1790
作者?| 方文三
2024 Hot Chips大會，各大芯片廠商摩拳擦掌，紛紛亮劍，準(zhǔn)備在這個充滿挑戰(zhàn)與機遇的舞臺上展開正面PK，從中可看見芯片技術(shù)的發(fā)展之路。
OpenAI：構(gòu)建可擴(kuò)展AI基礎(chǔ)設(shè)施
近日，OpenAI硬件設(shè)施的負(fù)責(zé)人Trevor Cai在Hot Chips 2024會議上進(jìn)行了長達(dá)一小時的演講，主題聚焦于[構(gòu)建可擴(kuò)展的AI基礎(chǔ)設(shè)施]。
OpenAI通過觀察得出一個關(guān)鍵結(jié)論：規(guī)模的擴(kuò)大能夠孕育出更優(yōu)質(zhì)、更具實用價值的人工智能（AI）系統(tǒng)。
在演講中，Cai先生著重探討了如何解決能源消耗與計算能力之間的矛盾，并提到英特爾、IBM以及英偉達(dá)等公司提出了更為節(jié)能的技術(shù)方案。
根據(jù)摩根士丹利在八月份發(fā)布的研究報告預(yù)測，未來幾年內(nèi)，生成式AI的電力需求將每年激增75%，預(yù)計到2026年，其能源消耗量將與西班牙2022年的總消耗量相匹敵。
計算量每翻一番，AI模型的性能便能得到顯著提升。模型的能力與計算資源消耗呈指數(shù)級增長。
自2018年以來，行業(yè)內(nèi)的先進(jìn)模型計算量每年增長約四倍。
OpenAI堅信，AI基礎(chǔ)設(shè)施的建設(shè)需要巨額投資，因為計算能力的提升已經(jīng)帶來了超過八個數(shù)量級的效益增長。
OpenAI 對編碼等任務(wù)進(jìn)行了研究，并發(fā)現(xiàn)其中存在相似的模式。
這一發(fā)現(xiàn)是在平均對數(shù)尺度上得出的，因此通過/失敗的判定不會過度傾向于解決較為簡單的編碼問題。
基于此，OpenAI 認(rèn)為AI領(lǐng)域需要大量投資，因為計算能力的增強已經(jīng)帶來了超過八個數(shù)量級的效益提升。
英偉達(dá)：Blackwell架構(gòu)細(xì)節(jié)公布
在Hot Chips會議期間，英偉達(dá)進(jìn)一步揭示了Blackwell架構(gòu)的細(xì)節(jié)。
B200 GPU芯片采用臺積電定制的4nm工藝，集成了高達(dá)2080億個晶體管；
NVLink-C2C技術(shù)被應(yīng)用于Blackwell架構(gòu)中，以實現(xiàn)芯片級的整合；
為了實現(xiàn)GPU間的無縫通信，英偉達(dá)A推出了NVSwitch，它允許服務(wù)器內(nèi)的每個GPU以1.8 TB/sec的速度與其他GPU進(jìn)行通信，從而使得Blackwell平臺能夠支持更大規(guī)模的語言模型。
例如GPT-MoE-1.8T等，以滿足實時推理和訓(xùn)練的需求；
NVIDIA高帶寬接口（NV-HBI）在兩個GPU芯片之間提供了高達(dá)10TB/s的雙向帶寬連接；
此外，NVIDIA在Blackwell平臺上原生支持FP4（四精度浮點數(shù)）和FP6（六精度浮點數(shù)）格式。
在性能方面，官方提供了一個參考數(shù)據(jù)：Llama 3.1 700億參數(shù)大模型的AI推理性能GB200相較于H200提升了1.5倍。然而，這一性能提升是通過增加功耗實現(xiàn)的。
Blackwell B200單顆芯片的功耗高達(dá)1000W，而由一顆Grace CPU和兩顆Blackwell GPU組成的超級芯片GB200的功耗更是達(dá)到了驚人的2700W。
相比之下，過去Hopper的H100、H200 GPU功耗均為700W，H20的功耗為400W，Grace+Hopper的功耗為1000W。
