由于ChatGPT爆火引发AI算力需求热潮,英伟达AI芯片供不应求、大规模短缺。如今,英伟达似乎遭遇到了更多挑战。
北京时间2月21日,据报道,科技巨头微软正在开发一种新的网卡芯片,替代英伟达ConnectX SmartNIC智能网卡产品,以确保 AI 模型数据可以在微软云服务器之间快速传输。
微软方面确认了此消息。该公司在一份声明中表示,作为微软Azure基础设施系统方法的一部分,公司经常开发新技术来满足客户的需求,包括网络芯片。
实际上,作为英伟达GPU(图形处理器)的最大客户之一,微软事件是一个重要“信号”。除了省成本之外,微软还希望新网卡能够提高其英伟达芯片服务器的性能,将有助于使用微软云的OpenAI 研发更多AI大模型。
不只是微软。
近两天,一家名为Groq的美国AI公司一夜“爆火”,主要因其自研的LPU芯片在 AI 推理技术上,通过优化架构和减少内存瓶颈,实现了高效率和低延迟,在处理大模型时的速度远超英伟达GPU,每秒生成速度接近500 tokens,而GPT-4仅40 tokens。
因此,Groq LPU被誉为“史上最快的大模型技术”。
受上述消息以及外部环境影响,截至2月20日美股收盘,英伟达单日股价下跌4.35%,创下去年10月以来的最大单日跌幅,一夜之间总市值缩水780亿美元(约逾5600亿元人民币)。
2月20日,IDC分析师对钛媒体App等表示,随着Sora的推出,多模态大模型对 AI 算力的消耗更高,算力的可获取性以及成本将是行业挑战之一。
那么,面对这种新的竞争局势,英伟达真的危险了吗?
Groq到底是谁?为什么这么强?
据悉,Groq公司成立于2016年,总部位于美国加利福尼亚,创始团队中有很多人都参与过谷歌TPU项目。
其中,Groq创始人兼 CEO乔纳森·罗斯(Jonathan Ross)曾设计并制作出了第一代谷歌TPU芯片的核心元件,TPU 20%的研发项目都由他完成。
公司领导层的10人中,有8人都有在谷歌、英特尔等科技巨头的工作经历。
融资方面,截至目前,Groq共完成了3轮融资,总共融资到了3.67亿美元。最后一轮融资在2021年4月完成,融资金额为3亿美元,由老虎环球基金(Tiger Global Management)和投资公司D1 Capital领投。
Groq之所以能够在此次 AI 热潮中“爆火”,主要得益于其使用了自研芯片LPU(Language Processing Units),而不是英伟达的GPU芯片,它能实现高速度和低延迟。
据Groq在2024年1月的第一个公开基准测试,由Groq LPU驱动的Meta Llama 2-70B模型,推理性能比其他顶级云计算供应商快18倍。
Groq LPU的工作原理与英伟达的GPU不同,它采用了名为时序指令集计算机(Temporal Instruction Set Computer)架构,使用存储器为静态随机存取存储器(SRAM),其速度比GPU所用的高带宽存储器(HBM)快约20倍。
从芯片的规格中,SRAM容量是230MB,带宽80TB/s,FP16的算力是188TFLOPs。
这一区别造成了 LPU和GPU在生成速度的差别。据Groq表示,英伟达GPU生成每个tokens需要约10焦耳到30焦耳,而 Groq仅需1焦耳到3焦耳。
值得注意的是,虽然Groq做到了足够快,但背后成本却非常高昂。
2月20日,前阿里巴巴集团副总裁、Lepton AI创始人兼CEO 贾扬清在社交平台上表示,由于每一张Groq卡的内存容量仅为230MB,因此在运行Llama-2 70B模型时,需要305-572张Groq卡才足够,而用H100则只需要8张卡。
贾扬清认为,如果按未来运行三年的成本算,Groq的硬件采购成本是1144万美元,运营成本至少要76.2万美元。从目前的价格来看,这意味着在同等吞吐量下,这几乎是H100硬件成本的40倍、能耗成本的10倍
据腾讯科技,芯片专家姚金鑫(J叔)表示,Groq对Llama2-7B的Token生成速度是750 Tokens/s。如果从成本的角度,9台的Groq服务器,也是远远贵过2台总共16颗的H100芯片的服务器,即使目前价格已经非常高了。
