“百模大戰”爆發 中國半導體亟需的“第二解”

【資料圖】

作者／??IT時報記者??范昕茹

編輯／??王昕??孫妍

今年世界人工智能大會（WAIC 2023），大模型成為最耀眼的存在。在經歷了半年多的準備期之后，國產大模型在WAIC上全面爆發，堪稱“百模大戰”。正所謂“巧婦難為無米之炊”，“百模大戰”背后的國產芯片挑戰也隨之戰略升級。

7月6日，“從‘端’到‘云’，勇攀‘芯’高峰”主題芯片論壇在上海張江科學會堂舉行。面對大模型的狂飆，來自半導體業內的專家和企業家仍然牢牢將目光聚焦于國產芯片產業鏈對國外廠商產品的替代話題。

新架構+開源

破題“第二解”

AI的發展，讓行業見證了英偉達一次次創造歷史。

2020年7月9日，英偉達市值首次超越曾經的半導體霸主英特爾。僅僅兩年之后，2022年下半年，ChatGPT的出現，將英偉達的市值一路推高，直至超越萬億美元，將其他所有芯片公司遠遠甩在了身后。

“一家芯片公司超越萬億美元市值，這是半導體行業的里程碑。”燧原科技創始人、董事長兼CEO趙立東說。

英偉達成功的背后，既是算力需求瘋狂暴漲的托舉，也是英偉達押注GPU芯片賽道的一次勝利。多家機構預測，至2030年，全球半導體市場規模將超萬億美元。

大模型背后龐大的算力市場讓不少企業將目光瞄準GPU芯片。去年，多家國內廠商涌入GPU芯片賽道。然而，隨著地緣政治因素的日益復雜，大模型蜂擁而至時，算力供不應求，在這樣的節點，英偉達是否仍是那個繞不過的答案？

“行業需要第二解。”在趙立東看來，盡管第一波大模型的訓練基本都依賴英偉達芯片，但市場對AI芯片的需求是高性能、高帶寬、高存儲、高通用性、高效分布式計算和集群互聯。趙立東解釋：“這已經不是一個單芯片了，它實際上是在講系統集群的概念，在講分布式計算。”要解決這個問題，必須在架構、能耗和集群上突破。

盡管在大多數人的設想中，未來算力應該如水電一般，人人都可取用自如，但想要實現上述場景的重要前提之一就是算力普惠——“普”意味著需要時可以獲取，“惠”則保證算力使用者負擔得起。趙立東坦言，如今算力既不普，也不惠。當前算力領域存在用能耗換算力的現狀，市場缺乏多樣性導致運算費用昂貴，急需第二方案。

“如何實現算力普惠？燧原科技給出的答案是要以創新的架構加開源的生態。”趙立東解釋說，創新的架構、開源的生態可以促進市場化競爭和技術創新，以滿足市場的性價比、能效比等需求。

創新的架構加開源的生態還意味著可以用非GPU芯片來做AI加速。“無論你把它的名字叫做DSA，還是NPU，大家都對其通用性有質疑，”趙立東說，“我覺得這是市場的誤解。”在他看來，創新架構、開源生態的產品同樣具備通用性和易用性，能夠加速產業和各種應用的落地，促進產業發展，幫助標準形成，并構建軟硬件生態的閉環。

未來60年

將是集成系統的時代

盡管大模型的狂飆突進、算力需求的激增給全球芯片產業極大地注入了活力，但芯片制造業仍然面對著摩爾定律衰退的難題。

在半導體產業近60年的發展歷程中，摩爾定律作為經典范式，見證了行業的輝煌。然而近年來，摩爾定律衰退也是事實。盡管關于摩爾定律是生是死仍未有定論。但在英特爾和英偉達的爭論背后，對應了行業的兩種不同選擇：“延續摩爾定律法”或“繞道摩爾定律法”。

在中國科學院院士、深圳大學校長毛軍發看來，集成系統將是繞道摩爾定律的重要路徑之一。“如果說過去60年是集成電路IC時代的話，”他說，“未來60年很可能就是集成系統IS的時代。”

