本文來自微信公眾號“科技云報到”。
近一周來，大模型領域重磅產(chǎn)品接連推出：OpenAI發(fā)布“文字生視頻”大模型Sora；Meta發(fā)布視頻預測大模型V-JEPA；谷歌發(fā)布大模型Gemini 1.5 Pro，更毫無預兆地發(fā)布了開源模型Gemma......
難怪網(wǎng)友們感嘆：“一開年AI發(fā)展的節(jié)奏已經(jīng)如此炸裂了么！”
但更令人意想不到的是，AI芯片領域處于絕對霸主地位的英偉達，竟然也遇到了挑戰(zhàn)，而且挑戰(zhàn)者還是一家初創(chuàng)公司。
在這家名叫Groq的初創(chuàng)芯片及模型公司官網(wǎng)上，它號稱是世界最快大模型，比GPT-4快18倍，測試中最快達到破紀錄的每秒吞吐500 tokens。
這閃電般的速度，來源于Groq自研的LPU（語言處理單元），是一種名為張量流處理器（TSP）的新型處理單元，自然語言處理速度是英偉達GPU 10倍，做到了推理的最低延遲。
“快”字當頭，Groq可謂賺足眼球。Groq還喊話各大公司，揚言在三年內(nèi)超越英偉達。
事實上，在這一波AI熱潮中，“天下苦英偉達久矣”。英偉達GPU芯片價格一再被炒高，而Groq的LPU架構能“彎道超車”，顯然是眾望所歸。
因此，不少輿論驚呼Groq要顛覆英偉達，也有業(yè)內(nèi)人士認為Groq想要“平替”英偉達還有很長的路要走。
但無論持哪種觀點，Groq的出現(xiàn)不僅是對現(xiàn)有芯片架構和市場格局的挑戰(zhàn)，也預示著AI芯片及其支撐的大模型發(fā)展方向正在發(fā)生變化——聚焦AI推理。
Groq LPU：快字當頭
據(jù)介紹，Groq的芯片采用14nm制程，搭載了230MB大靜態(tài)隨機存儲器（SRAM）以保證內(nèi)存帶寬，片上內(nèi)存帶寬達80TB/s。
在算力方面，該芯片的整型（8位）運算速度為750TOPs，浮點（16位）運算速度為188TFLOPs。
Anyscale的LLMPerf排行顯示，在Groq LPU推理引擎上運行的Llama 2 70B，輸出tokens吞吐量快了18倍，優(yōu)于其他所有云推理供應商。
據(jù)網(wǎng)友測試，面對300多個單詞的“巨型”prompt（AI模型提示詞），Groq在不到一秒鐘的時間里，就為一篇期刊論文創(chuàng)建了初步大綱和寫作計劃。此外，Groq還完全實現(xiàn)了遠程實時的AI對話。
電子郵件初創(chuàng)企業(yè)Otherside AI的首席執(zhí)行官兼聯(lián)合創(chuàng)始人馬特·舒默（Matt Shumer）在體驗Groq后稱贊其快如閃電，能夠在不到一秒鐘的時間內(nèi)生成數(shù)百個單詞的事實性、引用性答案。
更令人驚訝的是，其超過3/4的時間用于搜索信息，而生成答案的時間卻短到只有幾分之一秒。
Groq之所以“快如閃電”，其創(chuàng)新的核心在于LPU。
據(jù)官方信息顯示，LPU推理引擎是一種新型的端到端處理單元系統(tǒng)，它為計算密集型應用提供最快的推理能力，這些應用具有序列組件，例如AI語言應用程序（LLM）。
LPU旨在克服LLM的兩個瓶頸：計算密度和內(nèi)存帶寬。
就LLM而言，LPU比GPU和CPU具有更大的計算能力。這減少了每個單詞的計算時間，從而可以更快地生成文本序列。
同時，與利用高帶寬內(nèi)存（HBM）的GPU不同，Groq的LPU利用SRAM進行數(shù)據(jù)處理，比HBM快約20倍，從而顯著降低能耗并提高效率。
GroqChip的獨特架構與其時間指令集相結(jié)合，可實現(xiàn)自然語言和其他順序數(shù)據(jù)的理想順序處理。
消除外部內(nèi)存瓶頸，不僅使LPU推理引擎能夠在LLM上提供比GPU高幾個數(shù)量級的性能。
而且由于LPU只進行推理計算，需要的數(shù)據(jù)量遠小于模型訓練，從外部內(nèi)存讀取的數(shù)據(jù)更少，消耗的電量也低于GPU。
此外，LPU芯片設計實現(xiàn)了多個TSP的無縫連接，避免了GPU集群中的瓶頸問題，顯著地提高了可擴展性。
因此，Groq公司宣稱，其LPU所帶來的AI推理計算是革命性的。
在AI推理領域挑戰(zhàn)GPU
盡管Groq高調(diào)喊話，但想要“平替”英偉達GPU并不容易。從各方觀點來看，Groq的芯片還無法與之分庭抗禮。
原Facebook人工智能科學家、原阿里技術副總裁賈揚清算了一筆賬，因為Groq小得可憐的內(nèi)存容量，在運行Llama 2 70B模型時，需要305張Groq卡才足夠，而用英偉達的H100則只需要8張卡。
