從英偉達到博通，AI行業(yè)“范式大轉(zhuǎn)變”

慕天青 2024-12-17 相關科技 40 次瀏覽 0個評論

　　來源：硬AI

　　隨著AI大模型從預訓練階段轉(zhuǎn)向邏輯推理階段，以ASIC為代表的專用芯片可能將逐步取代以GPU為代表的通用芯片，成為各大AI公司的“新寵”。分析稱，如果博通CEO對ASIC市場的預測準確，未來三年博通ASIC相關的AI業(yè)務有望實現(xiàn)每年翻倍增長。

　　上周五晚美股市場驚現(xiàn)“買博通、賣英偉達”：博通（broadcom）股價大漲27%，創(chuàng)下歷史最高單日漲幅，公司市值突破1萬億美元，同時芯片龍頭英偉達股價錄得3.3%的下跌。

　　引爆買盤的導火索來自博通CEO Hock Tan在當天業(yè)績會上的大膽預測：2027年市場對定制款AI芯片ASIC的需求規(guī)模將達600億至900億美元。

　　有分析指出，這個數(shù)據(jù)如果實現(xiàn)，意味著未來三年（2025-2027年），博通ASIC相關的AI業(yè)務將實現(xiàn)每年翻倍增長，這大幅提升了市場對于ASIC的預期，可能意味著ASIC有望迎來爆發(fā)期。

　　數(shù)據(jù)枯竭、邊際效益遞減……大模型從訓練轉(zhuǎn)向推理

　　作為AI模型的第一階段，預訓練是個不斷給模型“喂”數(shù)據(jù)并不斷迭代更新的過程。

　　為了提升模型性能，秉持著數(shù)據(jù)量、計算量和模型參數(shù)量規(guī)模越大越好（即Scaling law）的原則，各大科技巨頭紛紛哄搶當前市面上性能最為強悍的英偉達GPU，讓囤積的GPU數(shù)量給AI模型效用“做擔?！?。

　　然而，高強度、大規(guī)模的模型訓練正在“榨干”全球數(shù)據(jù)庫，并且模型擴展邊際效益遞減的同時算力成本仍然高企，這引發(fā)了對AI訓練階段是否已經(jīng)即將終結(jié)的討論。

　　近日，前OpenAI聯(lián)合創(chuàng)始人、SSI創(chuàng)始人Ilya Sutskever在NeurIPS 2024大會上發(fā)表演講時表示，預訓練時代即將結(jié)束，數(shù)據(jù)作為AI的化石燃料是有限的，目前用于AI預訓練的數(shù)據(jù)已經(jīng)達到了峰值。

　　OpenAI大神Noam Brown也于近日回應稱，AI從2019年到現(xiàn)在，難以置信的成就都來自于數(shù)據(jù)和算力規(guī)模的擴大，但大語言模型仍然無法解決像井字棋這樣的簡單問題。

　　隨之而來的問題是：Is Scaling is All you Need？我們真的還需要再消耗更高的成本來訓練更好的AI嗎？

　　外界的目光開始移至AI大模型的下一階段——邏輯推理。

　　作為大模型預訓練的下一階段，邏輯推理是指基于現(xiàn)有大模型，開發(fā)AI在各細分垂直領域的應用以實現(xiàn)終端落地。

　　從市面上的大模型產(chǎn)品看，包括谷歌的Gemini 2.0、OpenAI的o1等在內(nèi)，AI Agent（智能體）目前已經(jīng)成為了各大公司的主攻方向之一。

　　隨著AI大模型日趨成熟，有觀點認為，以ASIC（專用集成電路）為代表的推理芯片將逐步取代以GPU為代表的訓練芯片，成為各大AI公司的“新寵”。

　　而博通CEO對ASIC市場的樂觀預期在一定程度上印證了外界對AI范式轉(zhuǎn)向的預期，進而引發(fā)了上周五的股價暴漲。

　　ASIC是什么？比GPU更“專一”

　　半導體大致可以分為標準半導體和專用集成電路（ASIC）。標準半導體擁有標準化規(guī)格，只要滿足基本要求，就可以應用于任何電子設備，而ASIC則是半導體制造商根據(jù)特定產(chǎn)品要求生產(chǎn)的半導體。

　　因此，ASIC一般會被應用于特定設計和制造的設備中，執(zhí)行必要的功能。

　　AI運算也就由此衍生出兩條路徑：一種是英偉達GPU代表的通用路徑，適合通用高性能計算，另一種是ASIC定制芯片為代表的專用路徑。

　　作為標準半導體成品，GPU在處理大規(guī)模并行計算任務時表現(xiàn)出色，但當處理大規(guī)模矩陣乘法時，存在內(nèi)存墻問題，而經(jīng)過特殊設計的ASIC就可以解決這個問題，一旦大規(guī)模量產(chǎn)，ASIC的性價比會更高。