本文將介紹頂尖的AI芯片供應(yīng)商，幫助企業(yè)選擇合適的芯片。

如下圖所示，神經(jīng)網(wǎng)絡(luò)的參數(shù)數(shù)量（即寬度和深度）以及模型大小都在增加。為了構(gòu)建更好的深度學(xué)習(xí)模型和強(qiáng)大的人工智能應(yīng)用程序，組織需要增加計(jì)算能力和內(nèi)存帶寬。

強(qiáng)大的通用芯片（例如CPU）無法支持高度并行的深度學(xué)習(xí)模型。因此，支持并行計(jì)算能力的人工智能芯片的需求越來越大，麥肯錫認(rèn)為，這一趨勢將持續(xù)下去。

然而，即使是擁有眾多世界級(jí)工程師和強(qiáng)大研究背景的英特爾，也需要三年的時(shí)間來開發(fā)自己的AI芯片。因此，對于大多數(shù)公司來說，從這些供應(yīng)商購買芯片或從云GPU提供商租用容量是開發(fā)強(qiáng)大的深度學(xué)習(xí)模型的唯一途徑。本文將介紹頂尖的AI芯片供應(yīng)商，幫助企業(yè)選擇合適的芯片。

領(lǐng)先的人工智能芯片生產(chǎn)商有哪些？

1.英偉達(dá)

自 20 世紀(jì) 90 年代以來，英偉達(dá)一直在為游戲領(lǐng)域生產(chǎn)圖形處理單元 (GPU)。PlayStation3 和 Xbox均使用 Nvidia 圖形陣列。該公司還生產(chǎn)Volta、Xavier和Tesla等人工智能芯片。得益于生成式AI熱潮，英偉達(dá)在2023年取得了優(yōu)異的成績，估值達(dá)到萬億，鞏固了其GPU和AI硬件市場領(lǐng)導(dǎo)者的地位。

英偉達(dá) 的芯片組旨在解決各個(gè)行業(yè)的業(yè)務(wù)問題。例如，Xavier 是自動(dòng)駕駛解決方案的基礎(chǔ)，而 Volta 則針對數(shù)據(jù)中心。DGX A100和 H100 是 英偉達(dá) 成功的旗艦 AI 芯片，專為數(shù)據(jù)中心的 AI 訓(xùn)練和推理而設(shè)計(jì)。英偉達(dá) 發(fā)布了H200、B200 和 GB200 芯片；HGX 服務(wù)器，例如結(jié)合了 8 個(gè)此類芯片的 HGX H200 和 HGX B200；NVL 系列和 GB200 SuperPod 將更多芯片組合成大型集群。

云 GPU

對于云上的 AI 工作負(fù)載，Nvidia 幾乎處于壟斷地位，大多數(shù)云廠商只使用 Nvidia GPU 作為云 GPU。Nvidia 還推出了DGX Cloud產(chǎn)品，直接向企業(yè)提供云 GPU 基礎(chǔ)設(shè)施。

2.AMD

AMD是一家擁有CPU、GPU和AI加速器產(chǎn)品的芯片制造商。例如，AMD的Alveo U50數(shù)據(jù)中心加速卡擁有500億個(gè)晶體管。Accelerator 可以運(yùn)行 1000 萬個(gè)嵌入數(shù)據(jù)集并在毫秒內(nèi)執(zhí)行圖算法。

AMD 于 2023 年 6 月推出了用于 AI 訓(xùn)練工作負(fù)載的 MI300，并將與 NVIDIA 爭奪該市場的市場份額。正如ChatGPT所表明的那樣，生成式 AI的興起，需求迅速增加，導(dǎo)致 Nvidia 的 AI 硬件難以采購，因此有初創(chuàng)公司、研究機(jī)構(gòu)、企業(yè)和科技巨頭在 2023 年采用了 AMD 硬件。

AMD 還與 Hugging Face 等機(jī)器學(xué)習(xí)公司合作，使數(shù)據(jù)科學(xué)家能夠更有效地使用他們的硬件。

軟件生態(tài)系統(tǒng)至關(guān)重要，因?yàn)橛布阅芎艽蟪潭壬弦蕾囉谲浖?yōu)化。例如，AMD 和 NVIDIA 在 H100 和 MI300 基準(zhǔn)測試上存在公開分歧。分歧的焦點(diǎn)是基準(zhǔn)測試中使用的包和浮點(diǎn)。根據(jù)最新的基準(zhǔn)測試，對于 70B LLM 的推理，MI300 似乎更好或與 H100 相當(dāng)。

