来源：新智元
ChatGPT爆火之后，谷歌和微软两巨头的AI大战战火，已经烧到了新的领域——服务器芯片。
如今，AI和云计算都成了必争之地，而芯片，也成为降低成本、赢得商业客户的关键。
原本，亚马逊、微软、谷歌这类大厂，都是以软件而闻名的，而现在，它们纷纷斥资数十亿美元，用于芯片开发和生产。
各大科技巨头研发的AI芯片
ChatGPT爆火，大厂开启芯片争霸赛
根据外媒TheInformation的报道以及其他来源，这三家大厂现在已经推出或计划发布8款服务器和AI芯片，用于内部产品开发、云服务器租赁或者二者兼有。
「如果你能制造出针对AI进行优化的硅，那前方等待你的将是巨大的胜利」，研究公司Forrester的董事GlennO’Donnell这样说。
付出这些巨大的努力，一定会得到回报吗？
答案是，并不一定。
英特尔、AMD和英伟达可以从规模经济中获益，但对大型科技公司来说，情况远非如此。
英伟达CEO：未来十年会让人工智能再加速100万倍:金色财经报道，英伟达CEO黄仁勋近日表示，英伟达的GPU在过去10年中将AI处理性能提高了不低于100万倍，在接下来的10年里，我希望通过新芯片、新互连、新系统、新操作系统、新分布式计算算法和新AI算法，并与开发人员合作开发新模型，我相信我们会将人工智能再加速100万倍。[2023/2/27 12:32:03]
它们还面临着许多棘手的挑战，比如需要聘请芯片设计师，还要说服开发者使用他们定制的芯片构建应用程序。
不过，大厂们已经在这一领域取得了令人瞩目的进步。
根据公布的性能数据，亚马逊的Graviton服务器芯片，以及亚马逊和谷歌发布的AI专用芯片，在性能上已经可以和传统的芯片厂商相媲美。
亚马逊、微软和谷歌为其数据中心开发的芯片，主要有这两种：标准计算芯片和用于训练和运行机器学习模型的专用芯片。正是后者，为ChatGPT之类的大语言模型提供了动力。
此前，苹果成功地为iPhone，iPad和Mac开发了芯片，改善了一些AI任务的处理。这些大厂，或许正是跟苹果学来的灵感。
在三家大厂中，亚马逊是唯一一家在服务器中提供两种芯片的云服务商，2015年收购的以色列芯片设计商AnnapurnaLabs，为这些工作奠定了基础。
英伟达：第二季度营收67亿美元，市场预期为81亿美元:8月8日消息，英伟达公布2023财年第二季度初步数据，营收67亿美元，市场预期为81亿美元。截至发稿，英伟达美股盘前跌超6%。[2022/8/8 12:10:20]
谷歌在2015年推出了一款用于AI工作负载的芯片，并正在开发一款标准服务器芯片，以提高谷歌云的服务器性能。
相比之下，微软的芯片研发开始得较晚，是在2019年启动的，而最近，微软更加快了推出专为LLM设计的AI芯片的时间轴。
而ChatGPT的爆火，点燃了全世界用户对于AI的兴奋。这更促进了三家大厂的战略转型。
ChatGPT运行在微软的Azure云上，使用了上万块英伟达A100。无论是ChatGPT，还是其他整合进Bing和各种程序的OpenAI软件，都需要如此多的算力，以至于微软已经为开发AI的内部团队分配了服务器硬件。
在亚马逊，首席财务官BrianOlsavsky在上周的财报电话会议上告诉投资者，亚马逊计划将支出从零售业务转移到AWS，部分原因是投资于支持ChatGPT所需的基础设施。
在谷歌，负责制造张量处理单元的工程团队已经转移到谷歌云。据悉，云组织现在可以为TPU和在其上运行的软件制定路线图，希望让云客户租用更多TPU驱动的服务器。
英伟达将建设“工程师元宇宙”，计划构建一个与现实世界等比存在的虚拟世界:11月11日消息，英伟达CEO黄仁勋带着元宇宙概念开启了英伟达GTC 2021大会。英伟达将通过“GPU+CPU+DPU”的“三芯”战略来建设元宇宙，而其元宇宙概念也被定义为“工程师的元宇宙”。黄仁勋表示，他们将会在各个行业推进AI的发展。相比起Facebook偏向办公化和娱乐化的元宇宙，英伟达以Omniverse平台为核心的元宇宙更偏向于去构建一个与现实世界等比存在的虚拟世界，除了游戏和娱乐外，建筑、工程与施工，制造业，超级计算等行业都是涉猎范围。（36kr）[2021/11/11 6:46:20]
谷歌：为AI特调的TPUV4
早在2020年，谷歌就在自家的数据中心上部署了当时最强的AI芯片——TPUv4。
不过直到今年的4月4日，谷歌才首次公布了这台AI超算的技术细节。
相比于TPUv3，TPUv4的性能要高出2.1倍，而在整合4096个芯片之后，超算的性能更是提升了10倍。
同时，谷歌还声称，自家芯片要比英伟达A100更快、更节能。对于规模相当的系统，TPUv4可以提供比英伟达A100强1.7倍的性能，同时在能效上也能提高1.9倍。
英伟达Q2挖矿显卡收入2.66亿美元，低于预期的4亿美元:显卡制造商英伟达公布了今年二季度收益情况：Q2收入65亿美元，净利润大约23.7亿美元。尽管显卡销售带动了营收增长，但是英伟达该季度挖矿显卡业务未达4亿美元营收预期，实际数据为2.66亿美元。与去年同期相比，其数据中心和专业可视化平台的收入分别增长了35%和156%，而游戏收入增长了85%。（Coindesk）[2021/8/19 22:24:38]