比較之下，GB200的功耗比上一代GH200大幅提升了1.7倍，但性能提升似乎并未與之匹配，具體詳情還需英偉達(dá)進(jìn)一步公布。
英特爾：Lunar Lake和Granite Rapids-D
在2024年Hot Chips大會上，英特爾展示了專為人工智能個人電腦設(shè)計的Lunar Lake芯片，以及面向數(shù)據(jù)中心的最新至強6 SoC Granite Rapids-D。
英特爾在此次大會上推出的Lunar Lake芯片，作為其面向移動AI PC的下一代核心產(chǎn)品，實現(xiàn)了在性能、能效和集成度方面的顯著提升。
相較于前代產(chǎn)品Meteor Lake，Lunar Lake在架構(gòu)設(shè)計上進(jìn)行了根本性的革新，其顯著特點在于集成了片上內(nèi)存。
在系統(tǒng)級芯片（SoC）設(shè)計方面，Lunar Lake采用了創(chuàng)新的多核架構(gòu)，包括四個高性能的P核心（Lion Cove P-Core）以及多個效率核心（E核心）。
與Meteor Lake相比，Lunar Lake的E核心數(shù)量由兩個增至四個，并且每個E核心集群配備了4MB的L2緩存以及獨立的電源管理功能。
這種設(shè)計不僅增強了多任務(wù)處理能力，還有效降低了功耗。
Lunar Lake引入了8MB的內(nèi)存?zhèn)染彺?，旨在減少對DRAM的依賴和訪問頻率，從而降低功耗并提升性能。
Lion Cove和Skymont核心的設(shè)計是Lunar Lake的另一亮點，它們體現(xiàn)了英特爾在提升指令集架構(gòu)（ISA）效率和每瓦性能方面的不懈追求。
英特爾宣稱，新的核心設(shè)計在每時鐘周期指令（IPC）方面提升了約14%，這意味著在相同的時鐘頻率下，處理器能夠執(zhí)行更多的指令。
Lunar Lake還對圖形處理單元（GPU）和神經(jīng)處理單元（NPU）進(jìn)行了顯著的性能提升。
新的Xe2 GPU架構(gòu)將原有的兩個SIMD8結(jié)構(gòu)升級為一個SIMD16結(jié)構(gòu)，使得在相同功率下的游戲性能提升了1.5倍。
這一變革不僅拓寬了GPU的應(yīng)用范圍，還提高了圖形處理的效率。
在NPU方面，Lunar Lake將先前的2個神經(jīng)計算引擎擴(kuò)展至6個，英特爾宣稱其NPU的計算能力達(dá)到了48 TOPS。
這一性能的提升使得Lunar Lake在人工智能和機器學(xué)習(xí)任務(wù)中的表現(xiàn)更為卓越，能夠處理更為復(fù)雜的模型和算法。
此外，Xeon D系列將不會采用第四代/第五代Xeon Sapphire Rapids/Emerald Rapids的內(nèi)核，而是將在2025年通過Granite Rapids-D部件實現(xiàn)Xeon 6的處理能力。
Intel Xeon D系列專為邊緣計算設(shè)計，旨在為邊緣計算帶來性能核心以及集成的網(wǎng)絡(luò)與加速功能。
該系列芯片介于采用E核心的Atom系列和主流Xeon系列之間，邊緣計算因其特定的工作溫度和環(huán)境配置文件而有其獨特性。
新芯片支持PCIe Gen5（高于Ice Lake-D中的PCIe Gen4）以及多項新功能。
該芯片提供4通道和8通道設(shè)計，支持高速MCRDIMM內(nèi)存。
具備100GbE連接、Intel QuickAssist、DLB、DSA和vRAN Boost等I/O特性。
性能核心為Granite Rapids/Redwood Cove P核心，值得注意的是，這并非英特爾Lunar Lake P核心。
新芯片支持AMX實現(xiàn)AI加速功能。對于習(xí)慣使用高端Xeon的用戶而言，這可能不是什么新鮮事，但對于之前使用僅配備VNNI的Ice Lake-D的用戶來說，AI性能將有顯著提升。
