美國當地時間11月15日，微軟Ignite技術大會在西雅圖揭幕。
集團CEO納德拉帶來了長達一個小時的揭幕演講，介紹微軟在ESG、新一代空芯光纖、Azure Boost數據中心等項目的新動態。而整場演講的重頭戲，非AI莫屬——尤其是首款自研AI芯片Azure Maia 100的亮相，成爲場內場外無數聚光燈下的焦點。
微軟重視AI人所共知，發力自研芯片也不是什么祕密。Maia 100的亮相，則是微軟的第一張階段性答卷，向外界表明自己的野心與實力。
有趣的是，英偉達CEO黃仁勳也來到現場，爲Azure和英偉達合作的AI foundry service站台。納德拉當着黃仁勳的面發布自研AI芯片，難免讓人浮想聯翩。
英偉達對高算力芯片的壟斷，早已成爲硅谷衆大廠的心病。它們一方面離不开英偉達，另一方面又不想永遠被英偉達掣肘。當自研芯片成爲潮流，微軟、Meta、谷歌、亞馬遜先後亮出壓箱底的寶貝，誰能真正掙脫枷鎖？
（圖片來自Pixabay）
微軟首款AI芯片來襲，Maia 100成色幾何？
首款芯片的命名從此前盛傳的Athena改成Maia，靈感大概是參考了NGC 2336星系。Maia可以譯爲“明亮的藍色恆星”，根據NASA的觀測，NGC 2336星系近似螺旋形態，直徑約20萬光年，也以旋臂中的藍色恆星聞名。以此命名自己的首顆AI芯片，微軟或許是想以深邃的太空借喻充滿想象力的AI世界，以及對算力的高追求。
Maia 100的亮相也不算突然，早在10月初就有媒體劇透微軟將在开發者大會上發布首款自研AI芯片，並將向Azure雲客戶供應。不過微軟對自研芯片計劃的保密工作做得很好，直到正式發布後，外界才能真正了解其設計、算力和應用場景等詳細情況。
根據納德拉的介紹，Maia 100是一款AI加速芯片，基於Arm架構設計，主要用於雲端訓練、推理以及Azure的高負載雲端運算。不過納德拉否認了將向雲計算客戶供貨的傳聞，這款自研芯片將優先滿足微軟自身的需求，並在合適的時機向合作夥伴和客戶开放。
Azure芯片部門負責人、微軟副總裁拉尼·博卡爾則補充道，Maia 100已經在Bing和office的人工智能套件上測試。合作夥伴openAI也开始使用這款芯片進行測試部分產品和功能，比如GPT 3.5 Turbo。
（圖片來自Azure官網）
至於測試的效果如何，微軟暫時還沒有給出具體報告。但納德拉和博卡爾強調Maia 100可以加快數據處理速度，尤其是在語音和圖像識別方面。
提速的關鍵，自然是算力。爲了提升算力，微軟也是下了血本：採用台積電的5nm制程工藝，晶體管數量達到1050億個。和今年4月被曝光的信息相比，Maia的制程工藝、設計架構都沒有太多出入，性能表現或許還需在應用數據來檢驗。
不過橫向對比的話，Maia 100和英偉達、AMD等大廠的產品在參數上還有很大差距。AMD在今年發布的專用於AI加速的MI 300X芯片晶體管數量達到1530億，更不用說算力超強的英偉達了。
以最近發布的H200爲例，GPU核心和H100相同，但CUDA核數達到16896個，加速頻率1.83GHz，顯存具備更大的容量和更高帶寬，可以支持超大參數的大模型訓練與推理。官方給出的參數顯示，H200相較上一代產品在Llama2和ChatGPT的訓練速度分別能提升40%和60%。
可以看出，從MI 300X到H200，再到Maia 100，大廠對訓練參數量、訓練速度和芯片算力的追求是沒有上限的。大模型的迭代速度也在加快，只因各家大廠都想跑得比對手更快一步。
芯片是這場算力競賽裏最關鍵的一環，沒有人想在這上面掉鏈子。而爲了擺脫對英偉達的依賴，自研就是最好的出路。
當自研AI芯片成爲必選項
英偉達的芯片不是不好，反倒是太好了，好到直接滋生了兩個難以解決的問題：一是供不應求，二是價格高不可攀。
英偉達沒有正面回應H100和A100兩款最熱門產品的產能和需求，但據外媒報道，今年內H100加速卡的產能至少同比增長了3倍，且仍有許多產能瓶頸無法解決。比如台積電5nm生產线產能，英偉達的GPU必須使用台積電的CoWoS封裝技術，市面上完全找不到別的替代品。
供不應求，市場槓杆就會自動生效，調高價格、篩選客戶。從去年下半年开始，搶購GPU就成爲硅谷大廠最重要的任務之一。大廠爲了搶時間、保供應，囤的貨一個比一個多，階段產能愈發喫緊，繼而再次推高價格，形成一個死循環。
微軟在2019年投資openAI後算過一筆账，爲了支撐歷代ChatGPT的訓練，微軟每年光是採購A100的資金就在數億美元以上。而稍晚啓動的自研芯片計劃，每年开銷只需1億美元左右。白紙黑字擺在面前，大廠也不傻。本就有一定技術，也有足夠流動資金的微軟、谷歌、亞馬遜、Meta們，紛紛加速擁抱自研芯片。
這當中，谷歌和亞馬遜是起步最早、成績也最突出的。單論研發實力，微軟甚至夠不着硅谷的第一梯隊。
