智算中心芯片，誰(shuí)在布局？

「算力」相關(guān)產(chǎn)業(yè)近期持續火爆，智算中心的建設，也正在遍地開(kāi)花。

進(jìn)入 2024 年，就有武昌智算中心、中國移動(dòng)智算中心（青島）、華南數谷智算中心、鄭州人工智能計算中心、博大數據深圳前海智算中心等相繼開(kāi)工或投產(chǎn)使用。

據不完全統計，目前全國正在建設或提出建設智算中心的城市已經(jīng)超過(guò) 30 個(gè)，投資規模超百億元。

到底什么是智算中心？智算中心主要用來(lái)做什么？智算中心都有哪些特點(diǎn)？

何為智算中心？

根據《算力基礎設施高質(zhì)量發(fā)展行動(dòng)計劃》定義，智算中心是指通過(guò)使用大規模異構算力資源，包括通用算力（CPU）和智能算力（GPU、FPGA、ASIC 等），主要為人工智能應用（如人工智能深度學(xué)習模型開(kāi)發(fā)、模型訓練和模型推理等場(chǎng)景）提供所需算力、數據和算法的設施。

也可以說(shuō)，智算中心是以人工智能計算任務(wù)為主的數據中心。

數據中心通常包括三種類(lèi)別，除了智算中心以外，另外兩種分別是以通用計算任務(wù)為主的通算中心，以及以超級計算任務(wù)為主的超算中心。

2023 年是人工智能發(fā)展的重要轉折年，AIGC 技術(shù)取得了突破性進(jìn)展，大模型訓練、大模型應用等新業(yè)務(wù)正在快速崛起，作為智能算力的載體，數據中心也已經(jīng)從數據機房、通算中心，發(fā)展到現階段的超算中心和智算中心。

智算中心與通用數據中心有何不同？

智算中心，通常與云計算緊密相關(guān)，強調資源控制和基礎設施管理的靈活性。在云環(huán)境中，數據中心提供商負責硬件和某些軟件工具的維護，而客戶(hù)則擁有數據。相比之下，傳統的本地數據中心需要由企業(yè)自行管理和維護所有的數據資源。

本質(zhì)的不同導致兩種模式在資本投入、資源部署以及安全性方面都有著(zhù)極大的區別。

在資本投入上，智算中心客戶(hù)無(wú)需大量的硬件和軟件成本即可選擇適合自己的服務(wù)模式，如公有云、私有云或混合云；而傳統數據中心的客戶(hù)則需要投入大量資金來(lái)購買(mǎi)和維護自己所需的服務(wù)器、網(wǎng)絡(luò )和存儲設備。

在資源部署和安全性上，智算中心的客戶(hù)可隨時(shí)隨地通過(guò)互聯(lián)網(wǎng)遠程訪(fǎng)問(wèn)和管理自己的數據和應用，與此同時(shí)還可以享受數據中心提供商提供的專(zhuān)業(yè)的安全保障，如防火墻、加密、備份和恢復等；而傳統數據中心的客戶(hù)受到辦公/指定地點(diǎn)的限制，且需自己進(jìn)行保護和管理數據。

智算中心，簡(jiǎn)單來(lái)說(shuō)就是專(zhuān)門(mén)服務(wù)于人工智能的數據計算中心，能夠為人工智能計算提供所需的專(zhuān)用算力。相比傳統數據中心，智算中心能滿(mǎn)足更具針對性的需求，以及更大的計算體量和更快的計算速度，為大模型訓練推理、自動(dòng)駕駛、AIGC 等各垂直行業(yè)場(chǎng)景提供 AI 算力。

AI 智算，需要什么樣的芯片？

在硬件的選擇上，智算中心與傳統數據中心的硬件架構也有所不同。

AI 智算，需要什么樣的算力芯片？

傳統數據中心的硬件架構比較單一，主要包含服務(wù)器、存儲設備和網(wǎng)絡(luò )設備。智算中心相比于此硬件架構就會(huì )更加的靈活，不同的應用場(chǎng)景也會(huì )選擇不同的計算節點(diǎn)。

智算服務(wù)器是智算中心的主要算力硬件，通常采用「CPU+GPU」、「CPU+NPU」或「CPU+TPU」的異構計算架構，以充分發(fā)揮不同算力芯片在性能、成本和能耗上的優(yōu)勢。

