2025年，“英伟达1强”走向终结

2025/01/28 作为生成式AI（人工智能）开发用的芯片（AI 芯片），GPU（图形处理器）眼下得到了广泛应用。很难想象GPU会在AI开发领域迅速消失。但是，2025年可能会成为GPU统治地位终结的一年。原因是专门用于AI处理的新型“ASIC（特定应用集成电路，Application Specific Integrated Circuit）”接连问世。这也意味着在GPU领域占据压倒性份额的美国英伟达（NVIDIA）的独强地位将走向终结。图：AI芯片的类别和主要产品分别用于训练和推理的ASIC问世 GPU最初是为图形处理用途开发的，如今已广泛应用于AI、模拟（仿真）、金融等诸多领域。而专门用于AI的ASIC未来将取代GPU的很多用途。用来“挖掘（mining）”加密资产（虚拟货币）的芯片的变迁史就暗示了这一点。挖掘是发行新加密资产时所需要的处理。挖掘典型的加密资产“比特币” 时需要进行庞大的计算。过去，这些计算由CPU（中央处理器）负责。不过，由于CPU的计算效率低，能够高速执行挖掘所需计算的GPU逐渐取而代之。 GPU的问题在于功耗极大，也就是电力效率低下。为了解决这一问题，能够以较低功耗进行高效挖掘的ASIC应运而生。如今，比特币挖掘基本上只使用ASIC。 AI芯片可能也会经历与此类似的变迁。过去，AI也是由CPU负责进行计算。由于GPU能够高速执行AI计算，因此逐渐取代了CPU。在AI领域，GPU的功耗也是一大问题，因此，ASIC迟早会成为主流。图：加密资产挖掘用芯片的变迁从CPU变迁至GPU、ASIC的历程新型“ASIC”接连问世让我们具体了解一下AI芯片。首先，在GPU领域，英伟达目前占有压倒性的份额。虽然比英伟达略逊一筹，但美国超威半导体（AMD）的GPU份额也在稳步增长。另一方面，面向AI的ASIC则正在由多家企业推进开发。首先，大型云服务运营商正在开发AI芯片，以便在自身的云服务中实现AI处理。美国谷歌的“张量处理单元（TPU，Tensor Processing Unit）”就是这一领域的开创者。谷歌云部门负责AI基础设施等事务的副总裁兼总经理Mark Lohmeyer表示：“我们从大约10年前开始开发TPU，目前已是第六代”。另一方面，美国亚马逊云科技(AWS，Amazon Web Services)的AI芯片分为用于训练的“Trainium”和用于推理的“Inferentia”。训练指的是开发生成AI的基础模型所需的学习，而推理则是指使用完成训练的基础模型。训练作为过程的一部分，包含推理，通常比推理需要更多的计算。不过，AWS也推出了使用Trainium进行快速推理的用途。日本企业也在相关领域展现出存在感。软银集团2024年7月宣布收购了开发AI芯片的英国Graphcore。日本AI技术公司Preferred Networks（PFN）开发出了同时面向训练和推理的“MN-Core 2”，2024年已开始向其他企业提供。另外，该公司还开始开发专注于快速推理的“MN-Core L1000”。PFN的AI计算本部本部长小仓崇浩表示：“这是一个大幅提高妨碍推理性能提高的内存带宽的产品，目标是在2026年（向企业）提供。” 名为EdgeCortix的公司则专注于嵌入式设备和边缘计算中的推理。该公司计划在2025年初开始正式量产AI芯片“SAKURA-II”。创始人兼首席执行官（CEO）Sakyasingha Dasgupta表示：“这是高性能且低功耗，专门针对边缘计算的产品”。配备EdgeCortix公司的AI芯片“SAKURA-II”的模块（图片为EdgeCortix提供）美国科技企业Cerebras Systems正在开发巨大的AI芯片。普通的半导体芯片是将被称为晶圆的大型硅基板分割成多个区域进行制造，而Cerebras Systems则提供晶圆大小的芯片。最初设想的用途是训练，但最近提出还可以用于快速推理。美国Cerebras Systems的晶圆级巨大AI芯片“WSE-3”（图片为Cerebras Systems提供）奥浜骏、大森敏行日经XTECH/日经Computer 资料来源: https://xtech.nikkei.com/atcl/nxt/column/18/03054/122500005/ 更多资讯请关注日经BP微信公众号获取更多RSS：https://feedx.net https://feedx.site

