挑戰壟斷者，擺脫英偉達

朱秋雨

“這一定是很痛苦的……卻是不得不做的事。”在2023中國計算機大會上，談及國產AI算力是否應擺脫對國際的依賴，中科院計算所研究員崔慧敏說道。

在場的專家都點了頭。

那是在10月末的秋日沈陽。就在10天前，美國商務部工業和安全局（BIS）宣布重磅規定—對中國升級芯片出口管制。

規則制定者之一，美國商務部負責出口管理的助理部長西亞·肯德勒曾明確放話：“中國已投入大量資源開發超級計算的能力，力爭到2030年成為世界人工智能的領先者。”“我們的行動將保護美國的國家安全和外交政策利益，同時發出明確的信息，美國的技術領先地位關乎價值觀和創新。”

于是，10月17日，BIS的禁售令，將上述信號再度傳遞給中國。這則最嚴芯片出口令將于30天后生效，涵括三大方面：

一是將向中國禁售高性能芯片的標準改為“性能密度”。這一標準將更多AI芯片列入禁止出口名單中，英偉達、AMD、英特爾的產品均在列。

二是擴大了另外40多個國家出口的許可要求，以規避高性能AI芯片從海外其他地區輾轉到中國。

最后是將13家中國公司添加到“實體清單”。其中有兩家國產GPU企業，壁仞科技、摩爾線程。進入實體清單的公司，未來不得在臺積電等先進工廠生產芯片。

一紙新規讓如火如荼的AI大模型元年氣氛愈發緊張。AI芯片領域，全球格局已經是“一家獨大”。花旗研究分析師在今年7月預計，英偉達占據了AI 芯片市場“至少 90%”的份額。

“脫鉤”風云中，被“卡脖子”的國產芯片盡早突破英偉達，是現今中國業界的共識。用國家超算計天津中心首席科學家孟祥飛在上述大會的話說：“這不是一個可選項，而是一個必選項。”

問題是，有路嗎？怎么走？

被禁以后

無論從什么角度來說，英偉達高端芯片被禁，對多數中國AI創業者而言，都像被澆了一盆冷水。

“現在拿到卡了就是大爺。”10月，一位不愿具名的清華大學計算機教授在私下交流時說道。

一切源于OpenAI率先開啟的“暴力美學”—大模型需要至少千億級參數歷練才能涌現智能。成本、計算速度和節能等因素，都催促著慢人一步的中國AI公司，使用最先進的AI芯片。

如果按照部署位置分類，基于深度學習的AI芯片大致有兩類：一是部署在邊緣側的芯片。也就是位于產品終端，比如，在一輛自動駕駛汽車里。

這些終端芯片基于訓練好的模型進行實時推理、決策，強調實時性。騰訊、Meta推出的自研芯片，都是推理類型。

但當下更稀缺的，是技術門檻更高、部署在云端的芯片。它們的作用更基礎—訓練大模型，以期AI涌現出類似大學生的智能。

上海通信技術中心前CEO、著有《AI芯片：前沿技術與創新未來》的張臣雄告訴南風窗，自2014年深度學習算法在全球人工智能越加火熱以后，美國廠商英偉達推出的GPU獲得了巨大市場空間。

一切都是來自技術上的恰好契合：盡管深度學習算法擁有復雜的結構，但這些結構大部分的運算和處理都與一個東西有關—矩陣乘法。

恰好，英偉達此前用于渲染圖像、游戲的GPU，尤其擅長矩陣和矩陣的乘法。張臣雄介紹，正是因為發現了GPU的這個特性，從此英偉達逐漸迭代產品，開發出多款適用于AI訓練的芯片。

更重要的是，相比于通用型的芯片CPU（中央處理器），英偉達的GPU還完美契合了深度神經網絡（DNN）并行計算的特性。不同于CPU按順序進行計算，GPU有著大量并行架構的設計。這與DNN在訓練和推理過程要進行大量獨立的、同時進行的矩陣乘法的操作不謀而合。

據南風窗統計，截至2023年11月，明確對外稱有訓練AI大模型能力的中國芯片公司在個位數。

也因此，基于深度神經網絡的大模型，中國公司對GPU的需求達到了頂峰。上海某信息科技公司生態合作副總監張迎告訴南風窗，從2023年上半年開始，英偉達高性能GPU已經在市面上極度短缺。他的公司早在6月訂購了十幾臺英偉達H800。

“稀缺啊，半年了到現在還沒拿到貨。”張迎說。

緊張的AI芯片供應以2022年為分界線。為了 “遏制中國實現在人工智能和先進計算領域的突破”，美國政府明確實行全面的芯片限制。2022年8月9日，美國總統拜登簽署《2022年芯片與科學法案》，要求接受補貼的美國廠商未來10年不得擴大在中國大陸的投資。