3.英特爾

英特爾是CPU市場最大的廠商，擁有悠久的半導(dǎo)體開發(fā)歷史。2017年，英特爾成為全球第一家銷售額突破10億美元大關(guān)的AI芯片公司。

英特爾的至強(qiáng) CPU 適用于各種工作，包括數(shù)據(jù)中心的處理，并對該公司的商業(yè)成功產(chǎn)生了影響。

Gaudi3是英特爾最新的AI加速處理器。自 2024 年 4 月公開發(fā)布以來，目前對其性能的基準(zhǔn)測試有限。

4.Alphabet/谷歌云平臺(tái)

GoogleCloud TPU是專門構(gòu)建的機(jī)器學(xué)習(xí)加速器芯片，為翻譯、照片、搜索、助手和 Gmail 等 Google 產(chǎn)品提供支持。它也可以通過 Google Cloud 使用。谷歌于 2016 年發(fā)布了 TPU。最新的 TPU 是 Trillium，第六代 TPU。

Edge TPU是 Google Alphabet 的另一款加速器芯片，比一美分硬幣還要小，專為智能手機(jī)、平板電腦和物聯(lián)網(wǎng)設(shè)備等邊緣設(shè)備而設(shè)計(jì)。

5.AWS

AWS 生產(chǎn)用于模型訓(xùn)練的 Tranium 芯片和用于推理的 Inferentia 芯片。盡管AWS是公共云市場的領(lǐng)導(dǎo)者，但它在谷歌之后開始構(gòu)建自己的芯片。

6、IBM

IBM 將于 2022 年發(fā)布最新的深度學(xué)習(xí)芯片——人工智能單元 (AIU)。IBM 正在考慮使用這些芯片為其 watson.x 生成式人工智能平臺(tái)提供支持。

AIU 基于“ IBM Telum 處理器”構(gòu)建，該處理器為 IBM Z 大型機(jī)服務(wù)器的 AI 處理能力提供支持。Telum 處理器在推出時(shí)突出的用例包括欺詐檢測。

IBM 還證明，合并計(jì)算和內(nèi)存可以提高效率。這些已在 NorthPole 處理器原型中得到演示。

7、阿里巴巴

阿里巴巴生產(chǎn)含光800等推理芯片。

領(lǐng)先的人工智能芯片初創(chuàng)公司有哪些？

這里還想介紹一些AI芯片行業(yè)的初創(chuàng)公司，他們的名字在不久的將來可能會(huì)經(jīng)常聽到。盡管這些公司剛剛成立不久，但它們已經(jīng)籌集了數(shù)百萬美元。

圖2：AI芯片制造商的融資總額，來源：Statista

8.SambaNova系統(tǒng)

SambaNova Systems 成立于 2017 年，目標(biāo)是為大批量生成型 AI 工作負(fù)載開發(fā)高性能、高精度的硬件軟件系統(tǒng)。該公司開發(fā)了SN40L芯片并籌集了超過11億美元的資金。

值得注意的是，SambaNova Systems 還將其平臺(tái)出租給企業(yè)。SambaNova Systems 的人工智能平臺(tái)即服務(wù)方法使其系統(tǒng)更易于采用，并鼓勵(lì)循環(huán)經(jīng)濟(jì)的硬件重用。

9. Cerebras Systems

Cerebras Systems成立于 2015 年。2021 年 4 月，該公司宣布推出全新 AI 芯片型號(hào) Cerebras WSE-2，擁有 85 萬個(gè)內(nèi)核和 2.6 萬億個(gè)晶體管。毫無疑問，WSE-2 比 WSE-1 有了很大改進(jìn)，WSE-1 擁有 1.2 萬億個(gè)晶體管和 40 萬個(gè)處理核心。

Celebra的系統(tǒng)與阿斯利康和葛蘭素史克等多家制藥公司合作，因?yàn)閃SE-1的有效技術(shù)加速了遺傳和基因組研究，縮短了藥物發(fā)現(xiàn)的時(shí)間。

10. Groq

Groq 由前谷歌員工創(chuàng)立。該公司代表LPU，一種人工智能芯片架構(gòu)的新模型，旨在讓公司更容易采用他們的系統(tǒng)。該初創(chuàng)公司已籌集約 3.5 億美元，并生產(chǎn)了首批型號(hào)，例如 GroqChip處理器、GroqCard 加速器等。

該公司專注于 LLM 推理，并發(fā)布了 Llama-2 70B 的基準(zhǔn)測試。

該公司表示，2024 年第一季度，有 7 萬名開發(fā)人員在其云平臺(tái)上注冊，并構(gòu)建了 1.9 萬個(gè)新應(yīng)用程序。

2022 年 3 月 1 日，Groq收購了Maxeler，后者為金融服務(wù)提供高性能計(jì)算 (HPC) 解決方案。