隨著人工智能技術的不斷發(fā)展，機器學習算法的研究和應用已經成為了當前的熱點之一。然而，對于大規(guī)模模型的訓練需求，市場上的供應并沒有跟上需求的步伐，這直接推動了英偉達GPU的需求和市值。英偉達的GPU成為了全球最熱門的計算設備之一，這一現象對于全球半導體公司市值創(chuàng)造了新的紀錄，英偉達的市值也因此達到了1萬億美元。在這樣的市場背景下，國內的AI大芯片公司們也開始積極尋求英偉達GPU的供應，但供需失衡的局面仍然存在。
在這種情況下，國內AI大芯片公司們需要思考AI算法是否有從百家爭鳴走向大一統的可能。這意味著，過去為特定領域AI算法研發(fā)的專用AI芯片，由于計算負載特性的急劇變化，之前的性價比優(yōu)勢會被明顯削弱，英偉達兼具高帶寬、高互聯特性的通用GPU優(yōu)勢將會進一步擴大。因此，想要和英偉達競爭的難度更大了。
為了在AI芯片市場中獲得競爭優(yōu)勢，國內AI大芯片初創(chuàng)公司們需要探索不同的發(fā)展路徑。其中一條路徑是跟隨英偉達路線做GPGPU，也就是通用GPU。對于這種路線，AMD作為英偉達的競爭對手也沒能在市場中分到太多的市場份額。更何況是實力不及AMD的國內初創(chuàng)公司呢？另一種則是設計AI專用芯片，也就是DSA，Domain Specific Architecture，領域專用架構。這種路線的門檻要低得多，因為不必考慮API、驅動等復雜的軟件支持，精簡了芯片設計的復雜度。但是，這種路線的發(fā)展需要更多的時間和精力，因為需要針對特定的應用場景進行設計和優(yōu)化。
芯片專家認為，GPGPU和DSA并不是絕對的對立，而是可以相互融合的，前者可以幫助后者提升性能，后者可以解決前者在特定場景下遇到的性能瓶頸。因此，AI從業(yè)者需要關注的，是哪些領域有性能瓶頸，哪些領域的計算負載特性變化較快，選擇適合的解決方案才是王道。
AI芯片市場的競爭激烈程度不言而喻。芯片公司需要有極高的工程技術實力和深度的業(yè)務洞察，還需要有極強的市場敏銳度和對未來的敏銳洞察力。只有這樣，他們才能在競爭激烈的市場中立于不敗之地。然而，誰能吃下大模型市場，就能成為下一個英偉達。但能吃下大模型市場的，未必只有芯片公司，云服務商、設備廠商、算法公司，都有機會成為大模型市場的贏家。因此，芯片公司需要緊密關注市場變化，及時調整自己的戰(zhàn)略，才能在市場中占據有利地位。
總之，在AI技術的快速發(fā)展和市場競爭的雙重壓力下，芯片公司需要不斷探索和創(chuàng)新，尋找適合自己的發(fā)展路徑，才能在市場中取得優(yōu)勢。
聯系客服
