国产AI芯片如何撑起来？GPGPU和ASIC技术路线齐头并进
近期，特斯拉又对外放出自动驾驶新成果。
8月29号，马斯克驾驶一辆model s，直播45分钟以展示特斯拉fsd 12测试版，吸引了至少1200万人观看，甚至知名科技博主robert scoble表示：世界从今晚开始改变。
在直播中，fsd 12测试版实现了全ai端到端的驾驶控制，仅有一次人为干预接管。马斯克表示，fsd 12的行为是大量视频训练的结果，ai可以自己学习驾驶，像人一样判断驾驶路况。另外，马斯克透露正在筹备一个新算力集群，其中包含1万颗英伟达h100。
由此可见，自动驾驶背后所需ai算力之海量。其中作为算力底座的ai芯片至关重要。
视角转回国内，当前国内ai芯片发展如何？
大模型训练芯片缺口较大
在介绍国产ai芯片技术发展情况之前，我们先需要弄明白大模型算力应用在哪。
以自动驾驶为例，算力应用分为训练和推理两个阶段。
打个比方，人类为了掌握开车技术，需要上百个小时不断学习，巩固成为长期记忆，才能学会操作汽车、学会看道标。这个过程就对应着自动驾驶云端训练，用算法模拟人类神经网络，让机器近乎学会人类的思考方式。为了让自动驾驶在任何场景都稳定可靠，训练过程需要输入海量数据，在这个过程中存在大量并发计算，需要tflops（每秒万亿次）级别的算力提供支持。
例如，在国内，小鹏汽车为了训练自动驾驶模型，2022年8月与阿里云联合成立了当时国内最大的自动驾驶智算中心，算力规模高达600pflops，相当于每秒可以完成60亿亿次的运算。小鹏汽车董事长何小鹏认为，“如果现在不以智算中心的方式提前储备算力，今后5年内，企业算力成本会从亿级，加到数十亿级。”
在云端训练完自动驾驶模型后，才到车端感知、决策推理环节。
再打个比方，人类学会开车后，还需要进行科一到科四的考试，通过考试才能拿到驾照。而考试考的是什么？是驾驶员感知、决策、执行的能力。这就对应着自动驾驶推理过程，即自动驾驶经过模型训练后，车载计算平台再结合实时路况做出判断。
因此，当下ai芯片视应用场景不同，也分为训练芯片、推理芯片、训推一体芯片。其中需求最旺盛的即是训练芯片。
gpgpu和asic技术路线齐头并进
对于训练芯片，目前主要分为gpgpu和asic两类技术路线。
gpgpu是从gpu衍生而来，是弱化图形处理，增强计算能力的产物。模型在训练过程中，存在大量的矩阵计算，gpu架构特点即在于擅长处理并行计算，因此gpgpu芯片可适合绝大多数ai计算场景，通用性更强。当前ai芯片霸主-英伟达的主要产品a100、h100等，就属于gpgpu架构。
目前，国内投入gpgpu芯片领域的厂商较少，原因在于gpgpu研发需要有充足的技术和资金储备。知名的有海光信息、壁仞科技、沐曦等，其中较为领先的为海光。
海光深算一号早在2022年6月就实现了商用。据了解，海光深算一号性能不弱于主流的英伟达芯片，也能兼容英伟达的cuda环境，适配性好。并且最大优势在于，深算一号是国内唯一支持全精度计算的ai芯片，这让海光可支持科学计算、ai计算、大数据计算等多种计算场景。
另一类技术路线为asic，一种为特定场景专门设计的集成电路，比如npu。在ai算法领域，卷积神经网络是仿造生物的视知觉机制构建而成，是深度学习的代表算法之一。为满足深度学习效率需求，随着ai算法发展，模仿生物脑神经的npu应运而生。
由此可看出，asic芯片需要结合大模型算法做定向开发和调配，通用性没有gpgpu那么强。国内主要在做asic芯片的包括寒武纪、华为昇腾等，以及一些互联网大厂，比如阿里含光、百度昆仑芯、腾讯紫霄等等，其性能也能满足大多数计算场景的需要。
在大模型计算日益复杂的今天，由cpu+gpgpu+asic组成异构计算系统成为算力供给最佳方案，绝大多数ai算力还是需要依靠gpgpu供给。
国产ai芯片商业化应用还需努力