同時，Atom系列與Xeon 6 SoC之間似乎存在較大的性能差距。Atom P5000/C5000系列似乎需要更新，配備更現(xiàn)代的E核心。
IBM：Telum II和Spyre Accelerator新款A(yù)I處理器
IBM正式宣布推出兩款先進(jìn)的AI處理器，即Telum II和Spyre Accelerator。
該公司表示，這些處理器將為下一代IBM Z大型機系統(tǒng)提供動力，特別是在增強AI功能方面，包括大型語言模型（LLM）和生成式AI。
IBM新推出的處理器延續(xù)了該公司大型機所享有的高安全性、高可用性和卓越性能的傳統(tǒng)優(yōu)勢。
Telum II處理器在架構(gòu)上實現(xiàn)了重大創(chuàng)新，相較于其前身，它在速度、內(nèi)存容量以及功能上均有顯著提升。
Telum II處理器的設(shè)計允許內(nèi)核將AI任務(wù)卸載至相鄰的任一處理器芯片，從而為每個內(nèi)核提供了對更廣泛的AI計算資源的訪問權(quán)限，有效減少了對AI加速器的競爭。
該處理器采用了八個高性能內(nèi)核，每個內(nèi)核均以固定的5.5GHz頻率運行，并配備了集成的片上AI加速器。
該加速器直接與處理器的復(fù)雜指令集計算機（CISC）指令集相連，以實現(xiàn)低延遲的AI操作。
與依賴內(nèi)存映射輸入/輸出的傳統(tǒng)加速器不同，Telum II的AI加速器將矩陣乘法和其他AI基礎(chǔ)操作作為本機指令執(zhí)行，從而減少了開銷并提升了吞吐量。
Telum II中每個加速器的AI計算能力翻倍，達(dá)到每芯片24萬億次運算（TOPS）。
此外，Telum II處理器顯著增加了緩存容量，每個內(nèi)核可訪問36MB的L2緩存，片上總計達(dá)到360MB。虛擬L3和L4緩存分別增長了40%，達(dá)到360MB和2.88GB。
Telum II處理器的另一顯著特點是其集成了數(shù)據(jù)處理單元（DPU）。
在IBM大型機每天處理數(shù)十億個事務(wù)的企業(yè)環(huán)境中，I/O操作的效率至關(guān)重要。
因此，Telum II中的DPU與處理器的對稱多處理（SMP）架構(gòu)緊密相連，并配備了獨立的L2緩存。
DPU架構(gòu)由四個處理集群組成，每個集群包含8個可編程微控制器內(nèi)核，共計32個內(nèi)核。
這些內(nèi)核通過本地一致性結(jié)構(gòu)互連，保持了整個DPU的緩存一致性，并與主處理器集成。
通過將DPU置于PCI接口的處理器端，并實現(xiàn)DPU與運行主要企業(yè)工作負(fù)載的主處理器之間的連貫通信，整個系統(tǒng)的I/O管理功耗降低了70%。
AMD：詳細(xì)介紹Zen 5核心架構(gòu)
在Hot Chips 會議上，AMD詳細(xì)介紹了其新一代 Zen 5 核心架構(gòu)，該架構(gòu)預(yù)計將為公司未來的高性能個人電腦發(fā)展提供強大動力。
AMD 首先明確了 Zen 5 架構(gòu)的設(shè)計目標(biāo)。在性能提升方面，Zen 5 力求在單線程（1T）和多線程（NT）性能上取得顯著進(jìn)步，旨在平衡跨核的 1T/NT 指令和數(shù)據(jù)吞吐量，構(gòu)建前端并行性，增強執(zhí)行并行性，提升整體吞吐量，實現(xiàn)數(shù)據(jù)移動和預(yù)取的高效性，并支持 AVX512/FP512 數(shù)據(jù)路徑以進(jìn)一步提高吞吐量和人工智能性能。
AMD 還計劃通過 Zen 5 及其變體 Zen 5C 核心引入新功能，包括額外的指令集架構(gòu)（ISA）擴(kuò)展、新的安全特性以及擴(kuò)展的平臺支持。
