别自嗨了，真相残酷！看清中美AI芯片技术差距，还乐观得起来吗？

  价值线 | 出品 

    深度 | 栏目 

边江、南山 | 作者 

风飞扬 | 编辑 

价值线导读

究其原因，就是算力不够。

可能Open AI也没有料到，ChatGPT会火到这种程度，能够打败抖音，拿下新的最快月活人数破亿的记录。现在，每天涌入ChatGPT的人数还在暴增，解决算力问题成了迫在眉睫的任务。

那什么是算力呢？

作为人工智能三大核心要素（数据、算法、算力）之一，算力被誉为人工智能“发动机”。人工智能的每一次浪潮，都离不开算力的提升。

华泰证券研报显示，根据Open AI测算，自2012年以来，全球头部AI模型训练算力需求3-4个月翻一番，每年头部训练模型所需算力增长幅度高达10倍。AI深度学习正在逼近现有芯片的算力极限，也对芯片设计厂商提出了更高要求。

作为算力的硬件基石，AI芯片是针对人工智能算法做了特殊加速设计的芯片。

信达证券发布研究报告称，在技术架构层面，AI芯片可以分为 GPU（图形处理器）、FPGA（现场可编程门阵列）、ASIC（专用集成电路）和类脑芯片，同时CPU也可用以执行通用AI计算。

在应用层面，AI芯片又可以划分为云端、边缘端和终端三个类型，不同场景对芯片的算力和功耗的要求不同，单一芯片难以满足实际应用的需求。

在云端层面，由于大多数AI训练和推理工作负载都在此进行，需要运算巨量、复杂的数据信息，因此对于 AI 芯片的性能和算力要求最高；边缘端是指处理云端和终端之间的传输网络，承担着汇集、分析处理和通信传输数据的功能，一定程度上分担云端的压力，降低成本、提升效率。

终端AI芯片由于直面下游产品，大多以实际需求为导向，主要应用于消费电子、智能驾驶、智能家居和智慧安防等领域，终端产品类型和出货量的增加，也相应刺激了对芯片的需求。

不单单对于Open AI，所有涉及到聊天机器人的公司，增加算力都是绕不开的一道坎，这也就意味着，人工智能芯片的需求将会持续迎来井喷。

目前，采购一片英伟达顶级GPU成本为8万元，GPU服务器成本通常超过40万元。对于ChatGPT而言，支撑其算力基础设施至少需要上万颗英伟达GPU A100，一次模型训练成本超过1200万美元。

相比CPU，GPU在从事简单特定的并行任务时有着更高的效率。

CPU就像一个大学生，可以进行微积分等复杂计算，但若要在短时间内完成几万道加减算数问题，也是很难办得到的；而 GPU就像几百个小学生，虽然都不会微积分等复杂计算的能力，但人数多，可以在很短时间内完成几万道加减算数问题。

GPU的这一特性，使得其特别适合对密集数据进行并行处理，尤其是AI训练等需要大规模并发计算场景。一个例子是2010年，Google负责人工智能的吴恩达最初使用了16000台计算机的CPU完成训练，后来改用英伟达的GPU仅用了12个GPU就完成了训练。

说到GPU，就很难绕开英伟达，这家由华裔创立的科技巨头。

1993年，美籍华人黄仁勋联合Sun公司两位年轻工程师共同创立了英伟达。成立之初的英伟达推出了两代针对游戏主机的显卡产品，但并不成功。直到1997年，微软推出Direct3D通用API标准，原先的显卡市场领导者3dfx却坚持使用自己的封闭接口，英伟达此时抓住了这个机会，毅然放弃了部分已有专利，转而全面支持Direct X，其产品开始逐渐被戴尔等知名整机厂商使用。

1999年，对于英伟达而言，又是一个里程碑。随着图形显示规模的增加，CPU已经很难分出更多精力来处理图形信息。英伟达此时推出了世界上第一款GPU：GeForce 256。自此之后，英伟达在迈向显卡霸主的道路上再没有对手。