EllenDeGeneres

1月 28, 2025 - 09:52

4525

2025/01/28

作为生成式AI（人工智能）开发用的芯片（AI 芯片），GPU（图形处理器）眼下得到了广泛应用。很难想象GPU会在AI开发领域迅速消失。但是，2025年可能会成为GPU统治地位终结的一年。原因是专门用于AI处理的新型“ASIC（特定应用集成电路，Application Specific Integrated Circuit）”接连问世。这也意味着在GPU领域占据压倒性份额的美国英伟达（NVIDIA）的独强地位将走向终结。

图：AI芯片的类别和主要产品

分别用于训练和推理的ASIC问世

GPU最初是为图形处理用途开发的，如今已广泛应用于AI、模拟（仿真）、金融等诸多领域。

而专门用于AI的ASIC未来将取代GPU的很多用途。用来“挖掘（mining）”加密资产（虚拟货币）的芯片的变迁史就暗示了这一点。

挖掘是发行新加密资产时所需要的处理。挖掘典型的加密资产“比特币” 时需要进行庞大的计算。过去，这些计算由CPU（中央处理器）负责。不过，由于CPU的计算效率低，能够高速执行挖掘所需计算的GPU逐渐取而代之。

GPU的问题在于功耗极大，也就是电力效率低下。为了解决这一问题，能够以较低功耗进行高效挖掘的ASIC应运而生。如今，比特币挖掘基本上只使用ASIC。

AI芯片可能也会经历与此类似的变迁。过去，AI也是由CPU负责进行计算。由于GPU能够高速执行AI计算，因此逐渐取代了CPU。在AI领域，GPU的功耗也是一大问题，因此，ASIC迟早会成为主流。

图： 加密资产挖掘用芯片的变迁

从CPU变迁至GPU、ASIC的历程

新型“ASIC”接连问世

让我们具体了解一下AI芯片。首先，在GPU领域，英伟达目前占有压倒性的份额。虽然比英伟达略逊一筹，但美国超威半导体（AMD）的GPU份额也在稳步增长。

另一方面，面向AI的ASIC则正在由多家企业推进开发。首先，大型云服务运营商正在开发AI芯片，以便在自身的云服务中实现AI处理。美国谷歌的“张量处理单元（TPU，Tensor Processing Unit）”就是这一领域的开创者。谷歌云部门负责AI基础设施等事务的副总裁兼总经理Mark Lohmeyer表示：“我们从大约10年前开始开发TPU，目前已是第六代”。

另一方面，美国亚马逊云科技(AWS，Amazon Web Services)的AI芯片分为用于训练的“Trainium”和用于推理的“Inferentia”。训练指的是开发生成AI的基础模型所需的学习，而推理则是指使用完成训练的基础模型。训练作为过程的一部分，包含推理，通常比推理需要更多的计算。不过，AWS也推出了使用Trainium进行快速推理的用途。

日本企业也在相关领域展现出存在感。软银集团2024年7月宣布收购了开发AI芯片的英国Graphcore。

日本AI技术公司Preferred Networks（PFN）开发出了同时面向训练和推理的“MN-Core 2”，2024年已开始向其他企业提供。另外，该公司还开始开发专注于快速推理的“MN-Core L1000”。PFN的AI计算本部本部长小仓崇浩表示：“这是一个大幅提高妨碍推理性能提高的内存带宽的产品，目标是在2026年（向企业）提供。”

名为EdgeCortix的公司则专注于嵌入式设备和边缘计算中的推理。该公司计划在2025年初开始正式量产AI芯片“SAKURA-II”。创始人兼首席执行官（CEO）Sakyasingha Dasgupta表示：“这是高性能且低功耗，专门针对边缘计算的产品”。