ChatGPT 背后的英雄——AI芯片

本文分享自天翼云开发者社区《ChatGPT 背后的英雄——AI芯片》，作者:w****n

AI芯片能为人工智能应用提供所需的基础算力；按技术架构主要分为GPU、FPGA和ASIC。ChatGPT 有着大量复杂计算需求的 AI 模型， AI 芯片专门用于处理人工智能应用中的大量计算任务，是不可或缺的底层硬件。随着 AI 技术快速发展，AI 应用场景扩大至智能制造、家居、教育、医疗和金融等领域；而智能产品种类不断丰富，包括 ChatGPT 等 AIGC 产品持续升级对芯片算力提出更高要求，AI 芯片算力和需求旺盛增长。据 Frost&Sullivan 预计，2022-2026 年全球 AI 芯片市场规模将以 26.3%复合增速增长。从基础预生成 AI 到机器学习，最终达到深度学习，主要依赖于审阅庞大的数据集合、处理数据、生成算法模型、训练算法模型的能力，而 AI 芯片就是从处理数据到终端赋能的算力基础。AI 芯片主要分为三种，分别是 GPU, FPGA 与 ASIC 芯片。不同种类别的 AI 计算芯片有各自突出的优势和适用的领域，贯穿 AI 训练与推理阶段。目前 CPU 在人工智能领域中的应用有限，主要受限于 CPU 在 AI 训练方面的计算能力不足。

一 、GPU

GPU 作为显示芯片是可在个人电脑、工作站、游戏机和智能手机/平板电脑上做图像和图像相关运算工作的微处理器。随着互联网用户和网络应用兴起，数据体量逐渐庞大，数据中心对计算需求快速增加，GPU 凭借其相对通用灵活和适应并行计算等特性成为主要选择，GPU 也从最初专用于图像处理制作后逐渐应用于计算，是核心计算资源基础。目前来看，GPU 仍然是 AI 应用的主导芯片，主要因为它具有强大的计算能力和高通用适用性，广泛应用于各种图形处理、数值模拟及人工智能算法领域。较低的开发成本也时期能够快速在各个垂直下游领域被广泛应用，加速优化拓展。ChatGPT 作为有着大量复杂计算需求的 AI 模型，GPU 芯片成为能帮助其完成计算任务的关键硬件之一；随着深度学习技术发展，GPU 成为 AI 算法训练中重要硬件组成部分。同时，随着云计算技术发展，云端对 GPU 算力要求在不断提升。据机构 JPR 预测显示，2022-2026 年全球 GPU 出货量将以 6.3%复合增速增长；预计 2027 年行业市场规模将超320 亿美元。

二、FPGA

FPGA 是支持 AI 算力芯片的更优解，优点主要在于低延迟、优秀的能效比、较短的开发周期以及高度可编程能力，可以供给不同垂直行业使用。FPGA 是一种硬件可重构的集成电路芯片，通过在硅片上预先设计实现具有可编程特性，可通过软件重新配置芯片内部的资源来实现不同功能，广泛应用于数据中心、航空航天工程、人工智能、工业、物联网以及汽车等领域。FPGA 拥有软件的可编程性和灵活性、兼具硬件的并行性和低延时性，相较于 ASIC、GPU 等处理器更为灵活，具备上市周期和成本优势。在 5G 通信、人工智能等迭代升级周期频繁、技术不确定性较大的领域，FPGA 是较为理想的解决方案。随着全球新一代通信设备部署以及人工智能与自动驾驶技术等新兴市场领域需求的不断增长，前瞻产业研究院预计全球 FPGA 市场规模将从 2021 年的 82.9 亿美元增长至 2025 年的 125.2亿美元，年均复合增长率约为 10.8%，中国 FPGA 市场规模快速增长，预计 2021-2025 年规模复合增速 17.1%。

三、 ASIC

ASIC 是为特定用途而定制的集成电路，具有高性能、低能耗的特点，专用化程度最高，其特点同时适合 AI 训练和推理阶段的使用。ASIC 芯片包括 DPU 和 NPU 类别，其中，DPU主要承担网络、存储和安全的加速处理任务，旨在满足网络侧专用计算需求，适用于服务器量多、对数据传输速率要求严苛的场景。ASIC 应用领域广泛，包括医疗、工业、军事、航空等。其中虚拟币是主要应用领域之一，因相对 GPU、FPGA，ASIC 能效更高。目前 ASIC渗透率依然较低，主要由于其较高的研发成本与研发壁垒，因此市场份额显著小于 GPU。随着人工智能行业愈加成熟，蓬勃发展的下游应用对于上游研发成本的优化力不断增高，ASIC 芯片依赖于它的卓越性能及低功耗，将成为人工智能技术的首选。根据贝哲斯咨询预测，到 2027 年，全球 ASIC 市场规模预计将达 1677.49 亿元，2021-2027 年均复合增长率为 8.9%。