自ChatGPT發(fā)布之后，AI開始出圈，我們都切實感受到了AI的能力。近年來，AI一方面在模型能力上不斷加速演進，在處理更復雜的語言任務方面變得更加有效；另一方面在應用領域逐步拓展，幫助專業(yè)人員在各自的垂直領域內提高生產效率。不僅于此，最近更是出現了“主權AI”的概念，這進一步上升到了國家安全的層次，各國也開始更加關注自己的AI基礎設施能力。
而對于我國而言，挑戰(zhàn)和機遇并存。我們有著豐富的應用場景和用戶數據，能夠實現AI率先落地實踐；但同時由于地域政治摩擦、芯片禁令的限制，迫使我們更需要構建自己的AI端到端生態(tài)，擁有底層AI芯片的能力。
近日，Gartner針對“中國企業(yè)突破人工智能芯片限制”這一話題召開了記者分享活動。 Gartner研究副總裁盛陵海（Roger Sheng）進行了精彩的分享。
AI時代到來，美國對中國的高性能AI芯片限制不斷加碼
為了在即將到來的AI時代保持技術主導權，近年來美國對中國AI領域的限制措施逐步升級，從最初的黑名單、禁令到現在的全面禁運和技術封鎖，涉及到多個層面，尤其是高性能計算和芯片制造領域。
【芯片禁運和限制】
美國政府早在幾年前就開始對中國的高科技企業(yè)實施限制，特別是針對芯片領域的出口禁令。2020年，美國出臺了針對人工智能芯片的禁令，直接影響了中國企業(yè)對高性能計算資源的獲取。為了應對這些限制，英偉達推出了專門為中國市場設計的 A800 和 H800 GPU，這些產品在原有 A100 和 H100 基礎上進行了性能削減以符合出口規(guī)定。例如，A800 和 H800 的通信帶寬被限制在 400 GB/s 以下，但它們仍保留了強大的計算能力，能夠滿足大多數 AI 和高性能計算需求。
然而，這些措施顯然不足以滿足美國的限制意圖。2022年，美國進一步降低了對高性能計算芯片的限制閾值，將禁令適用的性能上限設定為每秒 300 萬億次浮點運算（300 TFLOPS），幾乎等同于 A100 的水平。去年下半年，禁令范圍再次收緊，不僅限制總體計算性能，還開始關注單位芯片面積的性能密度，超過每平方毫米 370 GFLOPS 的芯片也被列入受限范圍。這些嚴格的限制措施，顯著打擊了中國在超級計算和 AI 訓練領域的進步能力。
【制造工藝和供應鏈的封鎖】
除了芯片本身的禁運，美國還在芯片制造工藝和供應鏈上進行嚴厲封鎖。高端芯片的制造依賴于先進的工藝和設備，例如 TSMC 等公司提供的 14nm 及以下的技術，這些技術對提升芯片的性能和降低能耗至關重要。美國的禁令禁止國際先進制造工藝向中國出口，這使得中國在追趕全球芯片制造技術水平上面臨巨大的挑戰(zhàn)。
同時，美國還禁止其公民參與中國的先進制造業(yè)設備相關領域，這直接打擊了中國吸引頂尖人才和技術的能力。例如，最近的一個案例顯示，中微公司的一位高管為了專注于中國的半導體設備制造，選擇了出售一部分股票，以支付美國的離境稅。這表明，即使在巨大的經濟和個人壓力下，中國的企業(yè)和個人仍在努力推進本土半導體制造技術的發(fā)展。
“從整體上來看，美國不斷地是在‘補漏洞’，中國這邊也是不斷地在看有沒有機會利用現有的資源打一些‘游擊戰(zhàn)’，當前是不斷地‘補漏洞’和‘打游擊戰(zhàn)’的狀況?！笔⒖偡窒淼?。
為了突破封鎖，中國企業(yè)和研究機構正在積極尋找應對之策，一方面努力發(fā)展自主創(chuàng)新技術，另一方面積極尋求國際合作和替代方案。對于中國的芯片廠商而言，即使當下提供的替代方案并不盡如人意，但唯有政府和企業(yè)堅定地選擇和支持，才能有機會獲得市場實踐，通過不斷地技術迭代來實現追趕。