緊接著，8月31日，英偉達A100和H100、AMD MI250等AI芯片被禁銷往中國。

一年后，10月17日，美國商務部再度頒布最嚴出口令。其中，市場主流的7種英偉達AI芯片，包括特供給中國的A800、H800，都將在1個月后禁止出口中國。

禁運的AI芯片讓大模型創業大軍立刻感到“捉襟見肘”。“浙商證券”曾估算，長期來看，考慮國內5家頭部大模型廠商對標GPT-4模型的訓練需求，還額外需要13705臺A100、A800服務器。也就是對應近11萬張GPU。

11月7日，在北京提供AI算力的云廠商楊加在行業群興奮宣布，手上有17臺A100服務器出售。“現貨。”他強調。

這個在去年被美國列為禁止向中國出口的芯片，過往每張標價約1萬美元（合計7萬元）。中國市面上現在流行的A100，多為去年禁令前囤積，以非正規渠道流通。

如今，在楊加這里，包含8張顯卡、散熱器等整機服務器部署下來，售價高達190萬元。至于更高性能的H100，整機價格已經達到270萬-330萬區間。

“太夸張了。”幾個創業者聽到報價后感嘆。

追趕的玩家

大洋彼岸主動發起的“脫鉤”，讓中國AI企業和機構不得不面對赤裸的現實。抓緊提出以國產芯片和硬件為主的替代方案，成為唯一的選項。

事實上，近年我國的AI芯片賽道并不冷門。除了老牌的A股上市公司，比如做AI推理芯片的寒武紀，服務于軍事用途起家的景嘉微以外，興起的AI芯片公司還有兩類。一類是以華為、百度、騰訊為代表的大廠隊，還有一類是在過去6年加入的創業公司。

最新被BIS列入實體清單的中國公司摩爾線程、壁仞科技，便是兩家創立于2019年后的年輕公司。巧合的是，兩家公司創始人都有在美國芯片公司工作的背景，現在都將野心瞄準了制造高端GPU。

其中，摩爾線程的速度為外界稱奇。成立僅3年的時間內，該公司宣布量產了蘇堤、春曉、曲院三顆全功能GPU芯片。它同時發布了MUSA元計算統一系統架構，包括統一的編程模型、軟件運行庫、指令集架構和芯片架構，在AI計算領域表現突出。

百度孵化的昆侖芯也提出了一個不同于GPU、CPU的全新架構—XPU。據介紹，配備XPU的昆侖芯二代專為當前的AI場景設計。它不僅與文心一言及其他大模型適配，且有更多的AI加速單元，為大模型時代“高性價比的計算力產品”。

但這是國產玩家的少數。

據南風窗統計，截至2023年11月，明確對外稱有訓練AI大模型能力的中國芯片公司在個位數。其中包括大廠隊的華為昇騰，百度昆侖芯，以及創業公司天數智芯、燧原、摩爾線程、壁仞科技。

更多數的AI芯片廠家，例如騰訊、寒武紀、地平線、沐曦、登臨等，選擇入局技術門檻更低的AI推理芯片。

摩爾線程CEO張建中曾在受訪時解釋，造GPU芯片的難度很大，因為這是一個由短板決定的創新過程。

人才、資金、技術、產業鏈環環相扣，缺一不可，“就像打游戲打通關一樣”。

只是，即使暫時通關成為賽道的“王者”，還有更嚴峻的現實擺在面前。造出國產GPU是一回事，怎么讓企業替換已經在用的英偉達芯片，又是另一回事。

一位南京某云服務廠商告訴南風窗，為了鼓勵使用國產芯片，許多由政府組建的超算中心會被要求購買一定份額的國產芯片。“雖然買了國產，但用終歸還是英偉達好用。”

而據《財經十一人》報道，2023年6月，部分地方政府出資建設“數字經濟算力中心”時，曾向承建方提議，是否能采購一定數量國產AI芯片。但這家作為承建方的國資企業拒絕了，理由是，國產AI芯片相比英偉達的性能不足。

張臣雄對南風窗分析，造出訓練AI的GPU之所以難度更高，最難的還是GPU集群之中的通信和控制。

“把這么多的芯片連起來并行計算，那么如果沒有很好的設計，容易出現很多問題。”張臣雄說。

讓國產芯片在現實場景中跑起來后，將為后續迭代、完善技術提供豐富原料。此后，才會逐漸出現技術加速迭代的正向循環。

這也是很多國內AI大模型企業仍不敢大量使用國產GPU的一大原因。穩健、不出錯，看上去是一個基本的要求，背后卻需要成熟的軟硬件配套和反復迭代的技術。在創業進入“百模大戰”的極度緊張之際，有條件的公司都不希望將過多時間花在出錯和調試硬件問題上。

華為昇思MindSpore系統架構師蘇騰博士也在公開場合透露，當下訓練GPU集群的一大關鍵—確保高度可用。

“大家有參與過訓練大模型的話，都有體會，每個星期或者每隔兩三天，集群總要崩潰一次。”蘇騰說。因此，他的工作重點經常圍繞著提高大模型訓練過程的“可靠性”，以及“快速地將故障恢復”。

