现实更残酷！调查英伟达，意味着国产GPU自主了？或是一步险棋！一

原创飙叔科技洞察 2024-12-11 18:10

【有奖直播】深入学习Microchip时钟和全新单片机方案 【有奖直播】提升毫米波信号测试精度

12月9日，全球GPU巨头英伟达因涉嫌垄断被市场监管总局立案调查。消息放出，全网沸腾，似乎一夜之间国产GPU产业就崛起了。

然而现实或许更为残酷！

先一起聊聊飙叔身边一个现实案例，年初飙叔几个朋友做一个AI语音项目，主要是给小B端用户使用的。用的时候需要算力，可以是云算力也可以本地算力，但云算力长期使用显然成本更高，于是大部分用户使用的本地算力；要求用户本地算力的配置是英伟达独显3060以上。

当时与朋友交流的时候，就问是否可以用英特尔、AMD或其他的独显呢？他说不行，只能用英伟达的。原因就在于整个应用都是在英伟达CUDA上搭建的，只能运行英伟达的卡。

那是否可以不在CUDA平台上开发呢？朋友回答：不行，因为开发应用的接口是某个大厂的大模型，而大模型就是基于CUDA的，其他用不了。他继续补充说：用CUDA，这个小项目开发只需要2-3天时间基本产品雏形就可以出来了，接着就是功能优化；如果用其他一个能力不足，另外一个需要做的事情太多了，耗费的时间也很长。

但这就是现实！上述的小案例涉及到整个人工智能产业三个大的模块：硬件、软件系统（操作系统）以及整个AI生态。我们可以从这3个方面进行简单的剖析和对比。

第一模块：AI硬件层面——芯片设计、芯片制造及HBM！

一、国产AI芯片设计能力不差

人工智能硬件层面可以简单理解为我们通常说的GPU或AI芯片，这主要涉及的是AI芯片设计、AI芯片制造及部分核心部件等。

近年来，在国产AI芯片涌现了一批厂商，华为昇腾、壁仞科技、寒武纪、摩尔线程等是其中的代表；以龙头华为昇腾910为例，其浮点运算性能（FLOPS）方面达到256TFLOPS，已经能够支持主流大模型的训练需求。

昇腾910芯片采用的是7nm制程工艺，32核心自研达芬奇架构，算得上是顶级国产AI训练芯片了；相比目前应用最多的英伟达H100，其基于5nm Hopper架构，单卡算力超过1000TFLOPS。两者有差距，但也只是一代到一代半的差距，显然与英伟达最新的GB系列差距更大。

但其实单单从芯片设计来说，相信国产芯片厂商有能力设计出制程更先进，功能更强大的产品，只是受限于芯片制造环节，国产厂商不敢进行流片而已。

二、国产芯片制造能力有支撑

再就是AI芯片制造了，此前包括华为昇腾910、壁仞科技BR100芯片等一线AI芯片都是由台积电代工的；但美国新的限制政策，台积电或将无法再为国产AI芯片代工生产了。于是，国产AI芯片只能依靠国产晶圆代工厂了。

目前，中芯国际是国产代工厂中工艺最先进的，其14nm工艺已进入量产阶段，且正在快速推进N+1（接近7nm）工艺的研发。另外，华虹也是值得特别关注，其具备28nm制程的代工能力，并且良率和可靠性都较高。

相比英伟达最新产品3nm制程，在芯片制造环节国产AI芯片落后3代以上。但AI芯片有个特点，那就是其数量规模较小，相比电子消费品芯片（手机芯片）动则千万、上亿的需求规模，AI芯片主要用于数据中心其规模也就在千万级别。如以全球GPU市场为例，2023年英伟达的AI训练GPU出货量约为200万片，而整个高性能GPU市场的规模也不过千万片级别。

并且AI芯片B端需求为主，目标市场集中；因此，在AI芯片制造环节虽然差距不小，但在需求确定以及牺牲一些性能和成本的基础之上，国产半导体制造能力是可以支撑国产AI芯片生产需求的。

三、HBM，国产AI芯片致命坡脚

AI芯片除了上述设计能力和制造能力之外，还涉及一些核心部件，其中最主要的就是HBM（高带宽内存）技术和能力。

在AI训练和应用中，GPU的性能不仅取决于算力，更受制于数据吞吐能力。而HBM正是数据吞吐能力的核心，比如英伟达H100 GPU搭载的事HBM3内存，带宽高达3TB/s。

我们知道在一般使用电脑过程中，内存的一个主要作用就是可以加快打开网页或其他软件的速度，如果内存小，在打开多网页或多任务的时候电脑就会延迟。简单类比，HBM在AI训练和使用中的作用和电脑内存类似。

因此，在AI芯片中使用HBM内存处理大规模训练数据、加速模型收敛都起着至关的作用。当前，国产GPU大多仍采用传统的GDDR显存，在面对高强度AI训练场景，内存带宽成为最大的性能瓶颈。

更为致命的是，目前HBM技术被SK海力士、三星和美光三家高度垄断；国产HBM产品尚处于量产初期，虽然业界盛传：长鑫和长江存储下属武汉新芯在HBM上已经有了巨大突破；但目前根据业内人士预测，国产HBM预计在未来的2-3年才能量产。

因而，HBM技术和能力也成为国产AI芯片命门，成为一道必须迈过去的坎。

如上所述，在AI产业硬件层面，以14nm和7nm制程为基础，国产AI芯片设计和制造能力都基本可支撑国产AI产业发展的需求；但在一些核心部件上急需进一步突破。同时，由于AI芯片主要为B端市场的应用，并且数量规模相对较小的特征，又为国产AI产业打开了另一个方便之门——增加边际成本和适当的堆量！

关于第二模块：软件系统相关内容，明天继续分享！欢迎留言讨论！

登录阅读全文



免责声明：该内容由专栏作者授权发布或作者转载，目的在于传递更多信息，并不代表本网赞同其观点，本站亦不保证或承诺内容真实性等。若内容或图片侵犯您的权益，请及时联系本站删除。侵权投诉联系： nick.zong@aspencore.com！

飙叔科技洞察一起关注国产光刻机、国产芯片、国产半导体艰难突破之路；一起分享华为海思、华为鸿蒙等华为产业点点滴滴！

进入专栏

飙叔科技洞察一起关注国产光刻机、国产芯片、国产半导体艰难突破之路；一起分享华为海思、华为鸿蒙等华为产业点点滴滴！

文章：1857篇粉丝：5人

 私信

现实更残酷！调查英伟达，意味着国产GPU自主了？或是一步险棋！一

最近文章

热门文章

推荐

最新资讯