全球AI芯片之战：芯片全景分析与市场布局
本帖最后由 hdy 于 2025-5-29 00:50 编辑近年来美国芯片出口管制政策持续加码，英伟达主力AI芯片出口中国大陆受限，且未来管制政策仍有进一步加码的可能。近年来美国不断加码对于高性能AI芯片的出口管制：1)2022年10月更新出口管理条例，提出总处理性能(TPP)和I/O带宽传输速率两大判断指标，禁止TPP不小于4800且I/O带宽不小于600GB/s的AI芯片向中国等地区出口，导致英伟达A100、H100等高端芯片出口受限；
2)2023年10月美国商务部再次更新出口管理条例，新增性能密度(PD)指标，并设置1.6、3.2和5.92三个门槛，A800、H800、RTX4090等芯片进入出口管制名单；3)2024年美国政府再次对出口管制条例进行修订，将管制范围从AI芯片扩大到所有搭载AI芯片的电子设备。今年4月9日，英伟达收到美国政府通知，即向中国(包括香港和澳门)出口的H20芯片也需要获得许可，4月14日，美国政府又通知英伟达该许可要求将无限延期。考虑到全球地缘政治风险的持续加剧，未来美国芯片出口管制政策仍存在进一步收紧的可能。英伟达推出的中国特供版AI芯片H20自2024年以来在国内市场仍占据较高份额。虽然H20的训练算力只有H100的15%左右，但其在CUDA生态、通信互联等方面相较于其他AI芯片仍具备显著优势，其中英伟达CUDA生态为开发者提供了全面的并行计算框架和高效的卷积操作，支持高效的深度学习模型训练和推理，国内大模型开发者切换到其他生态具备较高的转换成本。同时，H20保留了H200完整的NVLink和PCle带宽性能，NVLink互联带宽可达900GB/s,PCle双向带宽可达128GB/s,在组建大规模GPU集群方面优势显著;此外，相比于H100,H20还增配了HBM3显存容量(96GB)和带宽(4.0TB/s),能够加速模型推理过程中的Decode阶段，导致H20的推理性能优于H100,甚至接近H200。因此，短期内H20在国内市场仍占据较高份额。
AI芯片分为GPGPU、FPGA和ASIC三大阵营，国产芯片厂商以GPGPU和ASIC阵营为主。1)GPGPU:具有通用性强的特点，广泛应用于图像处理、AI训练等领域，可支持多种数据类型的运算，英伟达、AMD均采用GPGPU架构。国产代表厂商包括海光信息、壁仞科技、摩尔线程等，这类厂商核心技术团队大多具备AMD、英伟达等国际芯片大厂背景；2)ASIC:具有定制化、专用性强的特点，通常应用于某些需求量较大的特定领域，目前海外的谷歌以及国内的百度、阿里等互联网大厂自研AI芯片大多采用ASIC架构，主要应用于自身业务场景，且华为昇腾、寒武纪等厂商也均采用ASIC架构；3)FPGA:属于半定制化芯片，具有功能可修改、一次性成本低但量产成本高的特点，适用于算法更新频繁或市场规模较小的专用领域，主要厂商包括海外的赛灵思、Altera以及国内的复旦微电子、紫光同创等。
近10年来国产AI芯片厂商快速涌现，同时互联网大厂均开始推出自研AI芯片以满足自身业务需求。其中：1)互联网大厂：包括阿里平头哥、百度昆仑芯等，互联网大厂自研芯片多强调推理性能，主要应用于满足自身业务场景，包括淘宝产品搜索及推荐、百度智能搜索、腾讯云游戏等；2)华为昇腾：2018年华为发布昇腾310和昇腾910,正式切入AI芯片领域，其中，昇腾310主打终端低功耗AI场景，采用12nm工艺，2018年便实现量产；昇腾910采用7nm工艺，可用于AI训练，于2019年正式上市。目前昇腾910系列的主力产品910B综合性能处于国产AI芯片第一梯队，并且910C正在加速生产中，而华为在4月10日合作伙伴大会上又发布了下一代的昇腾920芯片；3)AI芯片初创公司：包括海光信息、寒武纪、壁仞科技、摩尔线程、沐曦等，这类厂商于近10年成立，核心团队大多拥有英伟达、AMD等国内外芯片或IT大厂的技术背景，其中部分厂商自成立以来便专注于AI芯片研发，也有部分厂商此前从事CPU或其他芯片研发，近年开始切入AI芯片领域。
