近日，ChatGPT火爆異常，一度被認為即將替代腦力工作，因為ChatGPT可以重塑一切數據，完成信息編寫、內容創建、客戶聊天、法律文件等。
為此，各大專家也預測了未來會被ChatGPT替代的多種工作，包括：律師、投資顧問、報稅師、會計師、醫療診斷專家、客服、營銷顧問、編劇、新聞工作者、程序員等。
沒想到，程序員們努力打造的人工智能居然能夠代替自己，果然是「上岸第一劍，先斬意中人」。
二級市場上，各類上市公司開始瘋狂蹭熱點，沾上AI就大漲，股價就像坐上了火箭，短短幾個交易日大漲超過50％甚至翻倍。
但實際上，ChatGPT真的沒有想象中的那樣，隨隨便便就顛覆。ChatGPT歸根結底還是AI（人工智能），而AI的基礎就是算力，算力依靠的是芯片。
如果造不出頂級的AI芯片，就沒有足夠的算力提供給ChatGPT，自然也就沒有所謂的顛覆了。
那麼問題來了，我國的AI芯片如何呢？與英偉達差距有多少呢？
*ChatGPT基礎是AI芯片
AI芯片是一種專門處理人工智能計算、應用等任務的一種芯片，也被稱為AI加速器或計算卡。
在架構方面來看，AI芯片主要分為：GPU （圖形處理器）、FPGA （現場可編程門陣列）、ASIC（專用集成電路）。
那麼這些AI芯片如何使用呢？是不是一口氣全都堆上呢？當然不是！
在實際應用中，AI芯片又分為雲端、邊緣、終端三種應用場景。不同的場景根據實際情況搭配不同的AI芯片。
在雲端，AI不僅要處理大量的數據，同時還要進行各種各樣的AI服務，包括大量的AI訓練和推理工作，對AI芯片的算力要求最高；
邊緣就是雲端與終端之間的連接網絡，在此設立一些節點，用AI芯片承擔部分算力，可以有效降低雲端的壓力，同時提高整個AI網絡的效率；
終端就是我們的手機、電腦、汽車、家電、監控等設備，這裡的AI芯片要嵌入設備內部，在終端採集數據，並完成數據處理，主要負責推斷。
根據以上的內容，我們可以看出雲端服務器方面通常使用GPU，利用其高性能高功耗的特點，可以批量處理密集型任務；在邊緣端，FPGA更適合信號處理系統，各類接口；而我們的手機、電腦、汽車則需要更專用的集成電路。
但無論何種類型的AI芯片，它們都需要一個共同的特性，那就是「強大的算力」。
根據Open AI測算：自2012年以來，全球頭部AI模型訓練算力需求3-4個月翻一番，每年頭部訓練模型所需算力增長幅度高達10倍。
對於AI算力的快速需求，我們也可以從各類事件中感受到。
1、阿爾法狗大戰李世石
2016年3月9日，阿爾法狗經過三個多小時鏖戰，擊敗了圍棋九段高手李世石。這是AI第一次展現出它驚人的實力。
當時的阿爾法狗用了1202個CPU、176個GPU，約有800多萬核並行計算,同時還花費電費3千美元。而李世石大概需要兩個饅頭，一碟泡菜，一瓶礦泉水就可以了吧！
可見彼時的AI因為算力不足，只等堆加數量，同時能耗也非常高。
2017年，升級版的阿爾法狗擊敗了國際圍棋大師柯潔，再次引發人們的關注。
2、百度無人駕駛汽車
2017年7月6日，百度召開AI開發者大會，百度總裁陸奇在介紹「Apollo」計劃時，大屏幕出現了百度創始人、董事長李彥宏坐在無人駕駛汽車行駛在北京五環的畫面。
從畫面中可以看到，李彥宏坐在副駕駛位置，全程不碰方向盤，全部由AI操控。
李彥宏表示：「汽車行駛很平穩，感覺非常不錯。」
據悉百度的無人駕駛汽車Apollo，採用了英特爾和英偉達兩家公司的AI芯片。
自動駕駛汽車上路前需要超過100億公里的測試，如果不採用AI芯片，而擁純人工的話，需要100輛汽車7*24小時測試100年。而搭載了AI芯片後的Apollo一天就可以跑上百萬公里。
3、ChatGPT的狂歡
人工智能實驗室OpenAI研發的ChatGPT聊天機器人，能夠進行普通聊天、信息諮詢、撰寫詩詞作文、修改代碼等，號稱能夠替代腦力工作者。
不少網友通過ChatGPT，「撰寫」了玄幻類、科普類的文章，甚至論文；五花八門的提問也讓ChatGPT應接不暇。
那麼ChatGPT需要多少算力呢？
ChatGPT的總算力消耗約為3640PF-days，至少要7-8個投資30億規模的數據中心才能支撐ChatGPT的運行。
光從模型訓練算力具體來看，至少需要上萬顆英偉達 GPU A100，以參數規模為1750億的GPT-3為例，一次模型訓練成本超過 1200 萬美元。
從這三個事件中我們可以看出，AI芯片的算力需求正在快速的增長，並且已經逼近現有芯片算力的極限，這就倒逼芯片廠商快速的迭代升級。
那麼，在眾多芯片廠商中，誰能承擔的起未來算力需求呢？
*GPU領導者英偉達
在AI芯片領域，英偉達跑在了前面。
英偉達（NVIDIA）由美籍華人黃仁勛創建，總部位於加州聖克拉拉市，是一家設計顯示芯片和主板芯片組為主的人工智能計算公司，也是GPU的發明者。
可以說，英偉達定義了GPU，推動了圖形計算的快速發展，也推動了AI的快速發展。
