角逐赛之下,AI芯片大模型算力瓶颈突围迫在眉睫

来源:爱集微 #AI# #芯片#
1.8w

集微网报道 从百花齐放到群雄环伺,从资本追捧到热度降温,快速奔跑的AI芯片产业正日渐向硬件提出更高要求。

机构预测,2025年中国人工智能核心产业市场规模将达到4000亿元人民币,其中基础层芯片及相关技术的市场规模约1740亿元。同时,随着大算力中心的增加以及终端应用的逐步落地,中国AI芯片需求也持续上涨。

身处以存储为中心的AI时代,随着人工智能市场的热度渐高,智能手机、平板电脑、汽车等市场都需要不同算力,加之大模型走向产业落地,均意味着大算力的AI芯片随即进入角逐赛。随之而来的就是AI大模型算力瓶颈待解,而且在技术追赶的过程中,如何在创新中生存并发展,更是企业需要直视的方向。

AI大模型算力瓶颈何解?

当前智能计算呈现出从提高性能到降低能耗、从计算密集型到数据密集型、从结构化数据到半结构化或非结构化数据的发展趋势。而随着AI技术逐渐进入软件与硬件并进的时代,更是对硬件提出更高算力、高并行、低功耗等需求。

与此同时,在AI时代之下,传统CMOS芯片也面临着诸多挑战。北京大学集成电路学院院长蔡一茂认为,一方面是器件程度的瓶颈,由于器件本身支撑芯片制造的尺寸缩小,接近物理极限,也就是通常所说的摩尔定律面临失效的风险;其次是架构瓶颈,即计算与存储单元分离带来的数据交换存在存储墙和功耗墙问题。

第三则是能耗瓶颈,基于目前器件尺寸越小且密度越大的趋势,若产品功耗无法等比例缩小或大致缩小,那么其功耗便会面临较大问题。数据显示,预计到2040年,大数据1040次运算需要1027焦耳的能耗。此外,除了工艺之外,冯诺依曼等瓶颈可说是从底层上限制了神经网络和AI智能芯片的进一步发展。

他强调,芯片不仅仅是底层器件,还是SOC架构的创新。“存储器和先进封装技术是AI芯片的重要助推器,尤其是大容量、高速、高带宽的存储器是瓶颈,先进封装更是支撑AI芯片走向AI系统的基础。”

不过上述瓶颈有望在日后被突破。集微网了解到,当前AI芯片领域的存算一体架构创新方向,不仅获得了业界资本的频频投资,更使得AI算力能效提升数倍,有望突破传统算力瓶颈。

相较传统计算架构,存算一体架构可实现百万、千万级并行计算,这就意味着可将AI算力的能效提升至多到数十倍,也具备了更高能效和更大算力。

然而这一方向也并非全无瑕疵,根据亿铸科技创始人、董事长兼CEO熊大鹏介绍,目前实现存算一体架构主要通过模拟、数模两种方式,其中,模拟能够提高两个数量级以上的能效比,数模混合能部分解决精度问题,“不过这两种方式会牺牲部分精度,同时数模、模数转换会带来能耗、面积和性能瓶颈。”

创新中求发展

随着人工智能市场的热度渐高,智能手机、平板电脑、汽车等市场都需要不同算力,加之大模型走向产业落地,均意味着大算力的AI芯片随即进入角逐赛,进一步来看,后摩尔时代也无疑对国内芯片企业提出更高要求。

在AI芯片受限于摩尔定律,硬件升级逼近物理极限的当下,如何处理AI大模型算力瓶颈的难题迫在眉睫。那么在构建大算力芯片的过程中,芯片公司从技术创新到产业落地转化主要面临着哪些挑战,在自主创新的道路上又该如何构建相应护城河?

天数智芯CTO吕坚平认为,主要是下端技术通用、芯片的稳定度和功耗,以及集群管理。“从客户需求而言,当下智算中心的底层算力目的就是能够适配当前、未来以及最新算法,因此除了高算力之外,通用性亦非常重要。”除此之外,芯片出货后的稳定度、能耗等多维度效能指标,以及做好统一、可视化的集群管理也必不可少。

在技术追赶的过程中,企业不仅需要巨大创新投入,如何在创新中生存并发展,既是企业商业价值的体现,亦是投资人所关注的重点。

结合数据来看,2021年人工智能领域单笔投资规模呈上升趋势,AI芯片产业单笔融资均超亿元,全年人工智能芯片相关领域投资事件共有92起,总金额约300亿元。

从投资角度来看,对于大芯片赛道,和利资本董事总经理肖鹏更为看重核心团队在同类芯片的成功经验,团队的完整性以及团队配合的默契度,简言之“团队最重要”。尤其是技术门槛相对较低的小芯片赛道,不仅要考虑企业核心指标是否有10倍于竞争对手的优势,也要思考团队的缺点是否能够补上。

整体而言,在AI芯片需求持续上涨,行业竞争和业界投资热度飙升的背景下,这一领域所面临的器件、架构、能耗等瓶颈也日益凸显,尽管存算一体架构有望突破传统算力瓶颈,但随之带来的也是部分精度能耗、面积和性能的瓶颈。在道阻且长的技术追赶之路上,如何在创新中寻求发展,进而构筑起相应护城河,也就成为企业迫在眉睫的发展议题。(校对/Xiao wei)

责编: 徐志平
来源:爱集微 #AI# #芯片#
THE END

*此内容为集微网原创,著作权归集微网所有,爱集微,爱原创

关闭
加载

PDF 加载中...