美國制裁讓英偉達退出中國:誰會挺身而出?
美國芯片制裁收緊對高端AI GPU出口市場造成沖擊,可能導致中國AI和大語言模型(LLM)行業(yè)短期供應短缺和成本上升。 然而,長期影響可能有利于中國半導體行業(yè)的發(fā)展,促使中國人工智能芯片制造商通過國內技術創(chuàng)新爭取進口替代。
本文引用地址:http://www.ex-cimer.com/article/202310/451963.htmNvidia是GPU市場的主導力量,目前占據(jù)全球獨立顯卡市場80%的驚人份額。 這一據(jù)點延伸至高端AI GPU領域,在H100、A100、V100等模型的AI算法訓練方面具有相當大的影響力。
IDC中國的最新數(shù)據(jù)預計,中國加速計算市場目前價值31億美元,預計到2027年將達到164億美元。此外,IDC報告稱,2023年上半年,國內研發(fā)的AI加速卡將達到5萬張。中國人工智能服務器的使用量約占中國整體服務器市場的10%。
考慮到 2022 年全年數(shù)據(jù),IDC 估計中國 AI 加速卡出貨量約為 109 萬張。 其中,英偉達保持著 85% 的份額,華為占 10%。 相比之下,百度、寒武紀和上海燧原科技分別占比約2%、1%和1%。
然而,盡管英偉達在中國擁有近 90% 的市場份額,但最近美國的制裁引發(fā)了人們對該公司可能退出市場的擔憂,并引發(fā)了一個關鍵問題:誰最有能力填補這一巨大空白?
盡管中國的人工智能客戶在過去的2-3年里積累了相當數(shù)量的高端人工智能GPU,但情況可能并不像看起來那么簡單。 英偉達首席執(zhí)行官黃仁勛在接受英國《金融時報》采訪時強調,美國必須謹慎行事。 他強調,如果中國獲得美國采購的機會受到阻礙,它將被迫發(fā)展自己的技術。
以華為為代表的硬件企業(yè)正在積極構建中國人工智能基礎生態(tài)系統(tǒng)。 其中,Ascend系列是華為AI能力的核心部分。 華為的目標是成為英偉達生態(tài)系統(tǒng)之外的“替代選擇”。
近年來,Ascend系列擴大了范圍,并將重點轉向與開源社區(qū)的合作,偏離了Nvidia的做法。 華為尋求解決硬件供應鏈問題,并積極挑戰(zhàn)英偉達的生態(tài)系統(tǒng)主導地位。
據(jù)21世紀經(jīng)濟報道、北京商報報道,PyTorch基金會近日宣布華為作為首要會員加入。 華為的入會不僅是中國第一個,也是全球第十個。 此舉讓人們深入了解華為不斷發(fā)展的Ascend發(fā)展戰(zhàn)略及其在生成式人工智能領域的雄心。
PyTorch是全球知名的人工智能框架,由Meta于2016年推出。除PyTorch外,谷歌于2015年發(fā)布了TensorFlow,華為于2020年推出了MindSpore。諸如此類的開源基金會匯聚了頂尖人才,推動了人工智能的建設。 的開放生態(tài)系統(tǒng)。
在算力方面,華為開發(fā)了基于Arm架構的鯤鵬服務器CPU,以及升騰AI芯片。 圍繞鯤鵬和升騰,華為正在構建新的計算生態(tài)系統(tǒng)。 華為的目標是AI計算基礎設施,隨著生成式AI的出現(xiàn),升騰計算系統(tǒng)正在經(jīng)歷快速增長。
華為內部人士向中國媒體透露,Ascend歷史上走的是英偉達的路線,從頭開始創(chuàng)建整個生態(tài)系統(tǒng)。 這種方法的困難包括高成本以及說服 Nvidia 客戶轉向 Ascend 生態(tài)系統(tǒng)的挑戰(zhàn)。
如今,Ascend正在效仿鯤鵬的開源路線,與全球開源社區(qū)建立更緊密的合作。 例如,許多之前在 PyTorch 上建立業(yè)務的客戶發(fā)現(xiàn)向華為 Ascend 生態(tài)系統(tǒng)的過渡更加可行且成本更低。
Nvidia 在 CUDA 平臺上構建了強大的生態(tài)系統(tǒng)。 英特爾、AMD、華為等公司正在努力占領人工智能計算市場的一部分。
當前,生成式AI需求激增、算力短缺、美國芯片出口禁令等,給Ascend系列等中國AI芯片帶來了新的機遇。
為了在短期內大規(guī)模擴張,與多個成熟的開源社區(qū)密切合作似乎是首選方法。 該策略可以顯著降低客戶的采用門檻。
Ascend 一直兼容各種 AI 框架,但許多客戶更喜歡 PyTorch 來適應他們的 AI 解決方案。 一般來說,中國客戶傾向于與多家硬件提供商合作,但很大一部分已經(jīng)采用了升騰。
中國媒體援引行業(yè)消息人士的話說,中國人工智能客戶測試本土人工智能芯片是一種常見做法。 盡管遷移過程可能需要 2-3 年甚至更長時間,但 Ascend 和 PyTorch 開源社區(qū)之間日益增強的協(xié)同作用預計將顯著減少與 AI 客戶開發(fā)和遷移相關的費用和復雜性。
評論