GPU、NPU、TPU 的內核數量多，擅長(cháng)并行計算。AI 算法涉及到大量的簡(jiǎn)單矩陣運算任務(wù)，需要強大的并行計算能力。

而傳統通用服務(wù)器則是以 CPU 作為主要芯片，用于支持如云計算和邊緣計算等基礎通用計算。

AI 智算，需要什么樣的存儲芯片？

不止是算力芯片的不同，AI 智算對存儲芯片也有著(zhù)更高的要求。

首先是用量。智算服務(wù)器的 DRAM 容量通常是普通服務(wù)器的 8 倍，NAND 容量是普通服務(wù)器的 3 倍。甚至它的 PCB 電路板層數也明顯多于傳統服務(wù)器。

這也意味著(zhù)智算服務(wù)器需要布局更多的存儲芯片，以達到所需性能。

隨著(zhù)需求的水漲船高，一系列瓶頸問(wèn)題也浮出水面。

一方面，傳統馮諾依曼架構要求數據必須加載到內存中，導致數據處理效率低、延遲大、功耗高；另一方面，存儲器墻問(wèn)題使得處理器性能的增長(cháng)速度遠快于內存速度，造成大量數據需要在 SSD 和內存間傳遞；此外，CPU 掛載的 SSD 容量和帶寬限制也成為性能瓶頸。

面對「存儲墻」、「功耗墻」等問(wèn)題，傳統計算體系結構中計算存儲架構亟需升級，將存儲與計算有機融合，以其巨大的能效比提升潛力，才能匹配智算時(shí)代巨量數據存儲需求。

針對這一系列問(wèn)題，存算一體芯片或許是一個(gè)不錯的答案。

除了芯片不同之外，為了充分發(fā)揮性能以及保障穩定運行，AI 服務(wù)器在架構、散熱、拓撲等方面也進(jìn)行了強化設計。

這些芯片，誰(shuí)在布局？

算力芯片的布局情況

在 GPU 方面，GPU 擅長(cháng)大規模并行計算。華為、天數智芯、摩爾線(xiàn)程、中科曙光、燧原科技、英偉達、英特爾、AMD 等都推出有相關(guān)的芯片。比如，華為推出了昇騰系列 AI 芯片昇騰 910 和昇騰 310 等，這些芯片專(zhuān)為 AI 訓練和推理設計，具有高性能和低功耗的特點(diǎn)。昇騰系列已廣泛應用于數據中心、云服務(wù)和邊緣計算等領(lǐng)域，為智算中心提供強大的算力支持。

英偉達推出了多款針對 AI 訓練和推理的 GPU 產(chǎn)品，如 A100、H100 等。英特爾也推出了多款 AI 芯片產(chǎn)品，如 Habana Labs 的 Gaudi 系列芯片，旨在與英偉達競爭。AMD 在 AI 芯片領(lǐng)域也有所布局，推出了 MI 系列 GPU 和 APU 產(chǎn)品。

在 FPGA 方面，CPU+FPGA 則結合了靈活性與高效能，適應算法快速變化。賽靈思、英特爾是市場(chǎng)主要參與者，相關(guān)產(chǎn)品有：賽靈思的 VIRTEX、KINTEX、ARTIX、SPARTAN 產(chǎn)品系列以及英特爾的 Agilex 產(chǎn)品系列；國內主要廠(chǎng)商包括復旦微電、紫光國微和安路科技等。

在 ASIC 方面，CPU+ASIC 提供高性能定制計算，適合特定需求。國外谷歌、英特爾、英偉達等巨頭相繼發(fā)布了 ASIC 芯片。國內寒武紀、華為海思、地平線(xiàn)等廠(chǎng)商也都推出了深度神經(jīng)網(wǎng)絡(luò )加速的 ASIC 芯片。

在 NPU 方面，NPU 是專(zhuān)門(mén)為人工智能和機器學(xué)習場(chǎng)景而設計的處理器。與 CPU 和 GPU 不同，NPU 在硬件結構上進(jìn)行了針對性的優(yōu)化，專(zhuān)注于執行神經(jīng)網(wǎng)絡(luò )推理等 AI 相關(guān)的計算任務(wù)。CPU 的通用性和 NPU 的專(zhuān)用性相結合，使得整個(gè)系統能夠靈活應對各種 AI 應用場(chǎng)景，快速適應算法和模型的變化。

目前市場(chǎng)上已有眾多量產(chǎn)的 NPU 或搭載 NPU 模塊的芯片，其中知名的包括高通 Hexagon NPU、華為的昇騰系列，值得注意的是，各大廠(chǎng)商在芯片計算核心的設計上都有著(zhù)獨特的策略。

