美國開放人工智慧研究中心（OpenAI）首席執行官山姆·奧特曼等人認為，人工智慧（AI）將從根本上改變世界經濟，擁有強大的計算晶片供應能力至關重要。晶片是推動AI行業發展的重要因素，其性能和運算能力直接影響著AI技術的進步和應用前景。

英國《自然》雜誌網站在近日的報導中指出，工程師正競相開發包括圖形處理單元（GPU）等在內的尖端晶片，以滿足未來AI的計算需求。

　GPU加快機器學習運算速度

GPU是英偉達公司標誌性的電腦晶片。傳統中央處理單元（CPU）按順序處理指令，而GPU可並行處理更多指令，因此可分佈式訓練程式，從而大大加快機器學習的運算速度。

2022年，英偉達公司Hopper超級晶片在MLPerf上擊敗了包括圖像分類和語音識別在內所有類別的競爭對手。MLPerf是國際上最權威、最有影響力的AI基準測試之一，被譽為“AI界奧運會”。

今年3月，英偉達正式展示了性能更優異的新一代AI晶片Blackwell。它擁有2080億個電晶體，是英偉達首個採用多晶片封裝設計的GPU。隨著技術發展，GPU變得越來越大，如果不能更大，就把更多GPU組合在一起，變成更大的虛擬GPU。Blackwell就是在同一個晶片上集成了兩個GPU，新架構將通過晶片與晶片間的連接技術，一步步構建出更大型AI超算集群。

如果要訓練一個擁有1.8萬億個參數的GPT模型，需要8000塊Hopper晶片，耗能15兆瓦，歷時3個月。如果使用Blackwell晶片，只需2000塊，耗能4兆瓦，就能在同樣的時間內完成任務。

AI晶片市場持續增長，英偉達目前供應了其中80%以上的產品。2023年，該公司售出55萬塊Hopper晶片。近日，該公司市值首次突破3萬億美元，超越蘋果，僅次於微軟，成為全球市值第二高的公司。

　　多種晶片競相湧現

儘管GPU一直是AI革命的核心，但它們並非是唯一“主角”。隨著AI應用的激增，AI晶片的種類也在激增，現場可編程門陣列（FPGA）可謂“一枝獨秀”。

FPGA是一種在計算和數字電路領域廣泛應用的硬體設備。它以獨特的可編程性和靈活性，成為嵌入式系統、高性能計算處理等多種應用的理想選擇。

這就像搭建樂高積木，工程師可將FPGA電路一個接一個地構建到他們能想像的任何設計中，無論是洗衣機感測器還是用於引導自動駕駛汽車的AI。不過，與擁有不可調節電路的AI晶片（如GPU）相比，FPGA運行速度相對更慢、效率更低。但FPGA對處理某些任務（如粒子對撞機產生的數據）很有用。英偉達加速計算集團產品行銷總監戴維·薩爾瓦托指出，FPGA的易編程性也對原型設計很有幫助。

張量處理單元（TPU）則是穀歌公司專為神經網路機器學習而定制的晶片，旨在執行矩陣計算和張量操作。TPU作為穀歌深度學習框架TensorFlow的加速器於2016年首次推出，其設計目標是提供低功耗、高效能的矩陣運算，以滿足大規模機器學習和神經網路訓練的需求。TPU在性能與能效之間取得了良好平衡。它們的功耗相對較低，這對於大規模數據中心和在移動設備上的應用至關重要。

此外，元宇宙平臺也在獨立開發自己的晶片。穀歌、英特爾和高通成立了UXL基金會，用以開發一套支持多種AI加速器晶片的軟體和工具，以此對抗英偉達的GPU。

當然，GPU等AI晶片的興起並不意味著傳統CPU的終結，兩者互相取長補短已成大勢所趨。例如，有一個版本的Blackwell晶片就讓GPU與CPU攜手；世界上最強大的超級電腦之一、位於美國田納西州橡樹嶺國家實驗室的“前沿”也依賴CPU和GPU的結合，來執行高性能計算。

考慮到過去十年晶片領域翻天覆地的變化，工程師們可能很難預測晶片的未來。將來可能會研製出使用光而非電子的光學晶片，或量子計算晶片，而進一步提升晶片性能，將加速AI在科學領域的應用。

來源：科技日報