如今，在PC的GPU市场，英伟达份额接近70%，只看独显市场，英伟达市场份额更是高达70%-80%。

每6个月，英伟达就会推出一款新产品，每2年就会更新一次架构。当英伟达不断在AI、自动驾驶、数据中心等领域开疆拓土时，就算是英特尔、AMD这样的业界巨头也只能在后面苦苦追赶。

去年9月，英伟达发布了业界最强自动驾驶芯片Thor，这款芯片融合了Grace（CPU架构）、Hopper（AI加速架构）、Ada Lovelace（图形GPU架构），其算力高达2000TOPS，是去年发布的Altan的2倍，是目前蔚来、小鹏、理想等造车新势力新车采用的Orin X（254TOPS）的8倍。

国内公司，差距明显

即使国内头部公司，从算力上跟美国的英伟达等公司相比，差距非常明显。

以GPU这个最主要的细分赛道来看，目前国内自研GPU的领军企业主要是景嘉微、壁仞科技、芯动科技等，其中成立最早的是景嘉微，2006年就开始研发拥有自主知识产权的GPU产品。现在已经发展出了一系列的产品线，并且均采用国内成熟制程工艺及自主架构。

目前，景嘉微的主打产品有JH920独立显卡，支持4路显示输出及视频解码，支持OpenGL 4.0、Vulkan1.1等图形编程接口，支持OpenGL3.0计算编程接口，支持4 路4K@60fps HDMI 2.0外视频输入。

行业内专家称，从产品参数来看，景嘉微的JH 920的性能与英伟达在2016年发布的GTX 1050相仿，虽然从年份来看两者仅相差6年时间，但是GTX 1050实质上为英伟达10系显卡中的入门级产品，显然无法代表英伟达在2016年的全部水平。

在比对性能参数后，一直回溯到2010年的GTX 500系列才找到性能与GTX 1050相符且作为旗舰型号发售的GTX 580，意味着JH 920基本上是达到了英伟达12年前的水平，所以整体而言国产GPU的现状并不算乐观，虽然在特殊领域算是可以满足自给自足的需求，但是在中高端领域及个人消费领域还有着非常大的差距。

目前来说，景嘉微所代表的就是自主知识架构GPU的顶尖水平，其产品则主要应用于工业、人工智能、云计算、军用工业等领域，至少是保证了国内相关产业即使被封锁也依然能够正常提供服务。

在2021年，景嘉微被美国列入实体清单，赢得AI技术竞争早已经成为美国对华遏制战略的一项重要议题。

去年，在美国总统拜登正式签署芯片法案（《CHIPS and Science Act》）之后的大概一个月时间里，美国政府对华实施了高端GPU芯片的出口禁令。2022年8月26日，英伟达在其向美国证监会提交的8K文件中说明：美国政府要求其对中国（含香港地区）和俄罗斯禁运其所设计和售卖的高性能数据中心GPU芯片：A100以及H100。而另一家GPU设计商AMD同样被要求禁止向中国出口其所设计的高性能芯片MI250。

虽然2022年11月7日，英伟达向中国的供应商提供其重新封装的A800芯片，但传输性能较A100下降了50%。

与此同时，据金融时报报道，国内GPU设计商壁仞科技的GPU芯片BR100在台积电的试产也被迫叫停并主动修改设计，以符合出口禁令的限制。

关于美国的技术封堵，也分正反两面来看。

有行业内人士称，如果不是国内企业面临被美国断供的风险，不得不加快脚步研发GPU芯片，那么国产GPU的性能可能至少会落后20年的时间，而不是现在的10年左右。

最近，美国还拉拢日本、荷兰等其他国家加入中美之间的芯片、人工智能行业战略竞争，意图封堵中国高端芯片的发展。

未来20-50年极有可能是AI时代，而底层基础就是高端芯片，被美国等国联合封堵的我们，在较长时间内或许都无法制造出比肩英伟达等国际顶级公司的高水准AI芯片。

面对一个新的时代，我们又该如何破局？

有一句话是这么说的：如果不能超越，那就模仿，摸着鹰酱的脑袋过河，直到把它摸成秃头鹰为止。