AI芯片的一百種死法

作者：葉子凌，編輯：陳彬

前幾天，英偉達(dá)成為首家市值達(dá)到2萬(wàn)億美金的芯片公司，創(chuàng)造了歷史。同一時(shí)間，一家名為Groq的初創(chuàng)公司橫空出世，揚(yáng)言“三年之內(nèi)趕超英偉達(dá)”。

Groq狠話的底氣，來(lái)源于它所開(kāi)發(fā)的芯片——LPU。

LPU的全稱是Language Processing Unit，翻譯過(guò)來(lái)就是語(yǔ)言處理單元，是一種新型AI加速器。在它的支持下，大模型的推理速度快得驚人，瞬間能輸出長(zhǎng)篇幅答案；而使用了英偉達(dá)芯片的GPT-4，只能一個(gè)字一個(gè)字往外蹦。

前者的響應(yīng)速度最高可達(dá)到500T/S，而后者只有40T/S[1]。

這是什么概念？相當(dāng)于一秒鐘生成300個(gè)單詞，7分鐘生成一部《哈姆雷特》長(zhǎng)度級(jí)的文章。

Groq背后的團(tuán)隊(duì)也可謂群星璀璨，公司CEO Jonathan Ross是谷歌初代TPU的設(shè)計(jì)者之一。早期谷歌TPU團(tuán)隊(duì)的10位成員中，8位都跳槽到了Groq。

自2016年成立，Groq就飽受市場(chǎng)關(guān)注。2020年，Groq的芯片被美國(guó)阿貢實(shí)驗(yàn)室采用。2021年，Groq獲老虎環(huán)球基金等機(jī)構(gòu)投資，估值超過(guò)10億美元。

然而，Groq公司的各種“挑釁”，英偉達(dá)完全沒(méi)放在眼里。相比之下，此前“奧特曼7萬(wàn)億美元造芯”的新聞出來(lái)之后，黃仁勛至少還出來(lái)說(shuō)了兩句。

畢竟，眼下Groq的種種套路，老黃可再熟悉不過(guò)了。

文字游戲

當(dāng)下，制約AI芯片發(fā)展的主要困境，是內(nèi)存墻：內(nèi)存的傳輸速度遠(yuǎn)遠(yuǎn)慢于處理器算力，導(dǎo)致性能遲遲上不去。

如果把芯片想象成一個(gè)餐廳，那么內(nèi)存就是倉(cāng)庫(kù)，處理器就是后廚。

倉(cāng)庫(kù)送菜比后廚烹飪還慢，嚴(yán)重限制了餐廳的出菜速度。因此，包括英偉達(dá)在內(nèi)的芯片廠商，都在圍繞“倉(cāng)庫(kù)（內(nèi)存）”做文章。而Groq碾壓英偉達(dá)的秘訣，也藏在內(nèi)存結(jié)構(gòu)里。

傳統(tǒng)計(jì)算機(jī)所使用的內(nèi)存，其實(shí)有兩種：

DRAM容量較大，但傳輸速度較慢，起主存作用；而SRAM容量較小，但傳輸速度極快，作為緩存發(fā)揮輔助作用。一直以來(lái)，二者都是合作關(guān)系，缺一不可。

但Groq為了追求極致的速度，摒棄了DRAM，讓SRAM扛起了LPU主存大旗。

相當(dāng)于砍掉距離廚房較遠(yuǎn)的大倉(cāng)庫(kù)，直接將所有食材都堆在廚房邊的菜籃子里。這樣的設(shè)計(jì)思路下，LPU不但在速度上形成降維打擊，還輕松繞過(guò)了兩個(gè)成本最高的技術(shù)：HBM和先進(jìn)封裝。

這也構(gòu)成了Groq另一個(gè)大吹特吹的宣傳核心：便宜。

根據(jù)Semi Analysis的拆解，LPU由于具備架構(gòu)優(yōu)勢(shì)，物料成本僅為1050美元。相比之下，去年全球瘋狂的H100芯片，物料成本則達(dá)到3700美元[2]。

在售價(jià)層面，一塊LPU的價(jià)格是20000美元，遠(yuǎn)低于H100的35000美元。

但歷史無(wú)數(shù)次告訴我們，大部分彎道超車的結(jié)局都是有田下山，LPU也不例外。

大模型對(duì)內(nèi)存大小也有著很高的要求。參數(shù)量越大的模型，運(yùn)行時(shí)所需要存儲(chǔ)的數(shù)據(jù)也會(huì)更多。