在產(chǎn)品層面，AMD 的 Zen 5 核心架構(gòu)將首先應(yīng)用于三個系列的產(chǎn)品中，分別是Ryzen 9000 Granite Ridge臺式機CPU、Ryzen AI 300Strix筆記本電腦CPU和第五代EPYCTurin數(shù)據(jù)中心CPU。
AMD 表示，Zen 5 架構(gòu)將再次以顯著提升性能的步伐呈現(xiàn)，特別是 AVX512 擁有 512 位浮點（FP）數(shù)據(jù)路徑，這將有助于提升吞吐量和人工智能性能。
Zen 5 提供高效、高性能、可擴(kuò)展的可配置解決方案，其中 Zen 5 實現(xiàn)峰值性能，而 Zen 5C 則著重于效率，兩者均支持 4nm 和 3nm 工藝節(jié)點。
高通：驍龍X Elite中的Oryon CPU
在2024年Hot Chips會議上，高通公司詳盡地介紹了驍龍X Elite中的高通Oryon CPU。
高通Oryon是專為Snapdragon X Elite系統(tǒng)級芯片(SoC)設(shè)計的CPU。
高通公司指出，即便調(diào)度器的規(guī)模有所增加，它依然能夠滿足時序要求，并有效緩解了某些瓶頸問題。
此外，該調(diào)度器除了執(zhí)行加載/存儲操作外，還能進(jìn)行其他操作（可能包括數(shù)據(jù)存儲操作），其額外的容量有助于吸收這些額外操作。
Oryon的L1數(shù)據(jù)緩存容量為96KB，它采用多端口設(shè)計，并基于代工廠的標(biāo)準(zhǔn)位單元進(jìn)行設(shè)計。
高通公司確實考慮過采用更大容量的數(shù)據(jù)緩存，但最終選擇了96KB的設(shè)計，以確保滿足時序（即時鐘速度）的要求。單個核心的傳輸能力略低于100GB/s。
預(yù)取技術(shù)在現(xiàn)代處理器核心中扮演著至關(guān)重要的角色。
Oryon特別強調(diào)了預(yù)取技術(shù)的重要性，它通過各種標(biāo)準(zhǔn)和專有預(yù)取器分析訪問模式，并嘗試在指令請求數(shù)據(jù)之前主動生成請求。
高通公司通過使用各種訪問模式測試軟件來展示預(yù)取器如何減少可見的加載延遲。
預(yù)取器所識別的模式具有較低的延遲。
對于簡單的線性訪問模式，預(yù)取器能夠提前足夠遠(yuǎn)地運行，幾乎可以完全隱藏L2延遲。
在系統(tǒng)層面，驍龍X Elite擁有12個核心，這些核心被劃分為三個四核心集群。
雖然后來該功能得到了實現(xiàn)，但并未出現(xiàn)在驍龍X Elite中。
這一策略與英特爾和AMD的做法形成鮮明對比，后者采用不同數(shù)量的核心來實現(xiàn)廣泛的功率目標(biāo)。
高通公司希望將Oryon的應(yīng)用范圍擴(kuò)展到筆記本電腦以外的其他領(lǐng)域。
微軟：Maia 100第一代自定義 AI加速器
在Hot Chips會議上，微軟公布了Maia 100的詳細(xì)規(guī)格。
Maia 100作為微軟首款定制化的AI加速器，是為在Azure平臺上部署的大型AI工作負(fù)載量身打造的。
Maia 100系統(tǒng)通過垂直集成來優(yōu)化性能并降低成本，整合了定制的平臺架構(gòu)、服務(wù)器板以及軟件堆棧，旨在提升Azure OpenAI服務(wù)等高級AI功能的性能和成本效益。
該加速器是為云基礎(chǔ)的AI工作負(fù)載特別設(shè)計的。其芯片面積為820mm2，采用臺積電N5制程技術(shù)及COWOS-S中介層技術(shù)制造。
Maia 100的標(biāo)線尺寸SoC裸片配備了大容量片上SRAM，并結(jié)合四個HBM2E裸片，提供每秒1.8TB的總帶寬和64GB的存儲容量，以滿足AI級別數(shù)據(jù)處理的需求。