在 TPU 方面，TPU 是谷歌專(zhuān)門(mén)為加速深層神經(jīng)網(wǎng)絡(luò )運算能力而研發(fā)的一款芯片，更加專(zhuān)注于處理大規模的深度學(xué)習任務(wù)，具備更高的計算能力和更低的延遲。TPU 也屬于一種 ASIC 芯片。

在 DPU 方面，DPU 專(zhuān)門(mén)設計用于數據處理任務(wù)，具有高度優(yōu)化的硬件結構，適用于特定領(lǐng)域的計算需求。不同于 CPU 用于通用計算，GPU 用于加速計算，DPU 是數據中心第三顆主力芯片。國際三大巨頭英偉達、博通、英特爾的 DPU 產(chǎn)品占據國內大多數市場(chǎng)，賽靈思、Marvell、Pensando、Fungible、Amazon、Microsoft 等多家廠(chǎng)商在近 2-5 年內也均有 DPU 或相似架構產(chǎn)品生產(chǎn)。國內廠(chǎng)商包括中科馭數、芯啟源、云豹智能、大禹智芯、阿里云等。

國產(chǎn)算力芯片走到哪一步了？

在 2024 北京移動(dòng)算力網(wǎng)絡(luò )大會(huì )上，中國移動(dòng)算力中心北京節點(diǎn)正式投入使用，標志著(zhù)我國智算中心建設進(jìn)入新階段。作為北京首個(gè)大規模訓推一體智算中心，該項目占地約 57000 平方米，部署近 4000 張 AI 加速卡，AI 芯片國產(chǎn)化率達 33%，智能算力規模超 1000P。

北京超級云計算中心運營(yíng)實(shí)體北京北龍超級云計算有限責任公司 CTO 甄亞楠近日表示，目前幫國產(chǎn)大模型「嫁接」國產(chǎn)芯片，只需 15 天左右就可以跑通。他認為算力共享會(huì )是行業(yè)大趨勢，高端 GPU 算力資源需要各方努力。

近年來(lái)，中國人工智能算力芯片的市場(chǎng)格局主要由英偉達主導，其占據了 80% 以上的市場(chǎng)份額。

甄亞楠表示，「我們也非常關(guān)注國產(chǎn)芯片的發(fā)展，據了解，國內自研的大模型，甚至一些開(kāi)源的大模型都在不斷往國產(chǎn)芯片上去做移植?，F在從芯片使用角度來(lái)講，有些模型已經(jīng)可以跑通運行了，需要追趕的方面主要在類(lèi)似 GPU 這種高性能?！?/span>

「整個(gè)的國產(chǎn)化是分層級的，芯片屬于硬件這一層，除此之外還有軟件的生態(tài)。對于國產(chǎn)的芯片來(lái)講，不管是框架還是生態(tài)，都需要有一定的培育周期?！拐鐏嗛粲?，最終的應用方要給到國產(chǎn)芯片足夠的信心。

存儲芯片的布局情況

智算中心在存儲方面需要具備高容量、高可靠性、高可用性等特點(diǎn)。存儲設備通常采用高性能的硬盤(pán)或固態(tài)硬盤(pán)，并配備冗余的存儲架構，以確保數據的安全性和可訪(fǎng)問(wèn)性。三星、美光、SK 海力士等都有相關(guān)芯片都廣泛應用于數據中心、云計算等領(lǐng)域，為智算中心提供高性能的存儲解決方案。

國內廠(chǎng)商近年來(lái)在 DRAM 與 NAND 技術(shù)追趕上也實(shí)現了快速發(fā)展。

除了傳統的存儲芯片外，智算中心還需要上文提到的新型存儲—存算一體芯片發(fā)揮更大的作用。

從存算一體發(fā)展歷程來(lái)看，自 2017 年起，英偉達、微軟、三星等大廠(chǎng)提出了存算一體原型，同年國內存算一體芯片企業(yè)開(kāi)始涌現。

大廠(chǎng)們對存算一體架構的需求是實(shí)用且落地快，而作為最接近工程落地的技術(shù)，近存計算成為大廠(chǎng)們的首選。諸如特斯拉、三星等擁有豐富生態(tài)的大廠(chǎng)以及英特爾、IBM 等傳統芯片大廠(chǎng)都在布局近存計算。

國內初創(chuàng )企業(yè)則聚焦于無(wú)需考慮先進(jìn)制程技術(shù)的存內計算。其中，知存科技、億鑄科技、九天睿芯等初創(chuàng )公司都在押注 PIM、CIM 等「存」與「算」更親密的存算一體技術(shù)路線(xiàn)。億鑄科技、千芯科技等專(zhuān)注于大模型計算、自動(dòng)駕駛等 AI 大算力場(chǎng)景；閃易、新憶科技、蘋(píng)芯科技、知存科技等則專(zhuān)注于物聯(lián)網(wǎng)、可穿戴設備、智能家居等邊緣小算力場(chǎng)景。

