人工智能浪潮席卷全球,算力需求激增,推动着AI芯片市场持续升温。然而,随着大模型进入“下半场”,AI芯片的竞争格局正悄然发生变化。
曾经的霸主英伟达GPU,如今面临着来自专用集成电路(ASIC)的挑战。预训练时代的逐渐落幕,推理时代的全面开启,是否预示着ASIC的黄金时代即将到来?
大模型发展拐点:从训练到推理过去几年,AI模型的发展主要集中在预训练阶段,即通过海量数据对模型进行训练,以提升其性能。这一阶段,对算力的要求极高,英伟达GPU凭借其强大的并行计算能力,成为了AI训练的首选芯片。
然而,预训练并非没有瓶颈。前OpenAI联合创始人Ilya Sutskever指出,预训练时代即将结束,数据作为AI的“化石燃料”是有限的,当前用于AI预训练的数据已经达到峰值。
此外,模型扩展的边际效益递减,而算力成本仍然居高不下,这些都促使人们开始思考AI训练阶段的未来。
与此同时,AI大模型的下一阶段——逻辑推理,正逐渐成为新的焦点。逻辑推理是指基于现有大模型,开发AI在各细分垂直领域的应用,以实现终端落地。
从谷歌的Gemini 2.0到OpenAI的GPT系列,AI Agent(智能体)已经成为各大公司的主攻方向。与预训练不同,推理阶段更注重模型的应用和效率,对芯片的要求也发生了变化。
ASIC作为一种专用芯片,在处理特定任务时,能够实现更高的处理速度和更低的能耗,因此更适用于推理端边缘计算。
ASIC vs GPU:各有所长GPU作为一种通用芯片,在处理大规模并行计算任务时表现出色。然而,在处理大规模矩阵乘法时,GPU存在“内存墙”问题,限制了其性能的进一步提升。
相比之下,ASIC经过特殊设计,可以针对特定算法进行优化,从而克服GPU的局限性。此外,一旦大规模量产,ASIC的性价比也会更高。
当然,GPU也有其优势。目前GPU产品成熟,产业链完善,能够快速满足市场需求。而ASIC的开发周期较长,需要根据具体的应用场景进行定制,前期投入较大。
然而,随着AI推理需求的增长,以及ASIC技术的不断进步,ASIC的市场份额有望逐步扩大。
科技巨头押注ASIC:定制芯片成“摇钱树”由于GPU产能趋紧且价格昂贵,越来越多的科技巨头开始加入自研ASIC芯片的队伍。谷歌、亚马逊、微软、Meta、特斯拉等公司都推出了自己的ASIC芯片,以满足自身AI推理的需求。
为这些科技巨头定制AI芯片,成为了迈威尔和博通等芯片制造商的“摇钱树”。迈威尔CEO Matt Murphy早在2016年就将公司战略重心转向为科技巨头定制芯片,成功抓住了AI浪潮的机遇。博通也凭借其定制芯片业务,在AI市场上获得了可观的收入。
投资方向和建议AI芯片市场的竞争日趋激烈,投资者需要密切关注行业动态,把握投资机会。以下是一些投资方向和建议:
关注ASIC芯片的发展: 随着推理时代的到来,ASIC芯片的市场前景广阔。投资者可以关注ASIC芯片设计公司、制造商以及相关产业链上的企业。关注科技巨头的自研芯片: 科技巨头在AI芯片领域的布局,将对市场格局产生重要影响。投资者可以关注这些公司的自研芯片进展,以及与之合作的芯片制造商。关注边缘计算: 边缘计算是AI推理的重要应用场景,对低功耗、高性能的ASIC芯片需求旺盛。投资者可以关注边缘计算领域的芯片厂商和应用服务提供商。谨慎投资GPU: 尽管GPU仍然是AI训练的主流芯片,但其市场份额可能受到ASIC的挤压。投资者需要谨慎评估GPU厂商的未来发展潜力。经济理论基础ASIC的崛起,体现了规模经济和范围经济的原理。ASIC的定制化设计,使其能够针对特定应用场景实现更高的效率,从而降低单位成本,体现了规模经济。同时,ASIC的应用范围不断扩大,从云端数据中心到边缘设备,也体现了范围经济的优势。