得益於在手機領域的長期布局，谷歌積累了大量芯片技術，除了美國本土之外，還在印度設置了大規模的芯片研發中心。2021年推出的自研芯片Tensor使用三星5nm先進制程，GPU性能較上一代產品大幅提升370%，狠狠秀了一把肌肉。
這幾年，谷歌從高通、蘋果、英偉達、博通挖來大量人才。最新消息顯示，谷歌計劃在2027年將博通剔除出AI芯片供應商的行列，每年將節省數十億美元的採購費用。而對標博通的TPU，就成爲了谷歌AI芯片計劃的重點發力方向。
事實上，谷歌的TPU自研計劃也是由來已久。2021年，時任谷歌研究部門主管Cliff Young就透露，谷歌有長期的計劃，會在數據中心部署大量自研TPU，以加強雲端運算速度，未來不排除將對外出售。
亞馬遜也是自研芯片的老玩家，其強大在於，建立了完整的自研芯片產業鏈，形成網絡芯片、服務器芯片、AI芯片三條產品线。在AI 芯片領域，亞馬遜的自研產品就通用計算芯片、機器學習訓練芯片、學習推理芯片等。
滿打滿算，從2013年推出首款自研芯片Nitro 1以來，亞馬遜已經推出了超過10款自研芯片，無論數量還是覆蓋的領域，都遠超其他硅谷大廠。AWS在2020年便發布了用於訓練大模型的自研芯片Trainium，也是最早發力AI專用芯片的大廠之一，爲AWS徵服全球立下汗馬功勞。
就連落後一截的Meta，也在今年高調提出造芯計劃，推出定制芯片MTIA v1，並牽手高通、重組研發團隊。爲了奪回主動權、節省开銷，大廠肯定會拼盡全力。接下來，不知道英偉達將如何接招？
取代英偉達談何容易，在博弈中合作將成爲主題
硅谷大廠的反抗之心，黃仁勳當然了然於胸。與其說英偉達對微軟、亞馬遜、谷歌們的進攻無動於衷，倒不如說是有恃無恐——硅谷大廠的自研芯片算力遠不比上英偉達，也缺乏配套的AI軟硬件。想自供自給乃至取英偉達而代之，在現階段並不現實。
算力上的差距前文已有介紹，此處不再贅述。在芯片算力之外，英偉達還強在擁有Base Command（AI訓練端到端軟件服務）、AI Enterprise（提供平台支持的企業級軟件）等大量配套設施。
（圖片來自英偉達官網）
微軟等大廠自研AI芯片，是爲了降低採購成本。但大模型從訓練到落地應用，需要的絕不止一顆芯片。當參數級別變得原來越高，开源程度不斷提升，需要使用的配套軟硬件也會越來越多，這時候大廠們就不得不重新算一下自己的账本了。
高調發布自研芯片的微軟，就很清楚自己短時間內離不开英偉達和AMD。納德拉之所以請黃仁勳到場助陣當然不是爲了示威，而是示好。展望未來，大廠之間的暗中角力當然少不了，但合作還是主旋律。
黃仁勳出席微軟Ignite全球技術大會，是爲了宣傳針對英偉達H100設計的NC H100 v5虛擬機，這是一項類似於AI代工的服務，可以幫助Azure的客戶和合作企業开發大語言模型。此外，微軟Azure仍在使用AMD的 MI300X加速虛擬機和最新的GPU提高AI模型訓練和推理速度。
值得一提的是，微軟在15日的技術大會上還宣布推出MaaS模型即服務，向用戶开放API接口，以便在雲端部署自己的开源大模型。Meta等大廠據悉也將加入开源行列，Llama 2等知名大模型都會在英偉達的算力支撐下，陸續向第三方开放調用。
納德拉和黃仁勳心底盤算什么，外人看不見，也猜不透。但至少在明面上，兩人會繼續維持良好的合作關系，有錢一起賺。真正感到壓力山大的，其實是那些艱難求存的初創企業——畢竟大部分芯片企業都要依賴投資人和大廠的資金搞研發，大廠發力自研後必然會削減外部投資，甚至還會擠壓前者的生存空間。
從2020年的Wave Computing开始，這幾年時不時有AI芯片獨角獸裁員、賣身甚至直接倒閉。不久歐倩，英國GPU芯片公司Imagination也被爆將進行裁員，比例在20%左右。
Wave Computing也算得上紅極一時，當初曾聲稱要追趕英偉達，自家的DPU產品在加速神經網絡的訓練速度上要超過英偉達的GPU1000倍，基於DataFlow架構設計的產品也算得上特立獨行。
不過之後的故事大家都清楚了，Wave Computing的DPU在某些參數上確實超過了英偉達的GPU，但不具備推廣意義。因爲前者缺乏通用計算架構，也無法針對不同應用場景進行定制化改造，更沒有足夠數量的开發者。在燒光了投資人的資金後，最終只能走向破產清算的地步。
無獨有偶，openAI在日前悄悄更新，也讓部分AI初創企業感到“末日將至”，更有外媒表示openAI“正在殺死生成式人工智能初創公司”。由此可以看出，做AI大模型和做AI芯片的公司生存壓力巨大，研發難度和高企的經營成本隨時都可能將它們壓垮。
大公司和初創企業之間的矛盾由來已久，大廠發力自研AI芯片只不過是一劑催化劑。想在巨頭的夾縫謀得一絲生存空間，初創企業要拿出更多真本事。
來源：雷科技
原文標題 : 劍指英偉達，硅谷大廠發力自研AI芯片
標題：劍指英偉達，硅谷大廠發力自研AI芯片
地址：https://www.utechfun.com/post/292632.html