該加速器旨在支持高達(dá)700W的熱設(shè)計功耗(TDP)，但其配置為500W，能夠在提供高性能的同時，根據(jù)目標(biāo)工作負(fù)載高效地管理電源。
可以合理推測，Maia 100主要應(yīng)用于OpenAI的推理業(yè)務(wù)。在軟件方面，它表現(xiàn)出色，能夠通過一行代碼執(zhí)行PyTorch模型。
在高密度部署、標(biāo)準(zhǔn)以太網(wǎng)融合ScaleUP、ScaleOut方面表現(xiàn)良好，但若使用RoCE，則需要額外的Tile控制器。
這與英特爾Gaudi3需要中斷管理器的情況類似，存在一定的局限性。
Cerebras：推出WSE-3人工智能芯片
自推出采用整片晶圓制造的芯片技術(shù)以來，Cerebras公司近年來的市場推廣活動一直以進(jìn)軍由英偉達(dá)主導(dǎo)的人工智能芯片市場為核心目標(biāo)。
Cerebras Systems公司推出了專為訓(xùn)練AI領(lǐng)域中最大型模型而設(shè)計的WSE-3人工智能芯片。
這款基于5納米工藝、擁有4萬億個晶體管的WSE-3芯片，為Cerebras CS-3人工智能超級計算機提供了強大的動力，通過其900,000個針對人工智能優(yōu)化的計算核心，實現(xiàn)了125千萬億次的峰值人工智能性能。
特別值得注意的是，這一尺寸是其半導(dǎo)體代工合作伙伴臺積電目前能夠生產(chǎn)的最大尺寸芯片。
目前生成式AI應(yīng)用存在響應(yīng)延遲，但快速處理請求可構(gòu)建無延遲問題的代理應(yīng)用，快速處理Token能讓LLM在多個步驟中迭代答案。
WSE-3芯片每秒可生成超過1,800個Token，但受限于計算能力。
Meta的Llama 3 8B模型是WSE-3的理想應(yīng)用場景，因為它可以完全裝入SRAM，留下足夠空間給鍵值緩存。
Cerebras通過跨多個CS-3系統(tǒng)并行化模型來應(yīng)對挑戰(zhàn)，例如將Llama 3 70B的80層分布在四個系統(tǒng)中。盡管存在性能損失，但節(jié)點間延遲較小。
對于更大的模型，Cerebras預(yù)計使用12個CS-3系統(tǒng)能實現(xiàn)每秒約350個Token。
Cerebras使用片上SRAM替代HBM，與Groq的LPU不同，后者需要更多加速器來支持大模型。
Cerebras能在不量化的情況下達(dá)到性能目標(biāo)，而Groq使用8bit量化以減少模型大小和內(nèi)存壓力，但犧牲了準(zhǔn)確性。
然而，僅比較性能而不考慮成本是不公平的，因為WSE-3芯片的成本遠(yuǎn)高于Groq LPU。
FuriosaAI：最新研發(fā)的AI加速器RNGD
在Hot Chips會議上，F(xiàn)uriosaAI正式發(fā)布了其最新研發(fā)的AI加速器RNGD，該產(chǎn)品專為數(shù)據(jù)中心的高性能、高效率大型語言模型（LLM）以及多模態(tài)模型推理量身定制。
RNGD具備150W的熱設(shè)計功耗（TDP）、創(chuàng)新的芯片架構(gòu)以及HBM3等先進(jìn)內(nèi)存技術(shù)，針對嚴(yán)苛要求的LLM和多模態(tài)模型推理進(jìn)行了精細(xì)優(yōu)化。
FuriosaAI在獲得臺積電代工的第一顆芯片后僅三周，便提交了首個MLPerf基準(zhǔn)測試成績。
隨后，通過編譯器增強技術(shù)，在六個月后的MLPerf更新提交中實現(xiàn)了113%的性能增長。
簡而言之，F(xiàn)uriosaAI充分利用了芯片的全部潛能。
在執(zhí)行GPT-J 6B模型時，單個RNGD每秒可生成約12個查詢。隨著未來幾周及數(shù)月內(nèi)軟件堆棧的持續(xù)改進(jìn)，這一數(shù)字預(yù)期將有所提升。