“英伟达在本次AI浪潮中的绝对领先地位,使得全球都翘首以盼挑战者。每次吸引眼球的文章,总会在最初被人相信,除了这个原因之外,还是因为在做对比时的‘套路’,故意忽略其他因素,用单一维度来做比较。”姚金鑫表示。
不止是成本高昂。SRAM技术面积大、功耗比较高,早就以IP内核形式集成到SoC(系统级芯片)里面,并非单独用,远不如HBM的未来发展潜力。不管是比单位容量价格、还是性能和功耗,英伟达GPU所使用的HBM技术都优于SRAM。
虽然Groq的芯片成本较高,但其创始人Jonathan Ross已表示,随着GPU短缺和成本上升,Groq的LPU将有巨大的市场潜力。
不仅是Groq,据The information 2月21日报道,英伟达的重要客户、全球最高市值的科技巨头微软计划设计一款新的网卡芯片,以替代英伟达相关产品。
知情人士称,微软首席执行官萨蒂亚·纳德拉 (Satya Nadella) 已任命网络设备开发商瞻博网络 (Juniper Networks) 联合创始人普拉迪普·辛杜 (Pradeep Sindhu) 来领导网卡工作。据悉,微软一年前收购了辛杜创立的服务器芯片初创公司Fungible。
据悉,网卡是数据中心与服务器内部的一项重要技术,旨在加速服务器之间的流量,解决大流量网络数据包处理占用CPU的问题。
在此之前,英伟达曾发布NVIDIA ConnectX SmartNIC 智能网卡,最新的ConnectX-7 通过加速交换和数据包处理(ASAP2)、高级RoCE、GPUDirect Storage,以及用于TLS、IPsec 和MACsec 加密和解密的内联硬件加速等功能,为敏捷、高性能网络解决数据传输问题。
69亿美元收购Mellanox 之后,近两年,英伟达已研发出一种新的DPU(数据处理器)芯片,最新产品为BlueField-3 SuperNIC,将SmartNIC智能网卡集成内部。
据悉,DPU是面向基础设施层(IaaS)的专用处理器,具备灵活可编程性。BlueField利用英伟达DOCA(集数据中心于芯片的架构)软件开发包的优势,为开发者提供一个完整、开放的软硬件平台。除了BlueField,英伟达还有NVLink、NVSwitch等多种技术整合,从而增强数据传输能力。
报道引述微软内部人士称,当微软在其数据中心使用英伟达制造的 AI 芯片时,由于OpenAI等客户拥有的大量数据传输需求,服务器可能会过载。目前,微软已发布了首款Maia AI 服务器芯片。
The information称,微软的网卡芯片与ConnectX-7卡类似,将其与GPU和AI芯片“捆绑”销售。
AI 芯片竞争加剧,英伟达真的危险了吗?
除了微软,亚马逊旗下云计算部门AWS、Meta等科技巨头也在自研对标英伟达A100的多款AI芯片产品。
去年11月,AWS 推出全新基于ARM架构、自研的高性能计算服务器CPU芯片Graviton 3E,同时发布第五代Nitro网络芯片硬件,借此提升云端虚拟机的计算效率,并支持天气预报、基因测序等场景任务;2月5日Meta正式计划今年部署一款新的自研 AI 芯片,即第二代自研AI芯片Artemis,预计将于2024年正式投产,以减少对英伟达芯片的依赖。
如今,奥尔特曼和孙正义也加入到了AI算力芯片战场。
其中,奥尔特曼已公布通过筹集8万亿美元制造AI芯片半导体网络,目前正与日本软银集团、阿联酋政府、美国商务部以及其他中东主权财富基金等投资者洽谈,有望扩大OpenAI技术能力;软银创始人孙正义被曝正在筹集1000亿美元研发AI半导体产品。
AWS高级副总裁彼得·德桑蒂斯 (Peter DeSantis) 曾表示,AWS希望客户用新的Graviton 3E处理器执行更多任务,从而获得高性能计算能力。他认为,与购买英特尔、英伟达或AMD芯片相比,亚马逊自研芯片将为客户提供更具性价比的算力支持。
研究公司Dell'Oro Group 的数据中心基础设施负责人Baron Fung表示,微软和其他云提供商“不想受制于英伟达生态系统”。
OpenAI CEO奥尔特曼(Sam Altman)曾私下表示,与谷歌相比,OpenAI在算力上处于劣势。
那么,面对 AI 芯片竞争加剧局面,英伟达真的危险了吗?