當下國內產業(yè)變局和未來端側推理發(fā)展，給中國AI芯片廠商帶來新機遇
國內企業(yè)要在被封鎖的局面中構建AI基礎設施，可能有三種不同的選擇。第一是選擇本土供應商的替代方案。尤其是對于國內大型云服務商、政府機構和國有企業(yè)而言，長期受制的局面無法改變，必須尋找國產替代方案來保證國內的基礎關鍵民生、政務業(yè)務不會受到影響。而選擇本土供應商的替代方案，存在著訓練效率、性能受限和生態(tài)不完備的難題，要讓當前業(yè)務盡量平滑地遷移到新的國產替代平臺上，也有很多的額外工作量。
第二種選擇是選擇NVIDIA的降級方案，這對于互聯網公司、跨國公司和中小型企業(yè)可能是一個合適的選擇。優(yōu)點在于平臺成熟，缺點在于性能受限、價格較高。
第三種選擇是通過非官方渠道來使用NVIDIA的芯片。例如直接購買市場上的整機或直接進行算力租賃等。這種方式只適用于中小型公司，缺點也很明顯，就是沒有官方保障和技術支持。
從長期來看，掌握AI底層芯片能力，構建本土GenAI生態(tài)系統，是我們不得不走的道路。長期的局勢倒逼著我們的應用者必須要選擇國產的替代方案，來構建本地化的場景和應用；而對于本土芯片供應商而言，就一定要抓住這一機遇，從芯片底層做好主流大模型的適配，為開發(fā)者提供高效的開發(fā)體驗。
“不管如何的原因、怎么樣的原因，現在已經走到這一步上、大勢所趨吧?！笔⒖偪偨Y道。
在這種大變局的背景下，還有一個來自應用推動的重大機遇，中國芯片廠商必須要抓住。那就是根據Gartner推測，從2025年開始，云端的推理芯片需求將超越訓練芯片需求；而從2026年開始，隨著端側的AI能力也持續(xù)推動GenAI應用增長，所以端側的推理芯片需求也會越來越大。
從2024年OpenAI的幾次服務崩潰我們可以感知到，人們對于生成式AI的使用量和頻率越來越高，而隨著越來越多的人會去用這個生成式AI，必然在云端上的推理訴求、對算力的需求會不斷地、極速級地增加。而為了提高能效，降低云端的負載，有一部分的推理算力會遷移到端側來運行，那么端側AI能力將會被持續(xù)推高。
“就是設備端可以支持十億到一百億規(guī)模的模型，然后邊緣端它支持一百億到一千億的這個參數規(guī)模的大模型，它都可以實際來支持一定的企業(yè)或者個人的應用。所以這個從技術上，它其實也是可行的?！笔⒖偪偨Y道，“邊緣側和端側的生成式人工智能應用會從智能手機、電腦，不斷地擴散、到消費物聯網、智能家居，然后進一步到汽車上?！?
當前市場上主要的芯片制造商如高通、聯發(fā)科和英特爾等都在積極開發(fā)端側AI芯片，而我國的AI芯片廠商要如何抓住設備端和邊緣側的GenAI機遇？盛總強調了硬件標準化的重要性，為了更好地利用生成式AI的潛力，中國的芯片制造商應該考慮合作建立一個統一的標準，從而促進AI芯片的兼容性和軟件生態(tài)的發(fā)展。這樣的標準化不僅有助于技術的推進，還能簡化后續(xù)的軟件開發(fā)和生態(tài)系統建設。
“其實對照過去的歷史來看，我們現在的情況其實并不是非常糟?！笔⒖偺寡缘?，“中國的大模型，其實現在也不會差到哪里去。我們還是要根據過去的這樣一個歷史借鑒，從‘一無所有’再到‘自主研發(fā)’，一定要有這個堅定的信心，我們才能把AI芯片這個事情、AI產業(yè)能夠搞起來。”
下載文檔