对于相似规模的系统，TPUv4在BERT上比A100快1.15倍，比IPU快大约4.3倍。对于ResNet，TPUv4分别快1.67倍和大约4.5倍。
另外，谷歌曾暗示，它正在研发一款与NvidiaH100竞争的新TPU。谷歌研究员Jouppi在接受路透社采访时表示，谷歌拥有「未来芯片的生产线」。
微软：秘密武器雅典娜
不管怎么说，微软在这场芯片纷争中，依旧跃跃欲试。
此前有消息爆出，微软秘密组建的300人团队，在2019年时就开始研发一款名为「雅典娜」的定制芯片。
机构：测试发现英伟达RTX 3080 Ti限制多种数字货币挖矿:本周，RTX 3080 Ti开卖。RTX 3080 Ti从GPU层面对挖矿进行了限制，此前NVIDIA表示针对的是以太坊。有6月机构测试后发现，RTX 3080 Ti以太坊算力大概是57MH/s，只有RTX 3090（120MH/s）的一半不到，同样不如低一档的RTX 3080（85MH/s）。
进一步的测试发现，不仅是以太坊，一些相对冷门的小币种，同样和RTX 3080 Ti“水土不服”，比如以太经典（Ethereum Classic）、尔格币（Ergo）、渡鸦币（RavenCoin）等，一目前已知唯一不受影响的似乎是ConFlux。（快科技）[2021/6/7 23:18:00]
根据最初的计划，「雅典娜」会使用台积电的5nm工艺打造，预计可以将每颗芯片的成本降低1/3。
如果在明年能够大面积实装，微软内部和OpenAI的团队便可以借助「雅典娜」同时完成模型的训练和推理。
这样一来，就可以极大地缓解专用计算机紧缺的问题。
彭博社在上周的报道中，称微软的芯片部门已与AMD合作开发雅典娜芯片，这也导致AMD的股价在周四上涨了6.5%。
但一位知情者表示，AMD并未参与其中，而是在开发自己的GPU，与英伟达竞争，并且AMD一直在与微软讨论芯片的设计，因为微软预计要购买这款GPU。
亚马逊：已抢跑一个身位
而在与微软和谷歌的芯片竞赛中，亚马逊似乎已经领先了一个身位。
在过去的十年中，亚马逊在云计算服务方面，通过提供更加先进的技术和更低的价格，一直保持了对微软和谷歌的竞争优势。
而未来十年内，亚马逊也有望通过自己内部开发的服务器芯片——Graviton，继续在竞争中保持优势。
作为最新一代的处理器，AWSGraviton3在计算性能上比上一代提高多达25%，浮点性能提高多达2倍。并支持DDR5内存，相比DDR4内存带宽增加了50%。
针对机器学习工作负载，AWSGraviton3比上一代的性能高出多达3倍，并支持bfloat16。
基于Graviton3芯片的云服务在一些地区非常受欢迎，甚至于达到了供不应求的状态。
亚马逊另一方面的优势还表现在，它是目前唯一一家在其服务器中提供标准计算芯片和AI专用芯片云供应商。
早在2019年，亚马逊就推出了自己的AI推理芯片——Inferentia。
它可以让客户可以在云端低成本运行大规模机器学习推理应用程序，例如图像识别、语音识别、自然语言处理、个性化和欺诈检测。
而最新的Inferentia2更是在计算性能提高了3倍，加速器总内存扩大了4倍，吞吐量提高了4倍，延迟降低到1/10。
在初代Inferentia推出之后，亚马逊又发布了其设计的主要用于AI训练的定制芯片——Trainium。
它对深度学习训练工作负载进行了优化，包括图像分类、语义搜索、翻译、语音识别、自然语言处理和推荐引擎等。
在一些情况下，芯片定制不仅仅可以把成本降低一个数量级，能耗减少到1/10，并且这些定制化的方案可以给客户以更低的延迟提供更好的服务。
撼动英伟达的垄断，没那么容易
不过到目前为止，大多数的AI负载还是跑在GPU上的，而英伟达生产了其中的大部分芯片。
据此前报道，英伟达独立GPU市场份额达80%，在高端GPU市场份额高达90%。
20年，全世界跑AI的云计算与数据中心，80.6%都由英伟达GPU驱动。21年，英伟达表示，全球前500个超算中，大约七成是由自家的芯片驱动。
而现在，就连运行ChatGPT的微软数据中心用了上万块英伟达A100GPU。
一直以来，不管是成为顶流的ChatGPT，还是Bard、StableDiffusion等模型，背后都是由每个大约价值1万美元的芯片英伟达A100提供算力。
不仅如此，A100目前已成为人工智能专业人士的「主力」。2022人工智能现状报告还列出了使用A100超级计算机部分公司的名单。
显而易见，英伟达已经垄断了全球算力，凭借自家的芯片，一统江湖。
根据从业者的说法，相比于通用芯片，亚马逊、谷歌和微软一直在研发的专用集成电路芯片，在执行机器学习任务的速度更快，功耗更低。
O’Donnell董事在比较GPU和ASIC时，用了这样一个比较：「平时开车，你可以用普锐斯，但如果你必须在山上用四轮驱动，用吉普牧马人就会更合适。」
然而尽管已经做出了种种努力，但亚马逊、谷歌和微软都面临着挑战——如何说服开发者使用这些AI芯片呢？
现在，英伟达的GPU是占主导地位的，开发者早已熟悉其专有的编程语言CUDA，用于制作GPU驱动的应用程序。
如果换到亚马逊、谷歌或微软的定制芯片，就需要学习全新的软件语言了，他们会愿意吗？
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。