SRAM雖然快，但缺陷是容量小，通常只有4-16MB。Groq研發(fā)團(tuán)隊(duì)多年苦心鉆研，最終也只是將LPU的容量提升至230MB。而一塊H100的內(nèi)存容量是80GB，兩者間差了約356倍。菜籃子再怎么升級(jí)換代，終究無(wú)法和倉(cāng)庫(kù)相提并論。

想裝下所有的食材，唯一的辦法就是把菜籃子數(shù)量堆上去。因此，在運(yùn)行同樣參數(shù)的模型時(shí)，需要用到的LPU數(shù)量就遠(yuǎn)遠(yuǎn)高于GPU。

前阿里技術(shù)副總裁賈揚(yáng)清就算了一筆賬：

以運(yùn)行LLaMA 70b模型為例，需要572張LPU，售價(jià)1144萬(wàn)美元；但如果換成H100，其實(shí)只需要8張，總價(jià)格在30萬(wàn)美元左右——所謂的“便宜”壓根不成立。

芯片一多，整體的功耗成本也直線上升。LPU每年至少消耗25.4萬(wàn)美元電費(fèi)，而H100頂多花費(fèi)2.4萬(wàn)美元。

事實(shí)證明，Groq的遙遙領(lǐng)先，只是隱去了核心信息的文字游戲。它所宣傳的“高速”，是以近乎夸張的使用成本換來(lái)的：運(yùn)行三年LLaMA 70b模型，LPU的使用成本將比英偉達(dá)的GPU高出32倍。

當(dāng)然，Groq的研發(fā)團(tuán)隊(duì)，顯然對(duì)此心知肚明。選擇此時(shí)大張旗鼓，更像是一種拉投資的舉動(dòng)。

事實(shí)上，這已經(jīng)不是Groq第一次公開(kāi)“蹭熱度”了。

之前GPT Store剛發(fā)布時(shí)，Groq給OpenAI的奧特曼發(fā)了一封信，嘲笑使用GPTs跟在“深夜讀《戰(zhàn)爭(zhēng)與和平》一樣緩慢”。馬斯克的聊天機(jī)器人Grok發(fā)布時(shí)，它也跑去貼臉嘲諷，質(zhì)疑Grok抄襲了自己的名字。

過(guò)去幾年，打著“替代英偉達(dá)”旗號(hào)的初創(chuàng)公司數(shù)不勝數(shù)，Groq只不過(guò)是其中之一。目前，在超車英偉達(dá)的這條彎道，已經(jīng)出現(xiàn)了嚴(yán)重塞車。

前車之鑒

Groq最直觀的參考樣本，來(lái)自英國(guó)公司Graphcore。

Graphcore誕生之初，也曾拿著“技術(shù)路線別出心裁、演示視頻酷炫驚艷、性能數(shù)據(jù)秒殺同行”的劇本，拳頭產(chǎn)品IPU與Groq的LPU設(shè)計(jì)思路異曲同工，也是用高速的SRAM取代DRAM作為芯片內(nèi)存，以實(shí)現(xiàn)極致的傳輸性能。

同時(shí)，Graphcore調(diào)整了芯片架構(gòu)，專注于處理高性能計(jì)算。

它曾頗有自知之明地表示“不與英偉達(dá)直接競(jìng)爭(zhēng)”，只將目標(biāo)客戶定位在，特別需要大量高性能計(jì)算的化學(xué)材料和醫(yī)療等特殊領(lǐng)域。

2019年，微軟成為Graphcore首款I(lǐng)PU的大客戶。2020年5月，微軟科學(xué)家將IPU內(nèi)置于微軟Azure操作系統(tǒng)中，用于識(shí)別胸部X光片。這位科學(xué)家說(shuō)道：

“Graphcore芯片可以在30分鐘內(nèi)完成，GPU需要5個(gè)小時(shí)才能完成的工作。”

在最風(fēng)光的2016至2020年間，Graphcore共拿到了7.1億美元融資，估值高達(dá)27.7億美元，一度被視為全英國(guó)乃至歐洲全村的希望。Graphcore的投資者不僅有微軟、三星、戴爾等科技巨頭，也囊括了紅杉資本、柏基投資等頂級(jí)風(fēng)投。

相比今天的Groq，當(dāng)年的Graphcore只能說(shuō)有過(guò)之無(wú)不及。但Graphcore的后續(xù)發(fā)展卻遠(yuǎn)遠(yuǎn)不及當(dāng)時(shí)的預(yù)期。