英伟达曾表示,微软的网络组件可能会蚕食其网络设备每年超过100亿美元的销售规模。
不过,贾扬清认为,如果运行未来三年的话,Grog的硬件采购成本是1144万美元,运营成本远高于76.2万美元,而英伟达H100的硬件采购成本仅30万美元,运营成本大约为7.2万美元以内,性价比更高。
整体来看,英伟达H100产品在AI芯片市场上仍具有很强的竞争能力。
黄仁勋2月中旬表示,每个国家都需要拥有自己的AI基础设施,以便在保护自己文化的同时利用经济潜力。接下来的4到5年里,我们将拥有价值2万亿美元的数据中心,它将为世界各地的AI软件提供动力,所有AI技术都会加速,而英伟达正取代通用计算核心,体系结构的性能将同时得到提高。
对于奥尔特曼的7万亿美元计划,黄仁勋称,(7万亿美元)显然能买下所有GPU。
“如果你假设计算机不会变得更快,可能就会得出这样的结论:我们需要14颗行星、3个星系和4个太阳来为这一切提供燃料。但计算机架构仍在不断进步。”黄仁勋表示。
黄仁勋曾坦言,这些云计算厂商自研AI芯片是有一定理由的,主要还是服务自家的数据中心,但这不会影响英伟达在全球的AI生态系统发展。
北京时间2月22日凌晨,英伟达预计将发布2023年财报,根据该公司对上年最后一个季度的预测,2023财年总营收将达到近590亿美元,是2022财年的两倍多。
据标普全球市场数据,苹果公司、微软、亚马逊以及谷歌的母公司和Facebook的母公司——都从未像英伟达一样,在一年内从类似的起点上实现如此快的收入增长。按年收入计算,英伟达将超越英特尔,成为全球第二大芯片公司。
资本市场目前猜测,英伟达将预计4月当季收入达到216亿美元,是去年同期的三倍。
截至发稿前,英伟达市值达到1.72亿美元,接近2万亿美元。据FactSet的数据,按这一市值计算,英伟达股票的远期市盈率约为38倍,比其三年平均水平低约9%。
对于3月英伟达GTC将发布B100 AI芯片,摩根士丹利分析师Joseph Moore在一份最新报告中表示,基于早先有关该系统的一些披露,B100是“最先进技术的巨大进步”。
另外,面对微软、AWS的AI芯争局面,英伟达正推出自己的超算云服务DGX Cloud,通过在数据中心内运行英伟达产品,实现更大的收入规模,以对抗这些举措。有行业人士向钛媒体App表示,英伟达内部对于DGX Cloud和英伟达A100/H100卡预期营收占比分别为20%、80%。
“AI算力似乎无处不在。”Rosenblatt Securities分析师汉斯·莫塞曼(Hans Mosesmann)称。
Meta公司CEO马克·扎克伯格曾表示,构建“通用人工智能”(AGI)需要的首要条件是“世界级的计算基础设施”。
支付宝CTO陈亮(花名:俊义)近期对钛媒体App等表示,目前AI大规模应用在实施过程中,依然面临多个“瓶颈”,包括算力成本高、硬件限制等问题。尽管GPU卡的效率已经非常高,但如何使其适应不同的技术栈(与不同技术兼容)依然是一项重要难题。
阿尔特曼曾透露,OpenAI 希望保证到2030年都有足够的AI芯片供应。
彭博社在一份最新报告中预估,未来10年,生成式AI技术有望在硬件、软件、服务、广告、游戏等领域创造1.3万亿美元收入,占科技领域总支出的10%-12%。
其中在硬件领域,基于大数据、机器学习和神经网络算法的AI模型训练将会成为一个巨大市场。到2032年,其销售规模有望达到4740亿美元,年复合增长率达30%,加上AI推理,整个全球算力规模届时将超过6000亿美元。
网友评论