首席執行官黃仁勛指出，全球已裝設價值約1兆美元的數據中心，包括云、企業等領域，這一兆美元的數據中心正逐漸轉向加速運算和生成式AI，也讓數據中心業務收入103億美元，同比增長170%，成為新的增長引擎。
雖然亞馬遜、Meta、寒武紀、地平線等國內外科技巨頭都推出過AI芯片，但從使用場景上更多是用于AI運算加速，即推理方面，這種自研芯片的優勢在于可以大幅降低算力成本。
而在AI訓練方面，英偉達憑借CUDA生態優勢，在AI及高性能計算等核心技術領域，仍然具備一定的領先優勢。
而AMD、谷歌等企業雖然分別采用兼容CUDA和自研TPU的方式切入AI芯片賽道，試圖從AI訓練需求中分得一杯羹，但兩者本身性能相比于英偉達同時期GPU而言性能與功耗方面還有一定差距，因此在市場表現上只能算差強人意。
可以說，在英偉達因為AI賺得盆滿缽滿的現狀之下，有的企業想要搶奪英偉達在AI算力上的蛋糕，也有的企業想要實現芯片自主，在實現軟硬協同的同時，節約芯片成本。
在大模型技術的全球化競爭面前，芯片也將成為核心競爭力之一。10月18日，美國計劃進一步收緊對華AI芯片出口管制，并將管制擴大至更多國家。據稱，新規將取消芯片的通信速度限制，并將重點放在計算性能上，這將導致原本可以在中國市場銷售的英偉達A800和H800芯片停售（halting sales）。這兩款芯片是英偉達去年為符合美出口管制要求定制的產品。
而國內在GPU領域，雖然在圖形處理性能上已經快步縮小與頭部企業差距，但在GPGPU領域，在算力、端口性能、生態等方面仍然與巨頭有著一定的差距，雖然短期內，國內AI芯片市場仍然需要奮力追趕，但從長期看來，這種競爭將推動我國積累和發展芯片核心技術，促使我們在全球芯片領域取得更大的成就。端側人工智能推動芯片AI能力升級
大模型的“芯戰”，不僅體現在大模型本身的開發上。隨著分布式計算技術需求的不斷普及，以及用戶對于個人數據隱私需求的不斷升級。如今，大模型在端側的部署，也推動著智能設備在芯片方面擁有更高的AI能力。
在2023驍龍峰會期間，高通技術公司發布了驍龍 XElite、第三代驍龍8移動平臺等芯片新品，驍龍X Elite是為AI專門打造的PC計算平臺，支持在終端側運行超過130億參數的生成式AI模型。而第三代驍龍8移動平臺NPU相比前代有98%的性能提升，模塊支持獨立供電，達到40%的能效提升。得益于端側的算力提升，依靠本地大模型，就能進行生成式AI的交互。
除此之外，聯發科也在近期與vivo共同宣布，在行業內首次實現了手機上的10億和70億AI大語言模型，以及10億AI視覺大模型，共同為消費者帶來行業領先的端側生成式AI應用創新體驗，正是基于即將發布的天璣9300旗艦芯片和vivo X100系列。
在蘋果上個月發布的iPhone 15 Pro系列所搭載的A17 Pro芯片中，搭載了16核Neural Engine神經網絡引擎，運行速度比上代快2倍，每秒可處理多達35萬億次運算。這意味著A17 Pro能夠更有效地執行復雜的AI任務，如深度學習、語音識別和圖像處理等，從而提供更好的用戶體驗，為蘋果的產品帶來了更多的創新可能，如光線追蹤、ProRes視頻錄制等功能。
同時，有消息稱蘋果公司也在擴大其AI工程師的招聘力度，并計劃整合其各種服務和平臺中的人工智能元素。蘋果還同時在內部構建文本生成技術等任務，如長文本生成、摘要、問答等。
不只是手機產品，在PC產品線上，AI能力也成為了打造差異化賣點的重要方式。在上個月微軟發布會上，不僅再次重提Copilot的無縫AI體驗，在Surface產品線更新中，全新的Laptop Studio 2還成為配備獨立英特爾NPU的Windows計算機。
可見，大模型在端側的應用，未來或將成為手機、PC等智能設備的標配。一方面，本地部署的大模型，能夠有效提升大模型處理的速度；另一方面，模型無需聯網即可完成用戶數據的訓練，大大提升了數據安全的防護能力，讓用戶在使用時減少隱私信息泄漏的隱患。
在大模型之家看來，隨著大模型在產業中全面落地已經成為不可阻擋的趨勢，搭載大模型的智能設備將滲透你我工作與生活的方方面面。而作為算力的硬件載體，芯片必然將成為企業角力的焦點。
無論是在移動設備上，還是在云端數據中心，高性能、低能耗的芯片將成為各類智能應用的核心。面對日益龐大的大模型計算需求，各大科技企業紛紛亮出了自家芯片的底牌，希望在這場硬件競賽中取得先機，而那些能夠在芯片技術上取得突破的企業，將在人工智能領域占據重要地位，引領產業未來的發展方向。