所謂集成系統，是從系統角度進行一體化設計制作，將各種芯片、傳感器、元器件、天線、互連線等制作集成在一個基板上，形成具有預期功能的系統。相比于傳統的集成電路，所有芯片和元器件在結構上組成一個整體，可以使系統高密度、小型化、強功能、低功耗、低成本、高可靠、易設計、易制作。當前產業熟知的小芯片、無源元件、封裝天線和異質異構集成技術等都是集成系統的體現和雛形。

國際范圍內，各國產業界都對異質異構集成非常重視，美國、日本、新加坡、歐洲等都有相關的計劃，如聯合微電子計劃、電子復興計劃等。毛軍發說：“美國希望通過異質異構集成使得系統的能力再提高100倍，重量、體積、功耗下降到目前的1%，這相當于摩爾定律還在往前走，效果是一樣的，只不過路徑不一樣。”

盡管集成系統需要跨尺度、跨材料、跨工藝、跨維度、跨物理進行集成，難度較大，但對我國芯片產業而言，集成系統路徑本身就十分重要。由于集成系統是從系統層面進行頂層規劃、協同設計、融合制造、一體化集成，它站得高、看得遠，可以使芯片制造效率大大提高，弱化芯片單體的作用。另一方面，用相同的工藝實現更高的性能，也可以弱化EUV光刻機等半導體設備對我國產業的限制。

“系統集成的思路不僅可以進一步提高系統的設計效率和綜合性能，減少成本，增加其可靠性，更重要的是，它還能夠降低對芯片設計及設備的要求，”毛軍發說，“這對我國，對上海而言，都是一個彎道超車的機會。”

大模型算力的下一場

從云到端

除了芯片設計、制造側的變革，在應用端，隨著行業數字化轉型，大模型正逐漸從云上走向端側。

在今年世界移動通信大會MWC上，高通在手機端實現了超10億參數大模型的推理演示，展示了大模型在端側的應用，而在智能汽車、智能手表等終端上，越來越多的人工智能大模型開始發揮更顯著的效用。

在高通全球副總裁兼高通AI研究負責人侯紀磊看來，端側的人工智能正在變得越來越重要，這是因為端側AI有其明顯優勢。侯紀磊解釋，相比在云端部署大模型和生成式AI應用，端側具有更強的隱私性，也更利于成本攤平，有利于算力普惠的推進。而在個性化方面，端側大模型的部署更有利于AI結合用戶個人特質，進行個性化的微調，能加速個人助理類應用在端側的落地。

盡管敏捷連接、隱私保護方面的訴求推動了人工智能的發展，但在英特爾（中國）網絡與邊緣事業部CTO、英特爾高級首席AI工程師張宇看來，邊緣人工智能目前絕大部分的應用還處于邊緣推理階段。也就是說，在云端完成人工智能的訓練，再將人工智能推送到端側去執行推理，這是目前絕大部分邊緣端人工智能的使用模式。

從實際的市場需求來看，端側對大模型及人工智能相關應用的要求顯然更高。張宇舉例，在自動駕駛領域，一個好的自動駕駛系統需要適應復雜路況，并針對不同駕駛員的駕駛行為進行調整，這就需要將人工智能訓練集成到端側，在不斷訓練中自我優化。

“因此人工智能發展的第二個階段應該是邊緣訓練階段。”不過，張宇并不認為邊緣訓練可以照搬數據中心的訓練方式。由于端側往往沒有專門的標注和訓練人員，因而如果要實現邊緣訓練，就需要有更加自動化的手段和工具去完成從數據標注到模型訓練，再到模型部署這一整套開發流程。這就要求企業在軟硬件各方面進行全棧的創新和優化。

“應該說推動本輪人工智能發展最核心的要素，實際上是計算、通訊和存儲技術的不斷提升。”在張宇看來，邊緣人工智能下一步的發展方向應該是自主學習。到那時，人工智能應該能夠感知人的意圖，并根據人的意圖自主選擇合適的模型進行訓練，再把訓練結果自主推送到前端去執行相應的推理操作，完成一整套自主化學習的成熟流程。

排版／ 季嘉穎

圖片／? WAIC

來源／《IT時報》公眾號vittimes

E N D