AI算力三大解藥：GPU、存算一體和量子計算時空大亂鬥，國產玩家誰能分一杯羹？

財聯社5月14日訊（編輯 俞琪）隨着ChatGPT、百度文心一言等一系列大模型密集上線，AI大模型當下已經遍地開花。本周四，谷歌發佈AI語言模型PaLM 2與OpenAI旗下GPT-4等系統展開競爭，國內雲從科技、引力傳媒等多家A股上市公司亦宣佈AI大模型產品最新進展。在「AI百模大戰」背后，隨之帶動的算力需求開始呈「爆炸式」增長，一場「算力儲備戰」已暗潮洶涌，全球算力市場持續火熱。

據悉，AI由數據、算法（即模型）和算力驅動，其中任意一方的發展會推動其他方面需求的增長。有分析認為，當下行業內雖然擁有更多的數據以及做了更多的AI模型研究，但算力的擴展速度卻沒有跟上。今年4月，OpenAI就因需求量過大而停止了ChatGPT Plus的銷售。對此，東方證券研報認為，主要系計算資源供不應求。

根據數據預測，AI時代算力的增長已遠遠超過了摩爾定律每18個月翻番的速率，預計到2030年全球超算算力將達到0.2ZFLOPS，平均年增速超過34%。華為更是預測，未來10年人工智能算力需求將會增長500倍以上。那麼，身處「智能革命」起點的當下，什麼纔是AI算力的最優解？國內「算力軍備競賽」又走到哪一步了？

▌短期堆起的GPU競爭高地：以量取勝築起大模型算力門檻 低配版英偉達GPU國內炒至10萬元

衆所周知，芯片能力直接影響着高算力訓練效果和速度，相較於基於CPU芯片的通用算力，AI所需的智能算力則主要基於GPU、GPGPU及AISC等AI芯片所提供算力，用於人工智能的訓練和推理。其中，GPU是一種專門用於處理圖形、視頻、遊戲等高性能計算的硬件設備，憑藉相較於其他硬件在算力方面的較大優勢脫穎而出，同時隨着英偉達A100、H100等型號產品的發佈，前款產品在AI推理時吞吐量是CPU的249倍。GPU已成為當前AI算力的核心硬件。

中金公司研報表示，多GPU互聯能力加強可以提高並行計算能力，因而算力提升對GPU數量的要求日益提高。隨着單GPU的計算能力越來越難以應對深度學習對算力的需求，英偉達已經開始用多個GPU去解決問題。對此，業內分析認為，高端GPU的數量基本決定了一個廠商能夠練多大的模型，后期將成為業內判斷企業大模型能力的重要指標。

據TrendForce數據顯示，如果以英偉達 A100 顯卡的處理能力計算，GPT-3.5大模型需要2萬塊GPU來處理訓練數據。亦有業內公認看法，做好AI大模型的算力門檻是1萬枚A100芯片。

目前，全球GPU市場主要由英偉達、英特爾和AMD三家巨頭壟斷，去年Q4獨立GPU份額分別為85%、6%、9%。其中，人工智能、雲端計算和獨立GPU主要為英偉達主導，A100和H100最高浮點算力分別實現19.5 TFLOPS 和67 TFLOPS。

相較於此，我國國產GPU尚處萌芽期，與國際廠商差距更大。但隨着高端GPU的出口限令，針對中國市場推出的特供版A800也已漲10萬元的高價，國內GPU市場需求緊迫。在此情形下國產化迫在眉睫，國產GPU廠商近幾年也不斷涌現，目前國內自研GPU的領軍企業主要是寒武紀、景嘉微、華為昇騰等。其中，景嘉微是國內首家成功研製國產GPU芯片並實現大規模工程應用的企業。行業內專家稱，主打產品JH920的性能與英偉達2016年發佈的GTX 1050相仿，在中高端領域及硬核的算力需求仍存在較長的追趕道路。

對於整個算力市場，業內人士認為，目前燒GPU是最為現實的方案，尤其從國內GPU廠商的角度來看，國產GPU高端化薄弱，只有使更多低端的GPU去追趕和堆疊，通過優化和協調來協同作用，再去組合模擬優化的路徑。

▌下場突圍的存算一體：打破「內存牆」極限難題 全球玩家站上同一起跑線

不過，雖然GPU是目前最成熟的AI算力方案，但長時間來看，在算力昂貴和受限的制約下燒GPU並非長久之策。

在馮·諾伊曼結構計算機中計算和存儲分離，存和算之間性能失配常常導致訪存帶寬低、時延長、功耗高等問題，運算效率被大打折扣，即面臨着「內存牆」的制約問題。通俗來看，方正證券在4月30日研報中解釋，雖然CPU/GPU並行加速技術可以提升算力，但隨摩爾定律逼近極限，存儲帶寬制約了計算系統的有效帶寬，系統算力增長步履維艱。

對此，方正證券認為，存算一體作為一種新的計算架構，其核心是將存儲與計算完全融合，以新的高效運算架構進行二維和三維矩陣計算，具有更大算力（1000TOPS以上）、更高能效（超過10-100TOPS/W）、降本增效三大優勢，能有效克服馮·諾依曼架構瓶頸，實現計算能效的數量級提升。業界普遍認為，其為「AI算力的下一極」，繼CPU、GPU之后的算力架構「第三極」。

在存算一體市場中，海外廠商SST，Syntiant、Mythic因佈局較早，走在商業化前列。不過，在新的技術領域比如基於ReRAM存算一體做大算力芯片，各國還處在同一起跑線，國內外眾多企業紛紛開展存算一體技術的研發，包括英特爾、SK海力士、IBM、美光、三星、臺積電、阿里等巨頭，以及九天睿芯、恆爍股份、億鑄科技、千芯科技、蘋芯科技、知存科技、智芯科等眾多新興AI和存儲企業。

▌AI算力「神藥」量子計算：谷歌、阿里等科技巨頭扎堆進入 國內企業或藉此賽道彎道超車

值得注意的是，在當前GPU、下一步存算一體的背后，還有着一位AI算力「神藥」——量子計算。

據悉，量子計算機是基於量子力學原理構建的計算機，性能差距呈指數級增長。中金公司研報表示，相較經典計算機，量子計算機算力發生爆發式增長，形成「量子優越性」。業內分析認為，量子計算有望徹底解決經典計算的算力不足問題。並且，未來量子計算機肯定能夠助力人工智能，隨着AI所需的算力越來越多，2030年算力以及耗電量都可能出現超高數據級增長，因此對於真正解決AI大規模的算力需求，量子計算機是一個很有潛力的應用方向。

根據中金公司研報顯示，谷歌、IBM、微軟、亞馬遜等全球科技巨頭紛紛推出量子云服務平臺。國內阿里、騰訊、百度、華為近年來也先后佈局量子計算，比如百度成立了量子計算研究所；華為推出了「崑崙」量子計算模擬一體機，在摩爾定律漸趨失效下，量子計算為中國提供彎道超車機會。

此外，有市場分析指出，我國量子計算也在展開融資競爭賽。近一年來，國內包括量旋科技、圖靈量子、華翊量子、未磁科技、本源量子在內的9家量子計算企業獲得融資。

不過，安信證券提到，當前量子計算機的發展還面臨着如退相干等問題，導致當前量子計算仍主要存在於實驗室階段，距離商業化較遠。對此，有業內人士坦言，量子計算行業現在還未發生一些根本性的變化進展，中短期與其寄希望於其他方案來解決大模型所遇到的算力問題，不如指望GPU這些經典計算的硬件價格能下來。