chatgpt爆火之后，谷歌和微软两巨头的ai大战战火，已经烧到了新的领域——服务器芯片。
如今，ai和云计算都成了必争之地，而芯片，也成为降低成本、赢得商业客户的关键。
原本，亚马逊、微软、谷歌这类大厂，都是以软件而闻名的，而现在，它们纷纷斥资数十亿美元，用于芯片开发和生产。
各大科技巨头研发的ai芯片
chatgpt爆火，大厂开启芯片争霸赛
根据外媒the information的报道以及其他来源，这三家大厂现在已经推出或计划发布8款服务器和ai芯片，用于内部产品开发、云服务器租赁或者二者兼有。
「如果你能制造出针对ai进行优化的硅，那前方等待你的将是巨大的胜利」，研究公司forrester的董事glenn o’donnell这样说。
付出这些巨大的努力，一定会得到回报吗？
答案是，并不一定。
英特尔、amd和英伟达可以从规模经济中获益，但对大型科技公司来说，情况远非如此。
它们还面临着许多棘手的挑战，比如需要聘请芯片设计师，还要说服开发者使用他们定制的芯片构建应用程序。
不过，大厂们已经在这一领域取得了令人瞩目的进步。
根据公布的性能数据，亚马逊的graviton服务器芯片，以及亚马逊和谷歌发布的ai专用芯片，在性能上已经可以和传统的芯片厂商相媲美。
亚马逊、微软和谷歌为其数据中心开发的芯片，主要有这两种：标准计算芯片和用于训练和运行机器学习模型的专用芯片。正是后者，为chatgpt之类的大语言模型提供了动力。
此前，苹果成功地为iphone，ipad和mac开发了芯片，改善了一些ai任务的处理。这些大厂，或许正是跟苹果学来的灵感。
在三家大厂中，亚马逊是唯一一家在服务器中提供两种芯片的云服务商，2015年收购的以色列芯片设计商annapurna labs，为这些工作奠定了基础。
谷歌在2015年推出了一款用于ai工作负载的芯片，并正在开发一款标准服务器芯片，以提高谷歌云的服务器性能。
相比之下，微软的芯片研发开始得较晚，是在2019年启动的，而最近，微软更加快了推出专为llm设计的ai芯片的时间轴。
而chatgpt的爆火，点燃了全世界用户对于ai的兴奋。这更促进了三家大厂的战略转型。
chatgpt运行在微软的azure云上，使用了上万块英伟达a100。无论是chatgpt，还是其他整合进bing和各种程序的openai软件，都需要如此多的算力，以至于微软已经为开发ai的内部团队分配了服务器硬件。
在亚马逊，首席财务官brian olsavsky在上周的财报电话会议上告诉投资者，亚马逊计划将支出从零售业务转移到aws，部分原因是投资于支持chatgpt所需的基础设施。
在谷歌，负责制造张量处理单元的工程团队已经转移到谷歌云。据悉，云组织现在可以为tpu和在其上运行的软件制定路线图，希望让云客户租用更多tpu驱动的服务器。
谷歌：为ai特调的tpu v4
早在2020年，谷歌就在自家的数据中心上部署了当时最强的ai芯片——tpu v4。
不过直到今年的4月4日，谷歌才首次公布了这台ai超算的技术细节。
相比于tpu v3，tpu v4的性能要高出2.1倍，而在整合4096个芯片之后，超算的性能更是提升了10倍。
同时，谷歌还声称，自家芯片要比英伟达a100更快、更节能。对于规模相当的系统，tpu v4可以提供比英伟达a100强1.7倍的性能，同时在能效上也能提高1.9倍。
对于相似规模的系统，tpu v4在bert上比a100快1.15倍，比ipu快大约4.3倍。对于resnet，tpu v4分别快1.67倍和大约4.5倍。
另外，谷歌曾暗示，它正在研发一款与nvidia h100竞争的新tpu。谷歌研究员jouppi在接受路透社采访时表示，谷歌拥有「未来芯片的生产线」。
微软：秘密武器雅典娜
不管怎么说，微软在这场芯片纷争中，依旧跃跃欲试。
此前有消息爆出，微软秘密组建的300人团队，在2019年时就开始研发一款名为「雅典娜」（athena）的定制芯片。
根据最初的计划，「雅典娜」会使用台积电的5nm工艺打造，预计可以将每颗芯片的成本降低1/3。