其实综上来看，国内ai芯片设计水平与国外差距不大，在性能方面也足以替代国外ai芯片。不过评判国产ai芯片产品发展好坏，不止是从设计到量产维度考量，能否大规模商业化应用也是较为重要。
比如提到的国内asic芯片，基本只用于自家云业务，对外提供芯片产品也需要庞大团队的深度优化。主要原因一方面在于之前提到过的，asic芯片从研发之初就需要考虑算法适配情况；另一方面，asic芯片生态较为碎片分散，开发者上手难度较高。
相较于asic厂商，得益于gpgpu泛用性优势，gpgpu厂商商业化应用做的更好一些。以海光为例，据其官方透露，海光深算一号目前已完成与百度、阿里等厂商互证，主要客户是智算中心等“新基建”项目、行业用户、ai厂商及互联网企业，已商业化部署数十万片。
在国内自动驾驶、aigc、垂直大模型等ai应用愈发火热的今天，国产ai芯片有希望撑起海量ai算力的需求。在解决性能问题之后，国产ai芯片面对国外巨头是有弯道超车可能性的，虽然未来仍需在生态建设与商业化发展方面大步追赶。
法院裁定TCL商业诋毁海信激光电视 判赔50万元
pcb半塞孔方法探讨
数字货币的市场是否受到了影响
仙知机器人将带领中国工厂走向创新智能化
7nm成台积电最大收入来源，未来还能继续统治市场？
国产AI芯片如何撑起来？GPGPU和ASIC技术路线齐头并进
浅析开关稳压器电路内部元件的作用
MWC2016：联网汽车有哪些新体验
STM32学习笔记一外部中断
防止MAX2104电路中的寄生模式振荡
技术创新带来新的安全风险，服务提供商面临的风险与机遇
英媒表示因为政治原因将华为拒之门外会导致互联网基础建设严重受损
苹果正式发布iOS 14.2正式版 你们都升级了吗
想要游戏聊天两不误？可以试试这个 任天堂Switch专用键盘
性价比高的OPPO A93上线，大内存、高刷均兼备
华为继续从美国厂商购买组件
五大要素驱动云创新助推全球社会经济发展
奥林巴斯亮相第七届国际核电运维大会，为核电安全保驾护航
荣耀20青春版与荣耀20i 得按您的需求来选择
FPGA如何成为新时代的“宠”儿,FPGA技术未来将会独领风骚
8月29号，马斯克驾驶一辆model s，直播45分钟以展示特斯拉fsd 12测试版，吸引了至少1200万人观看，甚至知名科技博主robert scoble表示：世界从今晚开始改变。
在直播中，fsd 12测试版实现了全ai端到端的驾驶控制，仅有一次人为干预接管。马斯克表示，fsd 12的行为是大量视频训练的结果，ai可以自己学习驾驶，像人一样判断驾驶路况。另外，马斯克透露正在筹备一个新算力集群，其中包含1万颗英伟达h100。
由此可见，自动驾驶背后所需ai算力之海量。其中作为算力底座的ai芯片至关重要。
视角转回国内，当前国内ai芯片发展如何？
大模型训练芯片缺口较大
在介绍国产ai芯片技术发展情况之前，我们先需要弄明白大模型算力应用在哪。
以自动驾驶为例，算力应用分为训练和推理两个阶段。
打个比方，人类为了掌握开车技术，需要上百个小时不断学习，巩固成为长期记忆，才能学会操作汽车、学会看道标。这个过程就对应着自动驾驶云端训练，用算法模拟人类神经网络，让机器近乎学会人类的思考方式。为了让自动驾驶在任何场景都稳定可靠，训练过程需要输入海量数据，在这个过程中存在大量并发计算，需要tflops（每秒万亿次）级别的算力提供支持。
例如，在国内，小鹏汽车为了训练自动驾驶模型，2022年8月与阿里云联合成立了当时国内最大的自动驾驶智算中心，算力规模高达600pflops，相当于每秒可以完成60亿亿次的运算。小鹏汽车董事长何小鹏认为，“如果现在不以智算中心的方式提前储备算力，今后5年内，企业算力成本会从亿级，加到数十亿级。”
在云端训练完自动驾驶模型后，才到车端感知、决策推理环节。
再打个比方，人类学会开车后，还需要进行科一到科四的考试，通过考试才能拿到驾照。而考试考的是什么？是驾驶员感知、决策、执行的能力。这就对应着自动驾驶推理过程，即自动驾驶经过模型训练后，车载计算平台再结合实时路况做出判断。