1999年時，圖形顯示需求規模急速增加，CPU已經無法滿足，此時，英偉達順勢推出了世界第一款GPU GeForce 256，成為CPU外最重要的邏輯芯片。
英偉達高速發展的十幾年中，平均每半年就推出一款新品，每兩年就更新一次架構，在AI、自動駕駛領域，就連英特爾、AMD也只能望其項背。
2010年，谷歌的AI訓練採用了16000台英特爾CPU進行訓練，後來英偉達為其提供了GPU，僅僅需要12個GPU就完成了這項工作。
2021年，雲計算、自動駕駛、大型網遊等對算力的快速需求，極大的刺激了英偉達打造更為先進的GPU H100。
英偉達H100採用了台積電5nm工藝，比上一代A100在製造工藝方面更為先進；
在晶體管數量方面，H100集成了800億個晶體管，比A100（540億）提升了48%，整體性能提升了6倍，算力提升3.2倍。
H100還可以加速動態規劃，優化路徑，在這種條件下，H100的算法將進一步提升7倍。
H100的在數據吞吐量上提升了30倍，同時可實現3TB/s 的顯存帶寬，以及5TB/s的互聯網速度。
H100還可以把單個GPU分拆為7個，同時進行不同的運算任務，而且還可以將部分能力擴展7倍。
H100還是全球首個加密計算GPU，在提高性能的同時，有效的保護用戶數據和隱私，非常適合應用在醫療、金融和雲計算領域。
除了H100，英偉達最新研發的自動駕駛芯片Thor，號稱業內最強，融合了CPU、AI加速架構和GPU，算力高達2000TOPS，是目前高通最新車載芯片8295（30TOPS）的66倍。
同時，英偉達正在開發新一代人工智能計算機——Eos，搭載了4600個H100 GPU，比世界上最快的超算還快1.4倍。很快，全球最快的計算機將與人們見面。
如今，英偉達在GPU領域市場份額高達70%，獨立顯卡領域市場份額更是高達86%。
作為全球領先的AI芯片研發公司，英偉達將在AI快速發展的浪潮中，賺得盆滿缽滿。而收入重新投入研發中，形成良性循環，未來的英偉達真的無法想象。
那麼國產AI芯片與英偉達差距有多大呢？
*國產AI芯片性能如何
國產AI芯片公司大大小小十幾家，包括：龍芯、景嘉微、華為海思、摩爾線程、璧仞科技、天數智芯等等，但與英偉達比起來還差很多。
景嘉微是國內領先的GPU廠商，成立於2006年，總部位於湖南長沙。經過十幾年的發展，景嘉微GPU性能如何呢？
根據官方數據，景嘉微JM9231核心頻率為1.8 GHz，浮點性能可達8TFLOPS，落後英偉達最先進的Thor（2000TFLOPS）250倍。
璧仞科技公司研發的壁仞100，採用了7nm工藝製程，晶體管數量達到了770億顆晶體管，具有高算力、高通用性、高能效三大優勢。
在算力方面，16位浮點算力達到1000T以上、8位定點算力達到2000T以上，號稱領先國際大廠3倍。
從算力來看，壁仞100直接對標了英偉達H100，這着實令人驚嘆，似乎不久之後，我們再也不需要依賴英偉達了，但事實真的如此嗎？
英偉達的GPU之所以能制霸全球，強大的CUDA生態系統絕對是重要關鍵。
CUDA全稱Compute Unified Device Architecture，翻譯成漢語就是統一計算架構，這是由英偉達所推出的一種集成技術，是英特爾對GPU的正式名稱。
目前GPU市場上，英特爾一家獨大，70%以上的市場都被其掌控着。如果國產GPU廠商想要生存發展，就必須兼容CUDA。
但CUDA是英偉達的技術，並且英偉達發展迅速，芯片更新速度非常快，想要100%的兼容是根本做不到的。
怎麼辦呢？一方面魔改，一方面發展自己的生態，但是難度實在太大了，因此國內GPU廠商日子都很難過。
更為要命的是：一旦性能、算力領先，威脅到美企的地位，必然會遭受打壓封鎖。
那麼國產GPU廠商就會陷入「華為式」的被動，最典型的就是無人代工。
內地芯片製造技術最強的是中芯國際，目前只能量產12nm工藝的芯片，而英偉達H100採用了5nm工藝，相差2代。
而中芯國際CEO梁孟松也表示，中芯國際目前攻克了7nm技術，但苦於沒有EUV光刻機，因此只能止步於12nm工藝。
EUV光刻機是工業皇冠上的明珠，由10萬個精密零部件組成，這些零部件由全球2000多家公司提供。一個國家單獨完成EUV光刻機的研發被稱為「不可能的工作」。
加上EDA工具、半導體材料方面的落後，國產GPU之路還很長，距離英偉達還很遠。
寫到最後
ChatGPT火出了圈，但萬丈高樓平地起，靠的是良好的基礎，這個基礎就是AI芯片。
先進的AI芯片代表着強大的算力，強大的算力才能支持人工智能繼續更新迭代，最終為人類分擔大量的腦力、體力勞動。
我國的AI芯片在設計和生態方面遠落後於英偉達，製造、設備、材料方面也差距甚大，要想達到世界領先，支撐起AI需求的強大算力，至少還需要二十年，甚至更久。
所以說，目前的ChatGPT對於我們來說就是概念、炒作，我們距離真正的人工智能還很遠。
我是科技銘程，歡迎共同討論！-來源:科技銘程1-
