擺脫輝達獨霸？　6大科技巨頭群起自研AI晶片

圖文／CTWANT

據科技媒體The Information昨天（7日）引述知情人士消息報導，微軟、OpenAI、特斯拉、谷歌、亞馬遜、Meta這六大科技公司正在研發自家的AI晶片，預計會與輝達（Nvidia）的旗艦級微處理器H100 GPU競爭，且可能有助於降低成本及減少對輝達AI晶片的依賴。

廣告 更多內容請繼續往下閱讀

輝達如今已是當之無愧的「AI算力王者」，A100/H100系列晶片佔據金字塔頂部的位置，但用戶面對輝達的獨霸天下，吃盡了成本高昂的苦頭。據華爾街投行伯恩斯坦（Bernstein）的分析，ChatGPT單次查詢的成本約4美分（約新台幣1.2元），若要將搜尋量增長到谷歌的十分之一，每年將耗費約481億美元的GPU，以及約160億美元的晶片來維持運行。所以無論是為了降低成本，還是減少對輝達的依賴、提高議價能力，科技巨頭們都紛紛下場自研AI晶片。

微軟計劃在下個月的年度開發者大會上，推出該公司首款為人工智慧（AI）設計的晶片。事實上，The Information曾報導過，微軟自2019年以來就一直在開發一款代號雅典娜（Athena）的專用晶片，用於為大型語言模型提供動力。該晶片將由台積電代工，採用5nm先進製程，計劃最早於明年推出。

廣告 更多內容請繼續往下閱讀

有分析師表示，開發類似於雅典娜的晶片可能每年需花費約1億美元，ChatGPT每天的營運成本約70萬美元，大部分來源於昂貴的服務器，如果雅典娜晶片與輝達的產品擁有同等競爭力，每個晶片的成本將可以降低三分之一。

OpenAI也正在探索製造自研人工智能芯片，並已開始評估潛在的收購目標。報導稱，至少從去年開始，OpenAI就已討論各種方案，以解決AI晶片短缺問題。OpenAI已與包括輝達在內的其他晶片製造商更密切地合作，以及在輝達之外實現供應商多元化。

電車大廠特斯拉則立足於智能駕駛，目前已經推出了兩種自研晶片，分別為全自動駕駛（FSD）和Dojo D1晶片。FSD晶片用於特斯拉汽車上的自動駕駛系統；Dojo D1晶片則用於特斯拉超級計算機Dojo片，它是一種通用的CPU，目的是為了加速特斯拉自動駕駛系統的訓練和改進。

谷歌也早在2013年，就已祕密研發一款專注於AI機器學習算法的晶片，並將其用在內部的雲端計算數據中心中，以取代輝達的GPU。這款自研晶片「TPU」於2016年公諸於世，可以為深度學習模型執行大規模矩陣運算，例如用於自然語言處理、計算機視覺和推薦系統的模型。谷歌實際上2020年便已在其數據中心部署了AI晶片TPU v4。不過直到今年4月才首次公開了技術細節。

亞馬遜從2013年推出首顆Nitro1晶片至今，AWS是最先涉足自研晶片的雲端廠商，已擁有網路晶片、伺服器晶片、人工智慧機器學習自研晶片3條產品線。AWS自研AI晶片版圖包括推理晶片Inferentia和訓練晶片Trainium。2023年初，專爲人工智慧打造的Inferentia 2（Inf2）發佈，將計算性能提高了三倍，加速器總內存提高了四分之一，可通過晶片間的直接超高速連接支持分佈式推理，最多可支持1750億個參數，這使其成為大規模模型推理的有力競爭者。

Meta直到2022年，還主要使用CPU和專為加速AI算法而設計的訂製晶片組合來運行其AI工作負載，但CPU的效率往往不如GPU。後來Meta取消了於2022年大規模推出訂製晶片的計劃，轉而訂購了價值數十億美元的輝達GPU。為扭轉局面，Meta已經在開發內部晶片，並於5月19日公布了AI訓練與推理晶片項目。據介紹，該晶片的功耗僅為25瓦，佔輝達等市場領先供應商晶片功耗的一小部分，並使用了RISC-V（第五代精簡指令處理器）開源架構。