今年以来，大模型的火热发展不仅让人工智能重回行业舞台中心，对于产业新一轮价值增长也提供了新势能。然而，随着大模型技术研发的深入，参数规模增长，也使得相关的计算资源需求的急剧增加，为大模型发展的新一轮突破带来了挑战。
因此，高算力芯片的需求变得更为迫切，这种需求不仅仅体现在模型训练和推理上，同时也延伸到了API调用等方方面面。拥有足够的算力资源，已经成为评估一个人工智能企业实力的硬指标之一。
近期，OpenAI的负责人山姆·奥特曼（Sam Altman）公开表示，尽管目前还在评估中，但OpenAI并不排除自研 AI芯片的可能性。除了可能的自研计划，OpenAI也为此投资了Cerebras、Rain Neuromorphics、Atomic Semi等颇具潜力的芯片初创公司，旨在更快、更廉价地生产芯片。
除了OpenAI外，人工智能企业的巨头，例如微软、谷歌、Meta等企业也在积极探索AI芯片的研发。一时之间，AI芯片相关的课题，又成为大模型广泛应用的“仰望星空”前，首先需要“脚踏实地”解决的问题。AI芯片核心技术自研箭在弦上
众所周知，随着“百模大战”的局面已然形成，大模型设计和实现上取得了显著进展，参数规模增长相关的计算资源需求的急剧增加，训练和推理所需的计算资源也呈指数级增长。然而，算力作为人工智能发展的三要素之一，现实世界中有限的计算资源，训练和推理过程变得更加耗时和昂贵。
从技术架构来看，AI芯片主要分为图形处理器（GPU）、现场可编程门阵列（FPGA）、专用集成电路（ASIC）、中央处理器（CPU）四大类。其中，GPU是较为成熟的通用型人工智能芯片，作为重要的计算资源在人工智能领域中发挥着关键作用。特别是GPGPU技术的应用，使得GPU在云端进行大模型训练算法时能够显著缩短训练时长，减少能源消耗，降低人工智能的应用成本。FPGA和ASIC则是针对人工智能需求特征的半定制和全定制芯片，原则上定制化程度越高，所能兼容的算法种类就越少，但进行AI加速时拥有更好的性能与更低的功耗。
大模型之家在《人工智能大模型产业创新价值研究报告》中指出，在全球算力市场中，英伟达作为高算力芯片的龙头企业，占据着领先地位。其A100、H100显卡适用于支持各种机器学习模型，具备强大的数据处理能力，使其成为目前主流的AI芯片。目前，全球GPU市场中英伟达占据近90%份额。
在生成式人工智能热潮所引发的强劲需求下，英伟达第二季度营收达135.1亿美元，同比增长101%，创下历史新高，净利润达61.88亿美元，同比暴涨843%。此外，英伟达首席执行官黄仁勋指出，全球已装设价值约1兆美元的数据中心，包括云、企业等领域，这一兆美元的数据中心正逐渐转向加速运算和生成式AI，也让数据中心业务收入103亿美元，同比增长170%，成为新的增长引擎。
虽然亚马逊、Meta、寒武纪、地平线等国内外科技巨头都推出过AI芯片，但从使用场景上更多是用于AI运算加速，即推理方面，这种自研芯片的优势在于可以大幅降低算力成本。
而在AI训练方面，英伟达凭借CUDA生态优势，在AI及高性能计算等核心技术领域，仍然具备一定的领先优势。
而AMD、谷歌等企业虽然分别采用兼容CUDA和自研TPU的方式切入AI芯片赛道，试图从AI训练需求中分得一杯羹，但两者本身性能相比于英伟达同时期GPU而言性能与功耗方面还有一定差距，因此在市场表现上只能算差强人意。
可以说，在英伟达因为AI赚得盆满钵满的现状之下，有的企业想要抢夺英伟达在AI算力上的蛋糕，也有的企业想要实现芯片自主，在实现软硬协同的同时，节约芯片成本。
在大模型技术的全球化竞争面前，芯片也将成为核心竞争力之一。10月18日，美国计划进一步收紧对华AI芯片出口管制，并将管制扩大至更多国家。据称，新规将取消芯片的通信速度限制，并将重点放在计算性能上，这将导致原本可以在中国市场销售的英伟达A800和H800芯片停售（halting sales）。这两款芯片是英伟达去年为符合美出口管制要求定制的产品。
而国内在GPU领域，虽然在图形处理性能上已经快步缩小与头部企业差距，但在GPGPU领域，在算力、端口性能、生态等方面仍然与巨头有着一定的差距，虽然短期内，国内AI芯片市场仍然需要奋力追赶，但从长期看来，这种竞争将推动我国积累和发展芯片核心技术，促使我们在全球芯片领域取得更大的成就。端侧人工智能推动芯片AI能力升级
大模型的“芯战”，不仅体现在大模型本身的开发上。随着分布式计算技术需求的不断普及，以及用户对于个人数据隐私需求的不断升级。如今，大模型在端侧的部署，也推动着智能设备在芯片方面拥有更高的AI能力。
在2023骁龙峰会期间，高通技术公司发布了骁龙 XElite、第三代骁龙8移动平台等芯片新品，骁龙X Elite是为AI专门打造的PC计算平台，支持在终端侧运行超过130亿参数的生成式AI模型。而第三代骁龙8移动平台NPU相比前代有98%的性能提升，模块支持独立供电，达到40%的能效提升。得益于端侧的算力提升，依靠本地大模型，就能进行生成式AI的交互。
除此之外，联发科也在近期与vivo共同宣布，在行业内首次实现了手机上的10亿和70亿AI大语言模型，以及10亿AI视觉大模型，共同为消费者带来行业领先的端侧生成式AI应用创新体验，正是基于即将发布的天玑9300旗舰芯片和vivo X100系列。
在苹果上个月发布的iPhone 15 Pro系列所搭载的A17 Pro芯片中，搭载了16核Neural Engine神经网络引擎，运行速度比上代快2倍，每秒可处理多达35万亿次运算。这意味着A17 Pro能够更有效地执行复杂的AI任务，如深度学习、语音识别和图像处理等，从而提供更好的用户体验，为苹果的产品带来了更多的创新可能，如光线追踪、ProRes视频录制等功能。
同时，有消息称苹果公司也在扩大其AI工程师的招聘力度，并计划整合其各种服务和平台中的人工智能元素。苹果还同时在内部构建文本生成技术等任务，如长文本生成、摘要、问答等。
不只是手机产品，在PC产品线上，AI能力也成为了打造差异化卖点的重要方式。在上个月微软发布会上，不仅再次重提Copilot的无缝AI体验，在Surface产品线更新中，全新的Laptop Studio 2还成为配备独立英特尔NPU的Windows计算机。
可见，大模型在端侧的应用，未来或将成为手机、PC等智能设备的标配。一方面，本地部署的大模型，能够有效提升大模型处理的速度；另一方面，模型无需联网即可完成用户数据的训练，大大提升了数据安全的防护能力，让用户在使用时减少隐私信息泄漏的隐患。
在大模型之家看来，随着大模型在产业中全面落地已经成为不可阻挡的趋势，搭载大模型的智能设备将渗透你我工作与生活的方方面面。而作为算力的硬件载体，芯片必然将成为企业角力的焦点。
无论是在移动设备上，还是在云端数据中心，高性能、低能耗的芯片将成为各类智能应用的核心。面对日益庞大的大模型计算需求，各大科技企业纷纷亮出了自家芯片的底牌，希望在这场硬件竞赛中取得先机，而那些能够在芯片技术上取得突破的企业，将在人工智能领域占据重要地位，引领产业未来的发展方向。
