英偉達(dá)獨霸時代結(jié)束了？在醞釀數(shù)年后，微軟的人工智能芯片或?qū)⒃谙聜€月露面。

10月6日，媒體援引知情人士消息稱，微軟計劃在下個月的年度開發(fā)者大會上推出首款為人工智能設(shè)計的芯片，來降低成本并減少對英偉達(dá)的依賴。

報道稱，微軟芯片用于數(shù)據(jù)中心服務(wù)器，為訓(xùn)練大語言模型（LLM）等軟件而設(shè)計，同時可支持推理，能為ChatGPT背后的所有AI軟件提供動力。

知情人士稱，微軟內(nèi)部仍在爭論是否會將這款芯片提供給微軟Azure云客戶，不過如果微軟自研芯片亮相開發(fā)者大會，這表明其正在試圖吸引未來云客戶的興趣。

運行ChatGPT的微軟數(shù)據(jù)中心服務(wù)器目前用了上萬塊英偉達(dá)A100 GPU，為云客戶提供先進(jìn)的LLM，包括OpenAI和Intuit，并支持微軟應(yīng)用程序中的一些列人工智能功能。

微軟希望其Athena芯片能夠與英偉達(dá)供不應(yīng)求的H100 GPU相媲美。 此前有消息爆出 ，微軟秘密組建的300人團(tuán)隊，在2019年時就開始研發(fā)一款名為"雅典娜"（Athena）的定制芯片。今年開始，微軟加快了推出專為LLM設(shè)計的AI芯片的時間軸。

媒體分析指出，在谷歌、微軟和亞馬遜的芯片大戰(zhàn)中，微軟一直處在落后的位置，在推出Athena后，微軟將基本趕上亞馬遜和谷歌。


想逐步擺脫英偉達(dá)？

為了發(fā)展ChatGPT，微軟已經(jīng)搶購了不少GPU，隨著算力需求的增加，微軟在后續(xù)或許需要更多的芯片支持。如果一如既往地購買英偉達(dá)GPU，這對微軟來說將是一筆昂貴的支出，于是，對于微軟的自研AI芯片市場上出現(xiàn)了更多探討。

根據(jù)最初的計劃，“雅典娜”會使用臺積電的5nm工藝打造，預(yù)計可以將每顆芯片的成本降低1/3。如果在明年能夠大面積實裝，微軟內(nèi)部和OpenAI的團(tuán)隊便可以借助「雅典娜」同時完成模型的訓(xùn)練和推理。這樣一來，就可以極大地緩解專用計算機(jī)緊缺的問題。

據(jù)報道，微軟認(rèn)為自己的 AI 芯片并不能直接替代英偉達(dá)的芯片，但隨著微軟繼續(xù)推動在Bing、Office、GitHub和其他地方推出AI 驅(qū)動的功能，自研芯片可能會大幅削減成本。

研究公司 SemiAnalysis 的分析師Dylan Patel指出，如果Athena具有競爭力，與英偉達(dá)的產(chǎn)品相比，它可以將每芯片的成本降低三分之一。

OpenAI：這兩家，我都不想要

對于OpenAI來說，能同時減少對微軟和英偉達(dá)芯片的依賴，顯然是最好的。

據(jù)OpenAI網(wǎng)站上的幾則招聘信息顯示，公司正在招聘能夠幫助其評估和共同設(shè)計AI硬件的人員。路透社也報道，OpenAI正在計劃下場生產(chǎn)自己的AI芯片。此前，CEO Sam Altman曾將獲得更多AI芯片作為公司的首要任務(wù)。

一方面，OpenAI所需的GPU十分短缺，另外，運行這些硬件時產(chǎn)生的成本「令人瞠目結(jié)舌」。如果算力成本一直居高不下，長遠(yuǎn)來看于整個AI行業(yè)來說可能并不是一個好消息。

畢竟如果掘金的「鏟子」賣的比金子本身都貴，那么還會有人去做挖金子的人嗎？

根據(jù)Stacy Rasgon的分析，ChatGPT每次查詢大約需要4美分。如果ChatGPT的查詢量增長到谷歌搜索規(guī)模的十分之一，那么就將需要價值約481億美元的GPU，并且每年需要價值約160億美元的芯片來維持運行。

