2023年度盘点：除了遥遥领先的NVIDIA，竟还有这么多AI芯片发布！

2023年，ChatGPT的爆火预示着AI正式进入快车道。在此背景下，各类AI芯片随之成为最热门的科技话题。其中，NVIDIA凭借极具前瞻性的布局，推出了世界上最强的AI计算加速芯片，市值成功突破万亿美元大关，成为今年最大赢家。

也许是NVIDIA在AI芯片领域太强，以至于夺走了所有光环。实际上今年AI芯片的发布和迭代远不止NVIDIA一家。无论是传统芯片巨头，还是新兴科技公司，都是这个赛道的积极布局者。接下来，就让我们一起回顾2023年AI芯片领域的那些重量级新产品。

国际芯片巨头：

NVIDIA：H100、H200

今年，NVIDIA发布了两款全新的AI加速卡H100和H200。这两款产品均采用了NVIDIA最新的Hopper架构，其中H100在性能上相较于A100提升了80%。而H200则具备更强大的性能，成为全球首款采用HBM3e高带宽内存的AI加速芯片，专为推理工作负载而设计，同时也是首款基于Hopper架构的推理加速卡。通过这两款产品的推出，NVIDIA进一步巩固了其在AI计算平台领域的领先地位。

AMD：Instinct MI300

AMD今年拿出了MI300来硬刚NVIDIA的H100。MI300拥有两种型号，分别为MI300A和MI300X。其中，MI300A为结合CPU和GPU的超大规模APU，它将x86 CPU和GPU集成一体，封装小芯片9个，还有128GB的HBM3内存，提供了多达24个ZEN4内核以及228CU。

而MI300X则全部由GPU小芯片封装，一共8颗XCD，每个XCD提供38个CU（满血为40CU），总计提供了多达304CU，一同封装的HBM3内存容量更是提升到了192GB，5.2TB/s 的内存带宽，896GB/s的Infinity Fabric 带宽。

Intel：Gaudi2

Gaudi2基于第一代Gaudi的高效架构打造而成，目前采用7纳米制程工艺，相较第一代产品，在矩阵乘法（MME）和Tensor处理器核心计算引擎中引入了 FP8 在内的新数据类型，Tensor 处理器核心数量增至 24 个，同时集成了多媒体处理引擎，内存升级至 96GB HBM2E，为训练超大规模神经网络提供硬件保证。

AI时代，算力就是产业发展的原动力。这激发着全球芯片巨头纷纷加大在AI芯片领域的研发和部署。

尽管英特尔和AMD都已推出面向AI应用的专用加速产品。但至今，NVIDIA在这个赛道中始终遥遥领先，其产品卓越的性能确保了在训练领域的霸主地位。这也使得NVIDIA系列产品，成为市场上AI应用采购的“头号选择”。

云服务巨头：

Google：Cloud TPU v5e

今年Google Cloud Next ’23 年度大会上，谷歌推出了全新的 TPU 产品 ——Cloud TPU v5e。它为中型和大型训练和推理带来了高性能和成本效益。这代 TPU 可以说是专为大语言模型和生成式 AI 模型打造，与前代 TPU v4 相比，每美元训练性能提升高达 2 倍、每美元推理性能提升高达 2.5 倍。并且 TPU v5e 的成本不到 TPU v4 的一半，使更多机构有机会训练和部署更大、更复杂的 AI 模型。

Amazon：Trainium2 AI量子芯片

全球第一大公有云巨头AWS（亚马逊云科技）近期扔出了面向生成式AI和机器学习训练的年终“王炸”，Trainium2 AI量子芯片。它针对训练自然语言处理、计算机视觉和推荐器模型进行了优化，这些模型用于文本摘要、代码生成、问题解答、图像和视频生成、推荐和欺诈检测等各种应用程序。

Trainium2是一款量子芯片，号称错误率仅 0.1%，能源效率是上一代的两倍，性能比上一代芯片提高到4倍，可提供65ExaFlops超算性能。亚马逊计算部门资深副总裁 Peter DeSantis声称，亚马逊量子运算团队在量子纠错上有重大的进展，以逻辑量子位元的方式，将比特翻转（Bit-flip）与相位反转（Phase-flip）错误分开，从而推出了 Trainium2 芯片。

Microsoft：Maia 100

微软自研AI芯片传闻未曾停过，今年终于在Microsoft Ignite 2023大会上，发布了用于资料中心的AI加速器芯片Azure Maia 100，采用5纳米制程生产，适用于OpenAI模型、ChatGPT、Bing、GitHub Copilot 等AI工作负载。

作为全球公有云的三大巨头，谷歌、亚马逊和微软一直与NVIDIA等芯片厂商保持着密切合作，其数据中心大量采用了NVIDIA等厂商的最先进AI加速卡，如A100、H100。这为云平台带来强劲的AI处理性能，大幅提升机器学习等算法的训练效率。

但与此同时，三巨头也意识到过度依赖第三方芯片的风险。因此，他们也开始大力投入自主研发工作，推出定制化的AI处理器。这不仅能降低成本，也使其拥有芯片创新能力，为平台差异化提供支持。可以预见，这类云定制AI芯片会得到快速迭代和规模化部署。它们甚至有可能通过开放服务，向其他潜在客户提供更经济高效的AI处理能力。

在这场新一轮科技革命中，AI芯片正致力解决计算瓶颈，为智能语音、自动驾驶等前沿技术奠定基石。众多芯片厂商和科技公司争相进入这片蓬勃发展的蓝海。未来随着AI模型和应用场景不断增多，对算力的渴求也会成正比上升。这必将推动新硬件架构、新工艺技术的快速革新，带来更激烈的平台竞争与融合。