突圍護城河之路

好消息是，在使用國產硬件成為必選項的當下，有中國公司跑出來了。

華為昇騰910系列是其中被認為性能最為全面，同時使用程度也最高的國產GPU。科大訊飛創始人劉慶峰曾在8月透露，訊飛大模型接上了國產硬件。

“我特別高興地告訴大家，華為的GPU能力現在已經跟英偉達一樣，”劉慶峰說，“任正非高度重視，華為的三位董事到科大訊飛專班工作，現在已經把它做到了能對標英偉達的A100。”

11月7日，據路透社爆料，早在美國宣布出口禁令前，百度就在8月訂購了總價值4.5億元的共計1600個華為昇騰910B。

這顯然是國產芯片的一大勝利。

讓國產芯片在現實場景中跑起來后，將為后續迭代、完善技術提供豐富原料。此后，才會逐漸出現技術加速迭代的正向循環。

不過，業內人士都很清楚，這只是國產GPU進展的第一步。

這時維持審慎，是因為芯片的能力不止來自硬件，同時是軟件能力的體現。

英偉達過往20年的領先就在于此—這不是單純的硬件公司，而是由軟件定義的巨頭。

回到1993年，英偉達成立的1990年代，市面上有70多家做圖形渲染的公司。

轉機直到2006年出現。英偉達此后開發了一個名為CUDA的平臺。這個平臺首先由3000多個工程師合力編寫，接著，越來越多人加入。2023年，全球超過400萬開發者在CUDA生態里。

張臣雄對南風窗解釋，CUDA最大的作用，是為GPU提供了整套編程模型和編程語言。

更通俗地說，CUDA相當于一個編譯器。“程序員編了很多（軟件）程序，通過CUDA，能把它編譯成機器最底層的硬件語言，相當于中間翻譯。”

有了這個編譯器和編程語言，軟件工程師能高效地調試硬件，而不用重新從底層硬件進行更新，大大提升了效率。

CUDA的發明，讓英偉達驗證了俗語—“早起的鳥兒有蟲吃”。目前，世界上主流的深度學習框架都只與CUDA適配。就像蘋果系統內部的閉環生態，贏家通吃的局面也在AI芯片領域存在。

這也是當下中國AI芯片公司面臨的艱難抉擇：很多企業的代碼都是基于英偉達推出的運算平臺CUDA編程而寫的。如果要與英偉達完全脫鉤，換一個新的生態，就意味著要做大量代碼性遷移及改變，工程量巨大得難以想象。

逐漸打破被壟斷的生態，成為國產芯片公司在日益“脫鉤”的背景下努力的方向。

現在正處于國產芯片“被迫”獨立自主的關鍵期，這次，對我國而言更重要的是，走出長期的思維誤區。“一定要擺脫follow（跟隨）的習慣。”

2023年，以華為與百度為首的大廠，相比于推薦自己的底座大模型，都將更多的力氣放在了建立開發者生態之中。

蘇騰也在上述場合中提到了這一點。比起硬件上的發明，對華為來說，更難的在于迅速建立起生態。

“現在國際上很多新的算法和優化手段，總是在英偉達的GPU和CUDA上率先出現。”蘇騰透露。華為也會將CUDA的創新在昇騰的Mindspore上復現，并基于此做一些創新。

但是，他坦言，“我們自己所做的創新，相對于英偉達的整個生態來說，肯定是九牛一毛。”

這背后，關乎發展時間，關乎人才，也關乎創新的環境。

張臣雄分析，雖然起步慢，但中國的AI芯片“現在搞也來得及”。主要原因在于中國背靠巨大的市場。

“可以合力建立一個開放的生態系統，有很多家企業合起來做，使用開源的架構。”

他同時認為，現在正處于國產芯片“被迫”獨立自主的關鍵期，這次，對我國而言更重要的是，走出長期的思維誤區。

“一定要擺脫follow（跟隨）的習慣。”

他告訴南風窗，從發展歷史回看，英偉達的GPU一開始并非用于AI，而是用于圖形、游戲渲染。也就是說，制造AI芯片，遠不止做出GPU這一個解法。

模仿英偉達的產品未必等于可行，重要的是在研制AI芯片過程中找到前進的目標—滿足深度學習網絡的矩陣乘法和并行運算的需求。

好消息是，回溯歷史的芯片之戰，還有一個共同點：創新出現的一個重要動力，在于挑戰壟斷者。

處于下位者的公司，往往有強動力奮起直追，改變壟斷者控制的游戲規則。這是ARM、AMD、蘋果等等巨頭在研制芯片的故事。

這注定是充滿痛苦且有曲折的路。但一切正如美國經濟歷史學家克里斯·米勒在《芯片戰爭》所描述的那樣：“戰爭會改變我們，不要辜負這場戰爭。”

（文中楊加為化名）