为适应人工智能（AI）应用，计算机芯片需更高效地执行大量并行计算任务。

刘霞

美国著名的人工智能研究机构OpenAI的首席执行官山姆·奥特曼和其他人认为人工智能（AI）将对全球经济产生深远的影响，并指出计算能力至关重要，特别是拥有强大的芯片供应能力。这类芯片在推动人工智能行业的发展方面发挥着至关重要的作用，它们直接影响着AI技术的进步和应用前景。

近期，《自然》杂志网站的一则报道指明，如今工人们正在全力研发高精尖芯片，来适应人工智能系统在未来发展对运算能力的要求。

GPU加快机器学习运算速度

图形处理器简称“GPU”英伟达公司的标志性产品。传统中央处理器按顺序执行指令，而GPU能够并行执行更多的指令，故可用于分布式训练，加速机器学习的计算过程。

在2022年中英伟达公司所拥有的Hopper超级芯片以其在机器学习基准测试中的卓越表现赢得了众多殊荣，在包括图像分类和语音识别在内的所有类别中都击败了竞争对手。MLPerf是一个国际上最权威、最有影响力的AI基准测试，被视为“AI界奥运会”。

今年3月英伟达推出了性能更强的最新一代人工智能处理器Blackwell。该处理器拥有2080亿个晶体管，这是英伟达首个采用多芯片封装设计的图形处理器。随着科技的发展GPU越来越庞大如果不能变大那就把更多的GPU组合在一起变成更大的虚拟GPU。Blackwell就是在同一个芯片上集成两个GPU新架构将会通过芯片与芯片间的连接技术一步步构建起更大规模的超算集群。

训练一个拥有1.8万亿个参数的GPT模型需要约8,000块Hopper芯片，而每一块Hopper芯片消耗约15兆瓦电力，历时3个月。使用Blackwell芯片则可以减少至2,000块，所需电能仅为4兆瓦，私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596并能在相同的时间内完成任务。

AI芯片市场需求持续攀升，英伟达占据了市场80%以上的份额。预计到今年年底，其可交付的Hopper系列芯片数将增长至55万块。近期该公司股价首次突破3万亿美元大关，一举超越苹果成为全球市值第二高的企业，仅次于微软排名全球第二。

多种类型的芯片开始出现

尽管GPU一直以来都是人工智能革新的核心，但它们并不是唯一的“主角”，随着AI应用的突飞猛进，AI芯片的数量也正在大量增加，在众多选项中，现场可编程门阵列（FPGA）可谓脱颖而出。

FPGA是一种广泛应用于计算和数字电路领域的硬件设备。由于其独特可编程性及高灵活性，使得它成为了嵌入式系统及高性能计算处理等众多应用的首选方案。

就像拼搭乐高积木一样，工程师可将各种FPGA电路结合到他们能设想的任何设计中，不论是用于检测洗衣机内传感器的传感器还是用于自动驾驶汽车AI的处理器。不过与拥有无法调整电路的AI芯片（如GPU）相比，FPGA运行速度慢且效率低。然而，FPGA非常适合处理一些任务，比如粒子对撞机产生的数据。英伟达加速计算集团产品营销总监戴维·萨尔瓦托表示，其易编程性使得原型设计更方便快捷。

张量处理单元(TPU)是由谷歌公司专门设计用于支持神经网络机器学习的专用芯片，专为矩阵运算和张量操作而准备。2016年TPU私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596首次推出时就作为TensorFlow深度学习框架的加速器，其目标在于提供低功耗、高效能的矩阵计算能力，并能满足大规模的机器学习和神经网络训练需求。在性能与能效之间取得了良好的平衡。它们的功率消耗相对较低，这对于大规模数据中心和移动设备来说至关重要。

此外，元宇宙平台也在自行研发芯片。谷歌、英特尔及高通成立了UXL基金会，以提供一套兼容多种AI加速器芯片的软硬件工具，以抗衡英伟达的图形处理器(GPU)技术。

当然，尽管AI芯片的发展已导致传统的CPU面临挑战，但是它们并未就此终结相反，GPU与传统CPU携手并进成为了当前发展的大势所趋。例如，已经存在一款名为Blackwell的芯片版本，它就很好地展示了如何将传统CPU与GPU相结合；另外“前沿”超级计算机——目前世界上最强的超级计算机之一——是依靠CPU和GPU结合来执行高性能计算的。

鉴于过去的十年里，半导体行业发生了巨大的变革，因此对于未来的研发方向，工程师可能难以准确地预见。在不久的将来，可能会出现使用非电子光波进行工作的光学芯片以及使用量子技术构建的计算芯片，进而促进AI在科研领域的发展。