ChatGPT搅动AI芯片的“一池春水”

ChatGPT最近有多火，下面这张图说明一切。最近所有的媒体都在研究报道这玩意，连带着资本市场都被搅动，A股的ChatGPT概念股也节节攀升。

ChatGPT是什么以及它的发展历程，相信各位老铁们都已经很清楚，杰哥便不再赘述。大家都知道，杰哥是做AI芯片的，ChatGPT与杰哥的职业发展可谓是息息相关。今天杰哥想研究一下ChatGPT与AI芯片之间的关系。

有数据表明，ChatGPT训练需要消耗的算力大约为3640PF-days。也就是说，每秒运算一千万亿次的话需要运行3640天。假设我们有一个500P算力 (每秒可以进行500千万亿次运算) 的超算中心，完成ChatGPT训练需要花费7到8天时间。如果我们有7到8个这样的超算中心并行运算，完成训练就只需要花费1天时间。

参考近期超算中心的建设投资规模，一个算力约500P的超算中心总投资约为30亿人民币。要支撑ChatGPT的运行，至少需要7到8个这样的数据中心。也就是说，对于ChatGPT来说光基础设施的投入就要两百亿以上。

作为一家创业公司，OpenAI选择的还是一种相对轻快的数据存储和运行方法——上云。目前ChatGPT的训练都是基于微软的超算基础设施完成的。微软的超算设施主要是由英伟达V100和A100 GPU组成的高带宽集群。后续应该会升级到性能更强大的英伟达H100 GPU计算集群。

2023年1月23日，微软宣布向OpenAI追加100亿美元的投资，以支持其在ChatGPT领域的开发与拓展。2月3日，谷歌向人工智能初创公司Anthropic AI投资约4亿美元，后者正在测试ChatGPT的竞品Claude。ChatGPT背后巨大的算力需求将会给高性能计算领域带来巨大的市场需求，这其中收益最大的当属以英伟达为代表的云端AI芯片企业。

ChatGPT背后的AI芯片

英伟达目前能支持ChatGPT运行的主要产品有V100、A100和T100三个系列。同样的，国产AI芯片也拥有训练能力，也可以支持ChatGPT的运行。代表产品有寒武纪思元290、壁仞科技BR100、燧原科技的邃思2.0以及百度昆仑芯2代等。

1英伟达V100/A100/H100

V100：单颗芯片可以提供125TFLOPS的算力 (以FP16计算) ，可以使用新一代 NVIDIA NVLink技术以高达 300 GB/s 的速度连接多个 V100 GPU，从而打造出功能极其强大的计算服务器。

A100：单颗芯片可以提供624TFLOPS的算力 (以FP16计算) ，与 NVIDIA NVLink、NVIDIA NVSwitch、PCIe 4.0、NVIDIA InfiniBand和NVIDIA Magnum IO SDK 结合使用时，它能扩展到数千个A100 GPU。2048个A100 GPU可在一分钟内成规模地处理 BERT之类的训练工作负载，这是非常快速的解决问题速度。

H100：单颗芯片可以提供2000TFLOPS=2PFLOPS的算力 (以FP16计算) ，使用 NVIDIA NVLink Switch系统，可连接多达256个 H100来加速百亿亿级 (Exascale)工作负载，另外可通过专用的 Transformer引擎来处理万亿参数语言模型。与上一代产品相比，H100 的综合技术创新可以将大型语言模型的速度提高30倍，从而提供业界领先的对话式AI。

2寒武纪思元290

思元290：单颗芯片可以提供256TOPS (以INT16计算)，寒武纪玄思1000智能加速器整机在2U机箱内集成了4颗思元290智能芯片，最大可实现1PetaOPS (以INT16计算) AI算力。目前寒武纪思元290芯片的下一代产品还在研发中，根据公开信息，算力预计与英伟达A100相当。

3壁仞科技BR100

BR100：单颗芯片可以提供960TFLOPS(以FP16计算)，最高可以实现8张卡全互连。其组成的性能强大的海玄服务器，可以实现单节点峰值浮点算力达到 8PFLOPS(每秒8000万亿次运算)。

4燧原科技邃思2.0

邃思2.0：单颗芯片可以提供128TFLOPS(以FP16计算)，云燧智算集群搭载多个邃思2.0芯片，在典型配置下每个单元可以实现8PFLOPS AI算力，并且支持按需横向扩容，可支持超千卡规模集群。

5百度昆仑芯2代

昆仑芯2代：单颗芯片可以提供256TOPS@INT8或者128 TFLOPS@FP16的算力。搭载8个昆仑芯2代芯片的AI服务器，单机可提供高达1PFLOPS的AI算力和256G显存。基于多芯片间高速互联K-Link技术，可构建大规模并行计算集群、支持超大型模型训练和推理的需求。

总结下来，国产AI芯片与英伟达产品的差距在硬件性能上差距不大，基本上也就是半代到一代之间的差距。例如寒武纪和壁仞科技的最新款云端训练芯片思元590和BR100在算力都接近甚至超过英伟达A100，但是要落后于英伟达下一代产品H100。所以，国内发展类似于ChatGPT这样的机器人模型在硬件支持上是具备国产化的条件的。

国内高性能计算AI芯片的发展在硬件上与国外顶尖企业的差距其实并不大，反而在软件生态上的差距很大。国内AI芯片企业要真正达到国外巨头的水平，还有很长的路要走。