以华为昇腾、海光信息、寒武纪、昆仑芯为代表的国产AI芯片厂商正加速追赶英伟达，目前华为昇腾910B已经基本可对标A100,而新一代的910C也有望成为H100的有力竞争对手。目前华为在人工智能领域的量产芯片有昇腾310与昇腾910两款产品，华为在2019年推出昇腾910芯片，并在2023年推出了升级版昇腾910B。昇腾910B作为华为主力AI训练芯片，在单卡性能上可对标英伟达A100,其FP16稠密算力达到320 TFLOPS，超越A100的312 TFLOPS,与英伟达H20相比，910B在计算能力和能效比方面均表现出色，但在显存配置、GPU互联带宽方面目前仍存在差距，同时正在进行生产的910C的FP16稠密算力达到780TFLOPS,内存带宽为3.2TB/s,综合性能接近H100的80%。此外，华为基于384块910C发布了CloudMatrix 384超节点，在系统层面上与GB200 NVL72展开竞争，CloudMatrix 384包含12个计算机架和4个交换机机架，FP16稠密算力达300PFLOS，是GB200 NVL72的1.7倍，总内存容量和内存带宽也分别是GB200 NVL72的3.6倍和2.1倍，目前已通过昇**正式商用。
寒武纪、海光信息、昆仑芯处于国产AI芯片第一梯队，其新一代主力产品思元590芯片、深算三号、昆仑芯3代未来有望对英伟达H20形成替代。1)寒武纪：2020年寒武纪推出首款7nm训练芯片思原290,INT8算力达到512 TOPS,接近A100的624 TOPS(非稀疏化),2023年年底发布了590系列，综合性能进一步提升，接近A100的80%;2)海光信息：2021年推出深算一号，2023年三季度推出的深算二号性能相对于深算一号提升约100%,且下一代深算三号进展顺利；3)昆仑芯：2020年昆仑芯1代实现量产，主要用于百度搜索引擎、小度等业务，2021年量产的昆仑芯2代较1代性能提升2-3倍，并且百度已点亮基于新一代芯片昆仑芯3代组件的万卡集群。此外，摩尔线程、燧原科技、天数智芯等国产AI芯片厂商已有产品上市，并在部分场景中实现了批量应用。
国产AI芯片厂商目前主要通过兼容CUDA以及自研两种方式来构建生态。1)海光信息、壁仞科技、摩尔线程等厂商采用兼容CUDA生态的方式，一方面，这类厂商在硬件层面上大多采用与英伟达类似的GPGPU架构，另一方面，这类厂商投入研发具备较高转换质量的编译器，用于CUDA代码转译，因此能够降低CUDA迁移难度并减少效率损失。短期来看，通过兼容CUDA构建生态的优势在于能够实现CUDA应用的低成本迁移，从而使开发者在不改变使用习惯的情况下逐渐过渡为使用国产芯片；2)华为昇腾、寒武纪等厂商致力于构建自主生态，这类厂商会针对自身AI芯片的特性通过自研构建软件栈，以通过软硬件协同更好发挥芯片性能，同时自主可控程度也更高。但在短期内，自建生态难度较大，这类厂商也会通过编译器实现对CUDA的兼容。而由于这类厂商多采用ASIC架构，CUDA迁移难度相对较高，在一定程度到会导致更大的性能损失。
海光信息DTK开放软件平台封装了AMD的ROCm相关组件，能够高度兼容CUDA生态，同时，海光大量采用国际主流开源方案，较大程度上降低了生态拓展难度。AMD的ROCm框架借鉴了CUDA的许多设计理念，同时经过多年兼容经验积累，在软件库、编译器、API接口等主要模块上与CUDA的相似度非常高，因而ROCm对CUDA具有高度兼容性。而海光DTK软件平台封装了ROCm生态相关组件，并基于DCU硬件进行优化并提供完整的软件工具链，能够充分发挥ROCm高度兼容CUDA的优势，以更低成本将CUDA上运行的应用迁移到海光平台上运行。同时，海光DTK充分利用国际开源社区，MIOpen、Eigen、RCCL等软件库均为目前的主流开源方案，一方面能够降低软件开发工作量，提升用户吸引力，另一方面也方便用户进行二次开发，从而提升用户体验。
华为昇腾自研构建了全栈AI计算基础设施、行业应用及服务，包括昇腾系列硬件、CANN异构计算架构、MindSpore AI计算框架等，打造完整的国产化AI生态，并通过软硬件深度协同，充分发挥芯片性能。其中，CANN是华为专为昇腾AI处理器设计的核心软件层，对标英伟达CUDA架构。CANN于2018年9月推出，目前已迭代至8.0.0 alpha001版本，提供了超过1400个硬件亲和的高性能算子，可覆盖主流AI框架的算力加速需求，同时开放了自定义算子开发能力，满足开发者算法创新需求。CANN具有三大优势：1)提供用户友好型API,易于开发，2)计算效率、数据处理效率、训练效率较高，3)支持云边端全场景；而自研的AI框架昇思(MindSpore)在国内开发者中的使用率排名第四，仅次于三大第三方框架。目前昇腾生态已初具规模，收录了紫东太初、智谱天启等大模型，适用场景涵盖多模态等，同时，昇思社区用户已超过1220万，收藏项目超过2.86万。
页:
[1]