如果在明年能够大面积实装，微软内部和openai的团队便可以借助「雅典娜」同时完成模型的训练和推理。
这样一来，就可以极大地缓解专用计算机紧缺的问题。
彭博社在上周的报道中，称微软的芯片部门已与amd合作开发雅典娜芯片，这也导致amd的股价在周四上涨了6.5%。
但一位知情者表示，amd并未参与其中，而是在开发自己的gpu，与英伟达竞争，并且amd一直在与微软讨论芯片的设计，因为微软预计要购买这款gpu。
亚马逊：已抢跑一个身位
而在与微软和谷歌的芯片竞赛中，亚马逊似乎已经领先了一个身位。
在过去的十年中，亚马逊在云计算服务方面，通过提供更加先进的技术和更低的价格，一直保持了对微软和谷歌的竞争优势。
而未来十年内，亚马逊也有望通过自己内部开发的服务器芯片——graviton，继续在竞争中保持优势。
作为最新一代的处理器，aws graviton3在计算性能上比上一代提高多达25%，浮点性能提高多达2倍。并支持ddr5内存，相比ddr4内存带宽增加了50%。
针对机器学习工作负载，aws graviton3比上一代的性能高出多达3倍，并支持 bfloat16。
基于graviton 3芯片的云服务在一些地区非常受欢迎，甚至于达到了供不应求的状态。
亚马逊另一方面的优势还表现在，它是目前唯一一家在其服务器中提供标准计算芯片（graviton）和ai专用芯片（inferentia和trainium）云供应商。
早在2019年，亚马逊就推出了自己的ai推理芯片——inferentia。
它可以让客户可以在云端低成本运行大规模机器学习推理应用程序，例如图像识别、语音识别、自然语言处理、个性化和欺诈检测。
而最新的inferentia 2更是在计算性能提高了3倍，加速器总内存扩大了4倍，吞吐量提高了4倍，延迟降低到1/10。
在初代inferentia推出之后，亚马逊又发布了其设计的主要用于ai训练的定制芯片——trainium。
它对深度学习训练工作负载进行了优化，包括图像分类、语义搜索、翻译、语音识别、自然语言处理和推荐引擎等。
在一些情况下，芯片定制不仅仅可以把成本降低一个数量级，能耗减少到1/10，并且这些定制化的方案可以给客户以更低的延迟提供更好的服务。
撼动英伟达的垄断，没那么容易
不过到目前为止，大多数的ai负载还是跑在gpu上的，而英伟达生产了其中的大部分芯片。
据此前报道，英伟达独立gpu市场份额达80%，在高端gpu市场份额高达90%。
20年，全世界跑ai的云计算与数据中心，80.6%都由英伟达gpu驱动。21年，英伟达表示，全球前500个超算中，大约七成是由自家的芯片驱动。
而现在，就连运行chatgpt的微软数据中心用了上万块英伟达a100 gpu。
一直以来，不管是成为顶流的chatgpt，还是bard、stable diffusion等模型，背后都是由每个大约价值1万美元的芯片英伟达a100提供算力。
不仅如此，a100目前已成为人工智能专业人士的「主力」。2022人工智能现状报告还列出了使用a100超级计算机部分公司的名单。
显而易见，英伟达已经垄断了全球算力，凭借自家的芯片，一统江湖。
根据从业者的说法，相比于通用芯片，亚马逊、谷歌和微软一直在研发的专用集成电路（asic）芯片，在执行机器学习任务的速度更快，功耗更低。
o’donnell董事在比较gpu和asic时，用了这样一个比较：「平时开车，你可以用普锐斯，但如果你必须在山上用四轮驱动，用吉普牧马人就会更合适。」
然而尽管已经做出了种种努力，但亚马逊、谷歌和微软都面临着挑战——如何说服开发者使用这些ai芯片呢？
现在，英伟达的gpu是占主导地位的，开发者早已熟悉其专有的编程语言cuda，用于制作gpu驱动的应用程序。
如果换到亚马逊、谷歌或微软的定制芯片，就需要学习全新的软件语言了，他们会愿意吗？
本文作者：新智元，本文来源：，原文标题：《英伟达独霸时代结束？chatgpt引爆谷歌微软芯片大战，亚马逊也入局》
来源: