專題：坐二望一！英偉達市值突破3萬億美元超越蘋果

人工智能大模型的興起，讓英偉達公司成為全球最受關注的企業之一。最近，英偉達首席執行官黃仁勛宣布：Rubin將是Blackwell芯片的后繼平臺。今年3月18日，這家硅谷企業發布了Blackwell芯片平臺，剛進入生產階段。為何在兩個多月后，就急著官宣下一代還在研發的人工智能芯片？人工智能芯片技術和產業的發展趨勢是什么？解放日報·上觀新聞記者采訪了上海硅知識產權交易中心總經理、上海市集成電路行業協會監事長徐步陸博士。

對GPU應用前景“先知先覺”

據介紹，人工智能芯片以GP-GPU通用計算芯片為主體。GP的意思是通用，GPU的本意是圖形處理器，所以GP-GPU的全稱為“通用圖形處理單元”，簡稱GPU。正是因為在這個芯片領域做到世界第一，英偉達才超越英特爾，成為全球最炙手可熱的芯片公司。GPU在個人電腦、手機和平板電腦里就有，用來處理與圖像相關的運算。這類芯片有并行計算功能，能夠在同一時間做大量比較簡單的運算，在人工智能大規模計算上大有用武之地。憑借對這一應用前景的“先知先覺”，黃仁勛帶領團隊將GPU升級為GP-GPU，讓這類芯片更適合高性能并行計算，并能使用更高級別的編程語言。

隨著人工智能產業的興起，高性能GP-GPU的應用價值越來越大。這類芯片主要應用在人工智能模型訓練與推理、高性能計算兩大領域。在大模型訓練中，用于訓練的GPU往往部署在云端，即安裝在服務器里，注重絕對的計算能力；用于推理的GPU則注重綜合指標，用于云端或設備端，需通盤考慮單位能耗算力、時延、成本等因素。在高性能計算領域，GPU也扮演著重要角色，用于數據中心、科學計算、自動駕駛等多種應用場景，能執行海量數據的并行計算。

英偉達產品是芯片級服務器

“很多人對人工智能芯片有個誤解，以為有了GPU，就不需要CPU了。”徐步陸說，“其實，GPU和CPU各有所長。簡單講，前者擅長并行計算，后者有復雜邏輯的控制功能。”以英偉達今年3月發布的GB200芯片為例，它由兩個B200 Blackwell GPU和一個基于Arm公司芯片架構的Grace CPU組成，采用臺積電4納米工藝制程，包含2080億個晶體管，其性能達到每秒20千萬億次浮點運算。GPU與CPU、存儲器等不同種類裸片集成為單顆芯片，稱為芯片級“異構”。在存算一體化過程中，合理優化分配GPU、CPU、加速單元等異構處理器、存儲和傳輸之間的任務和負載，是人工智能芯片技術發展的一個趨勢。黃仁勛最近宣布在研的Rubin芯片，將配備新一代GPU、基于Arm架構的Vera CPU以及HBM4高帶寬存儲器，就體現了這一趨勢。“從本質上看，英偉達做的產品不單是芯片，而是芯片級服務器，為客戶提供‘片上計算系統’等智能計算解決方案。”徐步陸告訴記者。

提前官宣有利于產業鏈協同

在服務器領域，英偉達為谷歌、微軟、亞馬遜等云服務巨頭企業供貨，同時也對這些傳統巨頭形成了挑戰。另外，英偉達也要應對AMD、英特爾等芯片企業向它發起的挑戰。在這種激烈的市場環境中，黃仁勛在發布Blackwell芯片平臺后的三個月內，急著官宣下一代人工智能芯片，也就不難理解了。顯然，適時推出人工智能硬件產品路線圖和時間表，可以給予產業鏈、供應鏈上下游企業一個比較明確的預期，讓它們根據路線圖和時間表盡早謀劃自身產品。超前官宣下一代人工智能芯片，還能引起資本市場的關注，有助于英偉達維持3萬億美元這一科技公司的歷史性市值，籌集到更多的研發經費。徐步陸指出，集成電路產業在全球資本的保障下，處理器、存儲器、傳輸光模塊等芯片在設計上越來越同步，芯片設計與尖端制程的晶圓制造、三維立體封裝正在形成高效協同，算力芯片與傳輸協議、開發環境的協同性也越來越高。

在協同性方面，人工智能芯片與通用并行計算架構生態系統的優化協同值得一提。英偉達開發的CUDA，就是一個通用并行計算架構生態系統。它包含CUDA指令集架構和GPU內部的并行計算引擎。軟件工程師可以用C語言來為CUDA架構編寫程序，讓這些程序在支持CUDA的處理器上高性能運行。

“這是一個編程平臺、應用框架和基礎架構。”徐步陸解釋，“通過軟件和硬件產品的協同，英偉達打造了強大的GPU創新生態，吸引全球用戶在這個生態里開發AI產品并優化開發工具、算子庫等，從而越用越好用，以致產生用戶依賴性。”

放眼國內，華為等一批人工智能芯片頭部企業也在開發生態系統。雖然目前國產生態系統的用戶數量不如CUDA，但國內集成電路業界已達成一種共識：只有加快構建開放式新一代人工智能芯片軟硬件一體化生態，中國集成電路和人工智能產業才能實現自主可控、面向全球的可持續發展，也能更好地為各行業培育新質生產力服務。

原標題：黃仁勛為何急著官宣英偉達下一代人工智能芯片？|新科普

海量資訊、精準解讀，盡在新浪財經APP