億鑄科技致力于用存算一體架構設計 AI 大算力芯片，首次將憶阻器 ReRAM 和存算一體架構相結合，通過(guò)全數字化的芯片設計思路，在當前產(chǎn)業(yè)格局的基礎上，提供一條更具性?xún)r(jià)比、更高能效比、更大算力發(fā)展空間的 AI 大算力芯片換道發(fā)展新路徑。

千芯科技專(zhuān)注于面向人工智能和科學(xué)計算領(lǐng)域的大算力存算一體算力芯片與計算解決方案研發(fā)，在 2019 年率先提出可重構存算一體技術(shù)產(chǎn)品架構，在計算吞吐量方面相比傳統 AI 芯片能夠提升 10-40 倍。目前千芯科技可重構存算一體芯片（原型）已在云計算、自動(dòng)駕駛感知、圖像分類(lèi)、車(chē)牌識別等領(lǐng)域試用或落地；其大算力存算一體芯片產(chǎn)品原型也已在國內率先通過(guò)互聯(lián)網(wǎng)大廠(chǎng)內測。

知存科技的方案是重新設計存儲器，利用 Flash 閃存存儲單元的物理特性，對存儲陣列改造和重新設計外圍電路使其能夠容納更多的數據，同時(shí)將算子也存儲到存儲器當中，使得每個(gè)單元都能進(jìn)行模擬運算并且能直接輸出運算結果，以達到存算一體的目的。

智算規模占比超 30%，算力建設如火如荼

7 月初，天府智算西南算力中心正式在四川成都投運。據介紹，該中心將以算力支撐成都打造千億級人工智能核心產(chǎn)業(yè)，賦能工業(yè)制造、自然科學(xué)、生物醫學(xué)、科研模擬實(shí)驗等領(lǐng)域的人工智能創(chuàng )新。

這不是個(gè)例。近一個(gè)月來(lái)，銀川綠色智算中心項目集中開(kāi)工；北京移動(dòng)在京建成首個(gè)大規模訓推一體智算中心，支撐高復雜度、高計算需求的百億、千億級大模型訓練推理；鄭州人工智能計算中心開(kāi)工建設，總投資超 16 億元……以智算中心為代表的數字新基建正加快建設落地。

國家統計局 7 月 15 日發(fā)布的數據顯示，截至 5 月底，全國新建 5G 基站 46 萬(wàn)個(gè)；規劃具有高性能計算機集群的智算中心達 10 余個(gè)，智能算力占算力總規模比重超過(guò) 30%。

據中國 IDC 圈不完全統計，截止 2024 年 5 月 23 日，中國大陸共有智算中心 283 座，已覆蓋中國大陸所有省、自治區和直轄市。其中有投資額統計的智算中心項目 140 座，總投資額達到 4364.34 億元。有規劃算力規模統計的智算中心項目 177 座，總算力規模達到 36.93 萬(wàn) PFlops。

這些「智算中心」標準不一、規模不同，算力規模一般在 50P、100P、500P、1000P，有的甚至達到 12000P 以上，雖然 AI 浪潮給智算中心帶來(lái)了廣闊的發(fā)展前景，但供需錯配、價(jià)格昂貴、重復建設等仍然是我國算力建設面臨的難題。

與此同時(shí)，多地也紛紛出臺專(zhuān)項規劃，明確未來(lái)幾年建設目標，并在技術(shù)、應用、資金等方面完善支持舉措。例如，江蘇發(fā)布省級算力基礎設施發(fā)展專(zhuān)項規劃，提出到 2030 年全省在用總算力超過(guò) 50EFLOPS（EFLOPS 是指每秒百億億次浮點(diǎn)運算次數），智能算力占比超過(guò) 45%；甘肅提出對算力網(wǎng)絡(luò )新型基礎設施在用地、市政配套設施建設、人才引進(jìn)、資金等方面給予政策支持。

「人工智能大模型等應用爆發(fā)式發(fā)展帶動(dòng)了智能算力需求激增?！箛倚畔⒅行男畔⒒彤a(chǎn)業(yè)發(fā)展部主任單志廣表示，智能計算發(fā)展迅速，已經(jīng)成為我國算力結構中增速最快的類(lèi)型，其中大模型是智能算力的最大需求方，需求占比近六成。預計到 2027 年，中國智能算力規模年度復合增長(cháng)率達 33.9%。