2022年，Graphcore全年?duì)I收只有270萬(wàn)美元，為英偉達(dá)同期收入的萬(wàn)分之一，且相較前一年下降46%，虧損達(dá)到了2億美元。2023年，人工智能浪潮爆發(fā)，英偉達(dá)業(yè)績(jī)?cè)俣缺q。H100一卡難求之時(shí)，Graphcore以為自己至少能撿到英偉達(dá)的漏，結(jié)果卻連湯都沒(méi)喝著。

去年，Graphcore的創(chuàng)始人Nigel Toon向英國(guó)首相寫了篇“公開(kāi)信”，討要補(bǔ)貼。

他寫道，“Graphcore已經(jīng)為英國(guó)預(yù)留了多達(dá)3000個(gè)IPU芯片，可以為整個(gè)國(guó)家提供服務(wù)”，幾乎已經(jīng)是明示要錢[4]。

不久前，一面業(yè)績(jī)虧損，一面融資無(wú)果的Graphcore走向了最后一條路：尋求收購(gòu)。根據(jù)The Telegraph爆料，其售價(jià)可能在5億多美元——不到2020年最高估值時(shí)期的五分之一[5]。

當(dāng)年，以Graphcore為首的挑戰(zhàn)者們，各懷絕學(xué)，來(lái)勢(shì)洶洶，頗有一種八大門派圍攻光明頂?shù)募纫暩?。然而，如今多已散作鳥(niǎo)獸狀。

去年3月，芯片公司Mythic一度因資金耗盡而瀕臨倒閉，快要淹死之際，才好不容易等到了救命韁繩，拿到了1300萬(wàn)美元融資。

另一家芯片公司Blaize也出現(xiàn)了類似的困境，最后靠著中東土豪的投資，才活了下來(lái)。

剩下的公司中，Habana可能是唯一活得不錯(cuò)的——它被英特爾以20億收購(gòu)，保留了獨(dú)立運(yùn)營(yíng)的權(quán)利。

從Graphcore到Mythic，這些芯片公司的技術(shù)路線各不相同；然而，它們失敗的原因，卻出奇一致。事實(shí)上，今天大火的Groq，同樣也極有可能倒在同一個(gè)地方：
芯片賣不出去。

真正的護(hù)城河

英偉達(dá)的GPU固然厲害，但它賣芯片的套路，才是真正的護(hù)城河。

每年，英偉達(dá)都會(huì)投入相當(dāng)一部分的研發(fā)經(jīng)費(fèi)，圍繞GPU搭建系統(tǒng)性能力。當(dāng)然，這是高情商的說(shuō)法，低情商的說(shuō)法是開(kāi)發(fā)一起“捆綁銷售”的產(chǎn)品——這才是英偉達(dá)最堅(jiān)實(shí)的城墻。目前，英偉達(dá)的城墻共有3層：

第一層城墻，是CUDA的編程生態(tài)。

眾所周知，GPU最初的使用場(chǎng)景是游戲與視頻圖像渲染。早期，一些華爾街精英偶爾利用GPU的并行計(jì)算能力來(lái)跑交易，但由于需要重新編寫大量代碼，因此并未廣泛傳播開(kāi)來(lái)。

黃仁勛堅(jiān)信GPU能用于更多領(lǐng)域，因此在2006年推出了降低編程門檻的軟件架構(gòu)CUDA，和自家GPU捆綁推出。

后來(lái)，蘋果和AMD都推出了類似平臺(tái)，但此時(shí)CUDA生態(tài)早已構(gòu)建，在“用得人越多，CUDA越好用，新開(kāi)發(fā)者越傾向于選擇CUDA”的良性循環(huán)中穩(wěn)定前進(jìn)。

如今，CUDA可以讓英偉達(dá)GPU的使用成本大幅降低。

一位私有云CEO曾在接受采訪時(shí)說(shuō)過(guò)，理論上AMD卡也不是不能用，但要把這些卡調(diào)試到正常運(yùn)轉(zhuǎn)，需要多耗費(fèi)兩個(gè)月[6]——找誰(shuí)下單，答案不言而喻。

第二層城墻，是NV-Link的高速傳輸。

一個(gè)數(shù)據(jù)中心，不可能只使用一塊AI芯片。然而，如果將2塊AI芯片連在一起，那么實(shí)際算力必然會(huì)小于2，因?yàn)?a class="article-link" target="_blank" href="/tag/%E6%95%B0%E6%8D%AE%E4%BC%A0%E8%BE%93/">數(shù)據(jù)傳輸的速度慢于芯片算力，且過(guò)程中還存在損耗。

