AI芯片时代到来了？这家公司押注了这些先进技术

短短几个月里，ChatGPT的用户量已经破亿，和ChatGPT对话成为了市场热点，那么对支撑ChatGPT技术的讨论也变得越来越多。

我们说过ChatGPT的发展离不开算法、算力和数据三大要素的驱动，先进的算法少不了海量数据和强大的运算能力作为基础，这意味着大算力芯片如GPU/FPGA/定制化AI芯片/DPU，及其配套的存储芯片如DRAM/Flash、传输接口芯片等都会迎来大规模的需求。我们昨天介绍了龙芯中科，今天聊聊中科曙光的技术。

到现在，现在中科曙光已经覆盖了高性能计算，存储产品，软件开发、系统集成及技术服务（以下简称技术服务）三大业务体系。高性能计算业务主要包括高性能计算机、通用服务器、AI服务器、工作站终端等产品的生产和销售，存储业务主要为软件定义存储产品的生产和销售，技术服务业务包含机房冷却设施、网络安全产品、大数据平台软件、云计算平台软件、云计算服务等。

ChatGPT想要正常运行，少不了背后庞大的算力支撑。绿色节能数据中心曾有过计算，ChatGPT的总算力消耗约为3640PF-days。根据这几天国内落地的某数据中心为参照物，算力500P耗资30.2亿落成，若要支持ChatGPT的运行，需要7—8个这样数据中心支撑，基础设施投入需以百亿计。发展需要数据中心、AI芯片、服务器等环节支撑算力。

基础算力、智能算力和超算算力共同组成算力，这里面基础通用算力是基于CPU芯片的服务器提供的计算能力。而智能算力是基于GPU、FPGA、ASIC等芯片的加速计算平台提供的人工智能训练和推理的计算能力。超算算力是基于超级计算机等高性能计算集群所提供的计算能力。中科曙光的计算业务包括了通用计算服务器、人工智能服务 器和高性能计算机系统，这些技术共同为客户提供算力服务。

在市场上，浪潮息、戴尔、联想这些都是我们市场使用比较多的x86服务器供应商，但是随后中科曙光的产品慢慢进入市场，等到了2019年和2020年，中科曙光的产品成为我国第六大x86服务器供应商，当时我国的基础通用服务器市场比较稳定，其中x86架构用得比较多，2020年基础通用服务器贡献我国算力的57%，足以证明，x86架构服务器的市场地位，2020年我国x86架构通用服务器出货量达到343.9万台，占总出货量的98.3%，但是前几年当中科被纳入实体清单后，海外英特尔、AMD芯片供 应出现过暂时中断，虽然后面也有缓和，但中科曙光也意识到了，逐渐开始调整通用服务器整机的业务，等到2020年的时候整机出货量已经少了很多。

以前我国的X86服务器主要应用在互联网、运营商与政府。比如我国曾发布过《推动企业上云实施指南2018-2020》明确指出2020云计算在企业生产经营管理中应用推广，新增上云企业100万家。各个省份也加紧步伐，像浙江省要求2020年全省40万家企业上云，并提出企业出一点，云服务商贴一点，政府补一点的联合激励机制。中科曙光抓住了这个机会，成立了中科睿光，并推出CloudviewSVMEdition2.0以及CloudVirtual6.2，全面支持城市云建设。也推出了“数据中国智能计划”。在政府云方面也合作加深，带动了中科曙光的营收。但在之后，商业化的应用就变多了。

不过高性能计算机，也就是X86服务器，这个产品最开始带给中科曙光的毛利率很低。像前几年2018年，中科曙光毛利率。只有18.3%，销售净利率才有5%。因为当时戴尔等外企的产品几乎占据着我国市场，产品多成本可以拉下来。之后我们开始意识到要打造我们自己的产品时，浪潮、华为、中科曙光等开始做自己的服务器，但是成本要高一些，一方面是芯片量产规模不大，另一方面是国外龙头可以量产芯片来提高自给率，也可以自给服务器上游元器件，综合成本就没那么高。

AI芯片支撑算力系统  

ChatGPT 发布之前，AI就已经走到了我们的工作生活中。从深蓝到 AlphaGo，人工智能一直在不断进步。如今仍为了满足大模型应用的巨大算力需求，厂商们纷纷加大了相关基础设施方面的投资。作为算力基础设施中的核心硬件，AI芯片由此进入我们的视野。

ChatGPT需要海量的算力支撑，在这方面，微软已经开始准备，曾投资10亿美金为OpenAI构建支撑其训练的超级计算机，新超级计算机拥有超过28.5万个CPU核心，1万个GPU，每个GPU服务器的网络连接能力为400GBps。算力需求上，OpenAI基于大模型框架进行训练，其新产品GPT-3所需参数量已达到1750亿个，预训练的算力需求大幅提升。算力硬件设施上，据OneFlow报道NVIDIA A100 GPU芯片目前是最具成本效益的GPU选择；AI 服务器英伟达DGX A100服务器AI算力性能约5PetaFLOP/s，能够满足OpenAI的算力训练需求。

国内厂商也没落后，前几年曙光就在研究AI算力服务，2021年中旬，中科曙光发布了我国第一个一体化算力服务平台，该平台用于多元算力资源的融合调度及弹性供给。到现在已经更新到了4.0版本，在这个平台上结合了全国的算力资源，吸收了海量异构计算资源链接，形成一体化算力服务网络。该算力服务网实现了对算力、存储、网络以及数据等分布资源的整合，并通过统一的算力服务门户，根据科学计算、工程计算和智能计算等场景需求，向用户输出算力、算法、数据、应用高度协同的一体化资源。使用者不用投入大量成本购买硬件设施也可完成AI大模型训练等复杂计算工作。

现在该平台已经在很多领域投入使用，像科教、AI人工智能推理、工业、政企等。曙光平台为科教行业提供稳定的作业环境，为AI推理行业提供计算加速能力，为工业行业提供模拟仿真服务。AI推理用户希望平台变得像云计算一样，用容器和虚拟化来让整个推理过程更加快速便捷，曙光4.0平台拥有很多中心资源，同时基于中科曙光在计算领域的技术，有一整套运营服务和技术体系来支持该平台的AI推理运行与服务。

除了能够在线提供Tensorflow、PyTroch、PaddlePaddle等主流AI框架外，中科曙光针对大模型的分布式训练持续优化，率先实现了在数千节点规模时也能正常使用的技术。这次随着ChatGPT的爆火，也让曙光智算公司提供用于AI训练与推理计算的试用资源大火，在开放使用后一周内就被注册光了。再加上海光芯片的加持，打造最强国产算力基座。海光打造了国产 x86 架构芯片，在单核性能、软件生态等方面与其他架构国产芯片的差别已经很小了，也有相关的分析，比如把海光二号的旗舰芯片海光 7285 和英特尔在 2020 年发布的铂金级旗舰芯片进行性能评测，结果是海 光产品已经与英特尔同期发布的主流服务器 CPU 性能总体相当。深算一 号是海光在 2021 年正式实现商业化应用的 GPGPU 产品（DCU 产品）， 把它和英伟达及 AMD 的高端 GPGPU产品来测算，结果是深算一号各项指标也做得很不错。

芯片是算力的硬件设施。GPGPU作为运算协处理器，可以满足不同场景的需求，提供专用向量、张量、矩阵运算指令，增加浮点运算 的精度和性能。现在英伟达、Intel和AMD占据全球GPU主要市场，我国也不少研发这类技术的厂商，像海光息是唯一大规模销售的支持全精度的AI训练GPU）、景嘉微也自主研发GPU芯片。

AI 芯片是针对人工智能算法做了特殊加速设计的芯片，也叫做AI加速器或计算卡，是AI的算力基础。如今传统的CPU架构很难满足人工智能算法对算力的要求，人们更加看好有海量数据并行计算能力、能加速计算处理的AI芯片。我们知道ChatGPT是有着海量复杂计算需求的AI模型，而GPU、FPGA、ASIC等AI芯片专门用于处理这些计算任务，是很重要的底层硬件。其中GPU擅长并行计算，FPGA主打现场可编程，ASIC专用定制，类脑芯片模仿人脑学习。

在AI芯片领域，中科曙光主要是做ASIC技术，ASIC的优势是存储处理比GPU更适合用类进行神经网络运算。GPU的优势是在模仿人脑的机制来解释数据，例如图像、文本和声音等，但是硬件加速时，容易受到存储和处理分离式结构的影响，效率不高，ASIC也可以做这些工作，而且效率高。

ASIC的精度要比FPGA好一些。相关息显示，FPGA的可编程性会产生面积和功耗结余的情况，就要提前进行大量门阵列，使用者还有较高的技术才可以达到更好的效果。劣势单片成本高，使用时可能会出现成本和收益冲突的情况。

和类脑芯片比，ASIC技术更成熟。类脑芯片更加先进，但仍还在研发阶段，技术也不成熟，使用的场景也不多。目前为止还是ASIC技术应用的更多一些。

在ASIC技术研发上，中科曙光曾和寒武纪有过合作，寒武纪算是ASIC龙头，有自己的技术积累，其深度学习专用处理器已量产。寒武纪代表产品寒武纪1A为国际首款商用深度学习专用处理器，授权华为海思使用。

现在，ChatGPT已经推动了AI发展的新浪潮，背后需要算力的快速提升，算力行业的发展已经是大势所趋，AI服务器、AI芯片等领域迎来重要的新的机遇。

         吕长顺（凯恩斯） 证书编号A0150619070003。【以上内容仅代表个人观点，不构成买卖依据，股市有风险，投资需谨慎】