從目前的價格來看，這意味著在同等吞吐量下，Groq的硬件成本是H100的40倍，能耗成本是10倍。
但跳出單純的價格對比，Groq LPU的解決方案依然展現(xiàn)出了不小的應用潛力。
根據(jù)機器學習算法步驟，AI芯片可以劃分為訓練AI芯片和推理AI芯片。
訓練芯片是用于構建神經(jīng)網(wǎng)絡模型，需要高算力和通用性，追求的是高計算性能（高吞吐率）、低功耗。
推理芯片是對訓練好的神經(jīng)網(wǎng)絡模型進行運算，利用輸入的新數(shù)據(jù)來一次性獲得正確結(jié)論。
因此完成推理過程的時間要盡可能短、低功耗，更關注用戶體驗方面的優(yōu)化。
雖然現(xiàn)階段GPU利用并行計算的優(yōu)勢在AI領域大獲全勝，但由于英偉達GPU的獨有架構，英偉達H100等芯片在推理領域算力要求遠不及訓練端，這也就給Groq等競爭對手留下了機會。
因此，專注于AI推理的Groq LPU，得以在推理這個特定領域挑戰(zhàn)英偉達GPU的地位。從測試結(jié)果上看，Groq能夠達到令人滿意的“秒回”效果。
這也在一定程度上顯示了通用芯片與專用芯片的路徑分歧。
隨著AI和深度學習的不斷發(fā)展，對專用芯片的需求也在增長。
各種專用加速器如FPGA、ASIC以及其他初創(chuàng)公司的AI芯片已經(jīng)不斷涌現(xiàn)，它們在各自擅長的領域內(nèi)展現(xiàn)出了挑戰(zhàn)GPU的可能性。
相比于英偉達通用型AI芯片，自研AI芯片也被稱作ASIC，往往更適合科技公司本身的AI工作負載需求且成本較低。
比如，云巨頭AWS就推出了為生成式AI和機器學習訓練而設計全新自研AI芯片AWS Trainium2，性能比上一代芯片提高到4倍，可提供65ExaFlops超算性能。
微軟也推出第一款定制的自研CPU系列Azure Cobalt和AI加速芯片Azure Maia，后者是微軟首款AI芯片，主要針對大語言模型訓練，預計將于明年初開始在微軟Azure數(shù)據(jù)中心推出。
谷歌云也推出了新版本的TPU芯片TPU v5p，旨在大幅縮減訓練大語言模型時間投入。
無論是大廠自研的AI芯片，還是像Groq LPU這樣的專用芯片，都是為了優(yōu)化特定AI計算任務的性能和成本效率，同時減少對英偉達等外部供應商的依賴。
作為GPU的一個重要補充，專用芯片讓面對緊缺昂貴的GPU芯片的企業(yè)有了一個新的選擇。
AI芯片聚焦推理
隨著AI大模型的快速發(fā)展，尤其是Sora以及即將推出的GPT-5，都需要更強大高效的算力。但GPU在推理方面的不夠高效，已經(jīng)影響到了大模型業(yè)務的發(fā)展。
從產(chǎn)業(yè)發(fā)展趨勢來看，AI算力負載大概率將逐步從訓練全面向推理端遷移。
華爾街大行摩根士丹利在2024年十大投資策略主題中指出，隨著消費類邊緣設備在數(shù)據(jù)處理、存儲端和電池續(xù)航方面的大幅改進，2024年將有更多催化劑促使邊緣AI這一細分領域迎頭趕上，AI行業(yè)的發(fā)展重點也將從“訓練”全面轉(zhuǎn)向“推理”。
高通CEO Amon也指出，芯片制造商們的主要戰(zhàn)場不久后將由“訓練”轉(zhuǎn)向“推理”。
Amon在采訪時表示：“隨著AI大模型變得更精簡、能夠在設備上運行并專注于推理任務，芯片制造商的主要市場將轉(zhuǎn)向‘推理’，即模型應用。預計數(shù)據(jù)中心也將對專門用于已訓練模型推理任務的處理器產(chǎn)生興趣，一切都將助力推理市場規(guī)模超越訓練市場。”
在最新的財報電話會上，英偉達CFO Colette Kress表示，大模型的推理場景已經(jīng)占據(jù)英偉達數(shù)據(jù)中心40%的營收比例。這也是判斷大模型行業(yè)落地前景的重要信號。
事實上，巨頭們的一舉一動也在印證這一趨勢的到來。
據(jù)路透社報道，Meta將推新款自研AI推理芯片Artemis。預計Meta可于年內(nèi)完成該芯片在自有數(shù)據(jù)中心的部署，與英偉達GPU協(xié)同提供算力。
而英偉達也通過強化推理能力，鞏固自身通用GPU市占率。
在下一代芯片H200中，英偉達在H100的基礎上將存儲器HBM進行了一次升級，為的也是提升芯片在推理環(huán)節(jié)中的效率。
不僅如此，隨著各大科技巨頭、芯片設計獨角獸企業(yè)都在研發(fā)更具效率、部分替代GPU的芯片，英偉達也意識到這一點，建立起了定制芯片的業(yè)務部門。
總的來說，以現(xiàn)在AI芯片供不應求的現(xiàn)狀，GPU的增長暫時還不會放緩。但隨著AI發(fā)展趨勢的快速變化，英偉達不可能是永遠的王者，而Groq也絕對不是唯一的挑戰(zhàn)者。