因此，当下ai芯片视应用场景不同，也分为训练芯片、推理芯片、训推一体芯片。其中需求最旺盛的即是训练芯片。
gpgpu和asic技术路线齐头并进
对于训练芯片，目前主要分为gpgpu和asic两类技术路线。
gpgpu是从gpu衍生而来，是弱化图形处理，增强计算能力的产物。模型在训练过程中，存在大量的矩阵计算，gpu架构特点即在于擅长处理并行计算，因此gpgpu芯片可适合绝大多数ai计算场景，通用性更强。当前ai芯片霸主-英伟达的主要产品a100、h100等，就属于gpgpu架构。
目前，国内投入gpgpu芯片领域的厂商较少，原因在于gpgpu研发需要有充足的技术和资金储备。知名的有海光信息、壁仞科技、沐曦等，其中较为领先的为海光。
海光深算一号早在2022年6月就实现了商用。据了解，海光深算一号性能不弱于主流的英伟达芯片，也能兼容英伟达的cuda环境，适配性好。并且最大优势在于，深算一号是国内唯一支持全精度计算的ai芯片，这让海光可支持科学计算、ai计算、大数据计算等多种计算场景。
另一类技术路线为asic，一种为特定场景专门设计的集成电路，比如npu。在ai算法领域，卷积神经网络是仿造生物的视知觉机制构建而成，是深度学习的代表算法之一。为满足深度学习效率需求，随着ai算法发展，模仿生物脑神经的npu应运而生。
由此可看出，asic芯片需要结合大模型算法做定向开发和调配，通用性没有gpgpu那么强。国内主要在做asic芯片的包括寒武纪、华为昇腾等，以及一些互联网大厂，比如阿里含光、百度昆仑芯、腾讯紫霄等等，其性能也能满足大多数计算场景的需要。
在大模型计算日益复杂的今天，由cpu+gpgpu+asic组成异构计算系统成为算力供给最佳方案，绝大多数ai算力还是需要依靠gpgpu供给。
国产ai芯片商业化应用还需努力
其实综上来看，国内ai芯片设计水平与国外差距不大，在性能方面也足以替代国外ai芯片。不过评判国产ai芯片产品发展好坏，不止是从设计到量产维度考量，能否大规模商业化应用也是较为重要。
比如提到的国内asic芯片，基本只用于自家云业务，对外提供芯片产品也需要庞大团队的深度优化。主要原因一方面在于之前提到过的，asic芯片从研发之初就需要考虑算法适配情况；另一方面，asic芯片生态较为碎片分散，开发者上手难度较高。
相较于asic厂商，得益于gpgpu泛用性优势，gpgpu厂商商业化应用做的更好一些。以海光为例，据其官方透露，海光深算一号目前已完成与百度、阿里等厂商互证，主要客户是智算中心等“新基建”项目、行业用户、ai厂商及互联网企业，已商业化部署数十万片。
在国内自动驾驶、aigc、垂直大模型等ai应用愈发火热的今天，国产ai芯片有希望撑起海量ai算力的需求。在解决性能问题之后，国产ai芯片面对国外巨头是有弯道超车可能性的，虽然未来仍需在生态建设与商业化发展方面大步追赶。
法院裁定TCL商业诋毁海信激光电视 判赔50万元
pcb半塞孔方法探讨
数字货币的市场是否受到了影响
仙知机器人将带领中国工厂走向创新智能化
7nm成台积电最大收入来源，未来还能继续统治市场？
国产AI芯片如何撑起来？GPGPU和ASIC技术路线齐头并进
浅析开关稳压器电路内部元件的作用
MWC2016：联网汽车有哪些新体验
STM32学习笔记一外部中断
防止MAX2104电路中的寄生模式振荡
技术创新带来新的安全风险，服务提供商面临的风险与机遇
英媒表示因为政治原因将华为拒之门外会导致互联网基础建设严重受损
苹果正式发布iOS 14.2正式版 你们都升级了吗
想要游戏聊天两不误？可以试试这个 任天堂Switch专用键盘
性价比高的OPPO A93上线，大内存、高刷均兼备
华为继续从美国厂商购买组件
五大要素驱动云创新助推全球社会经济发展
奥林巴斯亮相第七届国际核电运维大会，为核电安全保驾护航
荣耀20青春版与荣耀20i 得按您的需求来选择
FPGA如何成为新时代的“宠”儿,FPGA技术未来将会独领风骚