算力突圍之戰：AI芯片封堵再加劇 國內算力需求尋路

錢玉娟

關于英偉達A800芯片可能被禁售的消息，正在引發連鎖反應。

一位英偉達芯片代理商告訴記者，大約一周前，關于英偉達A800芯片被禁售的這個信號“讓市場上的A800價格一下子漲了起來。”

據這位代理商介紹，英偉達A800 80GB PCie標準版GPU的市場價，15天前在9萬元人民幣/顆，“現在（一顆）11萬元左右。”即便價格飛漲，他告訴記者，英偉達的高端算力GPU芯片依然是“搶手貨”，在他看來，英偉達的H800系列GPU芯片目前還可以正常供應，只不過價格更高了。

一面是越來越貴、越來越稀缺的高端芯片，一面是下游需求高漲的“百模大戰”，尋找另一條道路，成為迫在眉睫的選擇。

在被認為是“史上最火爆”的上海2023年世界人工智能大會（WAIC）上，算力需求和缺口成為了高頻詞匯。

7月7日上午，清華大學電子工程系教授汪玉表示，若以大語言模型作為底座，同時處理我國14億人的推理請求，所需的計算量超過目前我國數據中心總算力的3個數量級。他由此強調我國現有算力資源的緊張程度。

“沒有大算力，做大模型就是天方夜譚。”中國工程院院士、鵬城實驗室主任高文也在WAIC上透露，團隊正在緊鑼密鼓地對一個2000億參數的大模型進行訓練，至少“需要4000塊卡訓練100天”。

云計算技術專家劉世民早早注意到，國內正式渠道如今愈發買不到高端AI芯片，面對算力發展遭遇限制，他也看到，一些云廠商基于相關AI產品可以提供GPU算力這一最基礎的AI服務，當然，其中不乏AWS、Azure這樣的海外云服務商。

“目前算力比較緊張，所以會選擇租賃云算力。”云從科技研究院的孫進透露，買不到高端算力卡，加之自建算力集群周期長，即便租賃云算力成本相較自建要高，“高出50%～100%”，但這依然成為一些對算力有需求的科技公司的選擇。

如今，這條道路也在面臨更多挑戰：7月4日，有消息稱美國計劃對使用亞馬遜云、微軟云等海外云計算服務的中國企業施加限制。這是繼去年美國限制對華半導體出口，今年拉攏日本、荷蘭對華限制出口先進芯片制造設備后又一舉措，“現在估計又要封堵云GPU了。” Vibranium Consulting副總裁陳沛說。

圍堵加碼

陳沛介紹，云GPU要比自建GPU算力集群貴，“大型云廠商的價格差不多一小時2-3美元。”據他所知，AWS、Azure這樣的大型云服務商在新加坡有提供部分種類的云算力服務，在中國亦然。

2022年8月，當英偉達的GPU計算芯片A100和H100被美國政府要求限制向中國出口后，對高端算力有需求的廠商，還可以在擁有先進制程AI芯片的AWS、Azure等云廠商提供的云端算力服務中得到滿足。

而今限制如果繼續升級，中國廠商未來若想使用AWS、Azure等海外云服務商的云端算力服務，也要獲得美國政府許可才行。

2022年，由IDC、浪潮信息、清華大學全球產業研究院聯合編制了一份《2021-2022全球計算力指數評估報告》，量化揭示了算力的重要性：全球各國算力規模與經濟發展水平顯著正相關，計算力指數平均每提高1點，數字經濟和GDP將分別增長3.5‰和1.8‰；美國和中國的計算力指數分別為77分和70分，同屬國別計算力的領跑者。

上述半導體行業觀察人士建議，正在算力側展開自研創新的中國廠商們，當下“需要丟掉幻想”，她認為，只有不斷攻克芯片的成熟制程，疊加軟件創新才能共同提升算力。

在中國算力突圍路徑中，國產GPU芯片自研替代被認為是第一大選擇，但這一選擇需要時間。目前最現實的選擇是，如何最大化地利用現有的高端芯片資源。

算力共享

按照外媒此前披露，作為微軟全力扶持的AI創業公司，OpenAI擁有微軟Azure云最高優先級的支持——約有2.5萬個英偉達GPU正在支持GPT大模型的訓練，這是目前世界上規模最龐大的AI服務器之一。而OpenAI光用在訓練ChatGPT上，就使用了1萬個英偉達的GPU。

但即便是微軟，GPU也面臨缺口。今年6月，在公開的OpenAI CEO Sam Altman 談話紀要中提到，GPU的短缺拖延了Open AI客戶的許多短期計劃。但這份談話紀要很快被刪除。

按照此前媒體報道，目前中國企業GPU芯片持有量超過1萬枚的不超過5家，擁有1萬枚A100的至多1家。且由于美國去年8月開始算力封鎖，這些存貨的剩余使用壽命約為4-6年。

但現實正在急劇變化：伴隨著今年以來的生成式AI浪潮和大模型井噴，此前存在的缺口無疑還在進一步放大。

由此，在國內推動“算力共享”被提上日程。

北京市經信局4月下旬公布的“北京市通用人工智能產業創新伙伴計劃”，進展迅速。7月3日，計劃公布了第二批伙伴名單中共有63家企業，其中包括百度、京東、神州數碼和金山等10家算力供應伙伴。

北京市經信局公布的第一批算力供應方伙伴名單只有兩家，一個是北京超級云計算中心，另一個便是阿里云計算有限公司。

2022年8月30日，阿里云推出飛天智算平臺的同時，還啟動了張北和烏蘭察布兩座超大規模智算中心，以公有云和專有云兩種模式，為各類機構提供服務。

彼時阿里云表示，其智算平臺以及智算中心可將計算資源利用率提高3倍以上，AI訓練效率提升11倍。毫無疑問，當國內算力供應因芯片卡短缺陷入緊張時，云端算力可以補位。

當阿里云提出“算力普惠”的目標愿景時，華為也通過推出昇騰AI集群解決方案，以填補著算力需求和硬件算力供給間的溝壑。在7月6日下午的WAIC上，華為昇騰計算業務總裁張迪煊宣布，昇騰AI集群規模從最初的4000卡擴展升級至16000卡，成為業內首個萬卡AI集群，其算力已經在支撐像科大訊飛等企業進行大模型訓練以及智能化轉型。

AI缺口

如今受益于昇騰AI集群的算力支持，訊飛星火大模型的優化訓練在有序進行中。科大訊飛高級副總裁胡國平在WAIC上強調，所有的大模型訓練都強烈依賴高端AI芯片集群和生態。

不過，孫進告訴記者，云端算力共享或租賃，往往適用于低頻訓練需求的廠商。“基于同樣或同類型的算力芯片，云廠商提供的云GPU確實可以形成替代。”但他表示，“各地建設的訓練算力集群，大部分是消費級推理卡集群，或者是CPU集群。”

一般來說，算力被分為三類：通用算力、智能算力、超算算力。在傳統產業數字化轉型的場景中，基于普通CPU芯片集成的服務器所能提供的通用算力就可滿足；而人工智能發展、大模型的訓練和推理，這些對應的則是智能算力，是要基于AI芯片所提供的算力。此外，天體物理、航空航天等復雜運算則需要超算算力。

據工信部消息，近年來中國算力產業規模快速增長，年增長率近30%，算力規模排名全球第二，僅次于美國。

但當下的問題在于，這其中一部分并不是本輪生成式AI所需求的智能算力，而只是通用算力。

此前發布的《中國算力指數發展白皮書（2022）》顯示，中、美在全球算力規模中的份額分別為33%、34%，其中通用算力份額分別為26%、37%，智能算力分別為28%、45%，超級算力分別為18%、48%。

在劉世民看來，算力共享確實可以讓更多企業能用上算力，但先進芯片所代表的高端算力，一旦被限制，勢必限制國內算力的增長。而今，中國的人工智能產業又已經步入AIGC時代，參與其中的廠商需要進行的是高頻訓練，持續的優化迭代。

值得關注的是，算力需求暴增下，供給背后的國產GPU自研以及軟件創新，都將是中國廠商亦步亦趨要解決的問題。

陳沛說，種種限制框架下，英偉達提供的高端算力，在市場上不只受歡迎，還是剛需。陳沛記得2020年OpenAI訓練GPT-3時，用的是英偉達GPU芯片V100，“一萬顆，耗時14.8天”，但在一周前，他看到英偉達發出的最新測試結果中顯示，僅用3000多顆H100 GPU芯片，11分鐘就完成了GPT-3的模型訓練。

“英偉達依然是AI訓練領域的老大。”陳沛說。

一位國產AI大模型廠商的創始人也告訴記者，目前其自研的大模型正在儲備的英偉達算力芯片上“跑著”，盡管芯片禁售是未來式，但面對大模型浪潮所帶來的高頻算力需求，目前我們沒有太多的備選方案。