根據(jù)目前的性能表現(xiàn)，RNGD能夠在較低的TDP下實現(xiàn)優(yōu)異的性能，顯示出其強大的實力。
然而，迄今為止，F(xiàn)uriosaAI一直保持低調(diào)，因為他們深知，在該行業(yè)中，對于尚未實現(xiàn)的技術(shù)，過度炒作和大膽承諾是不被需要的。
Tenstorrent：Blackhole成為獨立AI計算平臺
芯片工程師Jim Keller，因其在業(yè)界的杰出貢獻(xiàn)而備受矚目，他作為Tenstorrent公司的首席執(zhí)行官，在Hot Chips 2024會議上展示了更多關(guān)于公司Blackhole芯片的細(xì)節(jié)。
據(jù)悉，Blackhole是Tenstorrent公司下一代獨立AI計算平臺，將搭載140個Tensix++核心、16個中央處理器（CPU）核心以及一系列高速互連技術(shù)。
Blackhole芯片預(yù)計可提供高達(dá)790萬億次運算每秒（TOPS）的計算能力，采用FP8數(shù)據(jù)格式。
Blackhole芯片預(yù)計將于2023年及以后推出，代表了對前代Grayskull和Wormhole芯片的重大技術(shù)進(jìn)步。
芯片內(nèi)部集成了16個RISC-V核心，這些核心被劃分為4個集群，每個集群包含4個核心。
Tensix核心位于芯片中心，而以太網(wǎng)接口則位于芯片的頂端。
該芯片具備10個400Gbps的以太網(wǎng)端口和512GB/s的帶寬性能。
其中16個大型RISC-V核心能夠運行Linux操作系統(tǒng)；而其余的752個RISC-V核心則被定義為[小型]核心，它們支持C語言編程，但不兼容Linux操作系統(tǒng)。
這些小型RISC-V核心被設(shè)計用于可編程計算、數(shù)據(jù)傳輸和存儲任務(wù)。
在RISC-V核心與以太網(wǎng)技術(shù)的結(jié)合使用方面，Tenstorrent公司正致力于推動開放系統(tǒng)的AI加速技術(shù)，這一點頗具前瞻性。
正是由于這種設(shè)計理念，以太網(wǎng)技術(shù)，特別是51.2T的高速以太網(wǎng)，將在AI領(lǐng)域扮演關(guān)鍵角色。
類似Blackhole這樣的AI芯片正是利用高端以太網(wǎng)技術(shù)實現(xiàn)性能的擴(kuò)展。
結(jié)尾：
隨著AI熱潮推動數(shù)據(jù)中心激增，能源需求同步增長，微軟、谷歌等大型科技公司投資數(shù)十億美元建設(shè)數(shù)據(jù)中心基礎(chǔ)設(shè)施。在此背景下，節(jié)能成為關(guān)鍵議題。
為應(yīng)對日益復(fù)雜的 AI 模型和大規(guī)模數(shù)據(jù)處理需求，芯片在算力與帶寬方面不斷突破，芯片架構(gòu)不斷創(chuàng)新以適應(yīng)各類計算需求。
部分資料參考：
半導(dǎo)體行業(yè)觀察：《熱門芯片，亮相Hotchips》，芝能智芯：《英特爾Lunar Lake AI PC芯片》，芯芯有我：《Hot Chips 2024 分析》，半導(dǎo)體產(chǎn)業(yè)縱橫：《Hot Chips，芯片瘋狂》，芯智訊：《晶圓級AI芯片WSE-3推理性能公布：在80億參數(shù)模型上每秒生成1800個Token》，芯片講壇：《AI芯片市場，再一次迎來激烈的競爭》，電子工程世界：《AI芯片，再一次開戰(zhàn)》
本公眾號所刊發(fā)稿件及圖片來源于網(wǎng)絡(luò)，僅用于交流使用，如有侵權(quán)請聯(lián)系回復(fù)，我們收到信息后會在24小時內(nèi)處理。
下載ECAD模型