目前還不清楚OpenAI是否會推進(jìn)定制芯片的計劃。

據(jù)業(yè)內(nèi)資深人士分析，這將是一項投資巨大的戰(zhàn)略舉措，其中每年的成本可能高達(dá)數(shù)億美元。而且，即使OpenAI將資源投入到這項任務(wù)中，也不能保證成功。除了完全的自研之外，還有一種選擇是像亞馬遜在2015年收購Annapurna Labs那樣，收購一家芯片公司。據(jù)一位知情人士透露，OpenAI已經(jīng)考慮過這條路，并對潛在的收購目標(biāo)進(jìn)行了盡職調(diào)查。

但即使OpenAI繼續(xù)推進(jìn)定制芯片計劃（包括收購），這項工作也可能需要數(shù)年時間。在此期間，OpenAI還是將依賴于英偉達(dá)和AMD等GPU供應(yīng)商。

因為就算強如蘋果，在2007年收購了P.A. Semi和Intristy，到2010年推出第一款芯片A4，也經(jīng)歷了3年的時間。而OpenAI，自己本身都還是一家初創(chuàng)公司，這個過程也許走得會更加艱難。而且英偉達(dá)GPU最重要的護(hù)城河，就是它基于CUDA的軟硬件生態(tài)的積累。

OpenAI不但要能設(shè)計出性能上不落后的硬件，還要在軟硬件協(xié)同方面趕超CUDA，絕對不是一件容易的事情。

但是，另一方面，OpenAI做芯片也有自己獨特的優(yōu)勢。

OpenAI要做的芯片，不需要向其他巨頭推出的芯片一樣，服務(wù)于整個AI行業(yè)。他只需滿足自己對模型訓(xùn)練的理解和需求，為自己定制化的設(shè)計一款A(yù)I芯片。這和谷歌、亞馬遜這種將自己的AI芯片放在云端提供給第三方使用的芯片會有很大的不同，因為幾乎不用考慮兼容性的問題。這樣就能在設(shè)計層面讓芯片能更高效地執(zhí)行Transformer模型和相關(guān)的軟件棧。

而且，OpenAI在模型訓(xùn)練方面的領(lǐng)先優(yōu)勢和規(guī)劃，能讓它真正做到在未來把模型訓(xùn)練相關(guān)的硬件問題，用自己獨家設(shè)計的芯片來解決。

不用擔(dān)心自己的芯片在「滿足自己需要」的性能上，相比與英偉達(dá)這樣的行業(yè)巨頭會有后發(fā)劣勢。


都是成本的問題

設(shè)計自己的AI芯片，與英偉達(dá)直接「剛正面」如此之難，為什么巨頭們還要紛紛下場？

最直接的原因就是，英偉達(dá)的GPU太貴了！

加上云提供商在中間還要再賺一筆。這樣，包括OpenAI在內(nèi)，使用英偉達(dá)GPU+云提供商的基礎(chǔ)模型企業(yè)成本肯定居高不下。

有國外媒體算過這樣一筆賬：

現(xiàn)在，購買一個使用英偉達(dá)H100 GPU的人工智能訓(xùn)練集群，成本約為10億美元，其FP16運算能力約為20 exaflops（還不包括對矩陣乘法的稀疏性支持）。而在云上租用三年，則會使成本增加2.5倍。

這些成本包括了集群節(jié)點的網(wǎng)絡(luò)、計算和本地存儲，但不包括任何外部高容量和高性能文件系統(tǒng)存儲。購買一個基于Hopper H100的八GPU節(jié)點可能需要花費近30萬美元，其中還包括InfiniBand網(wǎng)絡(luò)（網(wǎng)卡、電纜和交換機(jī)）的分?jǐn)傎M用。

同樣的八GPU節(jié)點，在AWS上按需租用的價格為260萬美元，預(yù)留三年的價格為110萬美元，在微軟Azure和谷歌云上的價格可能也差不多。

因此，如果OpenAI能夠以低于50萬美元的單價（包括所有成本）構(gòu)建系統(tǒng)，那么它的成本將減少一半以上，同時還能掌握自己的「算力自由」。

將這些費用削減一半，在投入資源不變的情況下，OpenAI的模型規(guī)模就會擴(kuò)大一倍；如果成本能夠減少四分之三，則翻四倍。在模型規(guī)模每兩到三個月翻倍的市場中，這一點非常重要。

所以長遠(yuǎn)來看，也許任何一個有野心的AI大模型公司，都不得不面對的一個最基本問題就是——如何盡可能的降低算力成本。

而擺脫「金鏟子賣家」英偉達(dá)，使用自己的GPU，永遠(yuǎn)都是最有效的方法。