顯然，在GPU數(shù)量迅速膨脹的數(shù)據(jù)中心內(nèi)，解決數(shù)據(jù)傳輸問(wèn)題其關(guān)鍵。

2016年，英偉達(dá)為IBM服務(wù)器提供GPU時(shí)，首次用上了自研的NVLink技術(shù)，帶寬高達(dá)80G/s，通信速度提高了5倍，性能提升了14%，好評(píng)不斷。此后幾年，英偉達(dá)一邊迭代NVLink技術(shù)，一邊規(guī)定該技術(shù)必須綁定自家芯片使用。

套路雖然簡(jiǎn)單直白，但就是有效。

而第三層城墻，則是英偉達(dá)的“鐵桿好兄弟聯(lián)盟”。

過(guò)去一年，英偉達(dá)是全球最主要的人工智能投資人之一，活躍程度甚至超過(guò)了a16z和紅杉等頂級(jí)投資機(jī)構(gòu)。

據(jù)外媒統(tǒng)計(jì)，英偉達(dá)去年至少有35筆人工智能投資，包括：由前DeepMind聯(lián)合創(chuàng)始人創(chuàng)辦的Inflection AI，歐洲人工智能獨(dú)角獸Mistral，世界最大的開(kāi)源模型社區(qū)Hugging Face等等[7]。

積極投資的目的，其實(shí)很簡(jiǎn)單：當(dāng)黃仁勛提著美金和H100芯片，敲開(kāi)這些公司的大門，沒(méi)有人會(huì)再拒絕英偉達(dá)。

這所有的一切，足以讓市面上絕大多數(shù)公司，都綁死在英偉達(dá)的船上。

面對(duì)性能強(qiáng)大的英偉達(dá)GPU，各路初創(chuàng)公司們或許有辦法，打造出性能相匹敵的產(chǎn)品。然而。英偉達(dá)賣芯片的套路，卻讓這些公司始終難以招架。因此，Graphcore等挑戰(zhàn)者的失敗，真的不是不努力。

當(dāng)眼下的炒作逐漸回歸寂靜，Groq也得思考相同的問(wèn)題：到底誰(shuí)會(huì)翻過(guò)三座大山，來(lái)買LPU？

尾聲

2月23日，英偉達(dá)市值突破2萬(wàn)億美元。距離上一個(gè)1萬(wàn)億，僅僅過(guò)了9個(gè)月。

Groq的爆火，讓市場(chǎng)又一次開(kāi)始討論同一個(gè)問(wèn)題：到底有沒(méi)有人能叫板英偉達(dá)？

遺憾的是，英偉達(dá)遠(yuǎn)比人們想象的要強(qiáng)大。人工智能浪潮給芯片行業(yè)提供了一塊大蛋糕，英偉達(dá)并沒(méi)有分的意思，而是整個(gè)端走塞進(jìn)了口袋。

芯片初創(chuàng)公司Mythic的CEO曾憤然表示，人工智能火了，他們卻更難融資了，就是英偉達(dá)“搞壞了大環(huán)境”。

根據(jù)PitchBook數(shù)據(jù)，截至2023年8月底，美國(guó)芯片初創(chuàng)企業(yè)融資8.814億美元，約為2022年同期的一半。交易數(shù)量的變化則更加觸目驚心：從23宗減少到了4宗[8]。Graphcore、Mythic的前車之鑒歷歷在目，所以也不怪Groq跟大家玩兒文字游戲。面對(duì)這么一個(gè)“湯都不給喝”的龐然大物，Groq又能怎么辦呢？

參考資料

[1] Jay Scambler，X[2] Groq Inference Tokenomics: Speed, But At What Cost，Semi Analysis[3] 大模型最快推理芯片一夜易主：谷歌TPU創(chuàng)業(yè)團(tuán)隊(duì)打造，量子位[4] OPEN LETTER TO THE UK PRIME MINISTER ON INVESTMENT IN EXASCALE COMPUTE，Graphcore[5] British AI champion explores foreign sale，The Telegraph[6] Nvidia H100 GPUs: Supply and Demand，GPU Utils[7] Nvidia emerges as leading investor in AI companies，F(xiàn)T[8] Nvidia's dominance in AI chips deters funding for startups，reuters

編輯：陳彬視覺(jué)設(shè)計(jì)：疏睿責(zé)任編輯：陳彬