美國開放人工智能研究中心（OpenAI）行政總裁山姆·柯曼等人認為，人工智能（AI）將從根本上改變世界經濟，擁有強大的計算芯片供應能力至關重要。芯片是推動AI行業發展的重要因素，其效能和運算能力直接影響著AI技術的進步和套用前景。
英國【自然】雜誌網站在近日的報道中指出，工程師正競相開發包括圖形處理單元（GPU）等在內的尖端芯片，以滿足未來AI的計算需求。
為適應AI套用，電腦芯片需進行更多平行計算。圖片來源：谷歌公司
GPU加快機器學習運算速度
GPU是輝達公司標誌性的電腦芯片。傳統中央處理單元（CPU）按順序處理指令，而GPU可並列處理更多指令，因此可分布式訓練程式，從而大大加快機器學習的運算速度。
2022年，輝達公司Hopper超級芯片在MLPerf上擊敗了包括影像分類和語音辨識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，輝達正式展示了效能更優異的新一代AI芯片Blackwell。它擁有2080億個晶體管，是輝達首個采用多芯片封裝設計的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就是在同一個芯片上整合了兩個GPU，新架構將透過芯片與芯片間的連線技術，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芯片，耗能15兆瓦，歷時3個月。如果使用Blackwell芯片，只需2000塊，耗能4兆瓦，就能在同樣的時間內完成任務。
AI芯片市場持續增長，輝達目前供應了其中80%以上的產品。2023年，該公司售出55萬塊Hopper芯片。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。
多種芯片競相湧現
盡管GPU一直是AI革命的核心，但它們並非是唯一「主角」。隨著AI套用的激增，AI芯片的種類也在激增，現場可編程門陣列（FPGA）可謂「一枝獨秀」。
FPGA是一種在計算和數碼電路領域廣泛套用的硬件器材。它以獨特的可編程性和靈活性，成為嵌入式系統、高效能計算處理等多種套用的理想選擇。
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象的任何設計中，無論是洗衣機傳感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芯片（如GPU）相比，FPGA執行速度相對更慢、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。輝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）則是谷歌公司專為神經網絡機器學習而客製的芯片，旨在執行矩陣計算和張量操作。TPU作為谷歌深度學習框架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絡訓練的需求。TPU在效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流動通訊器材上的套用至關重要。
此外，元宇宙平台也在獨立開發自己的芯片。谷歌、英特爾和高通成立了UXL基金會，用以開發一套支持多種AI加速器芯片的軟件和工具，以此對抗輝達的GPU。
當然，GPU等AI芯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芯片就讓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，來執行高效能計算。
考慮到過去十年芯片領域翻天覆地的變化，工程師們可能很難預測芯片的未來。將來可能會研制出使用光而非電子的光學芯片，或量子計算芯片，而進一步提升芯片效能，將加速AI在科學領域的套用。（記者劉 霞 ）
