|
随着人工智能技术的不断发展，机器学习算法的研究和应用已经成为了当前的热点之一。然而，对于大规模模型的训练需求，市场上的供应并没有跟上需求的步伐，这直接推动了英伟达GPU的需求和市值。英伟达的GPU成为了全球最热门的计算设备之一，这一现象对于全球半导体公司市值创造了新的纪录，英伟达的市值也因此达到了1万亿美元。在这样的市场背景下，国内的AI大芯片公司们也开始积极寻求英伟达GPU的供应，但供需失衡的局面仍然存在。
在这种情况下，国内AI大芯片公司们需要思考AI算法是否有从百家争鸣走向大一统的可能。这意味着，过去为特定领域AI算法研发的专用AI芯片，由于计算负载特性的急剧变化，之前的性价比优势会被明显削弱，英伟达兼具高带宽、高互联特性的通用GPU优势将会进一步扩大。因此，想要和英伟达竞争的难度更大了。 为了在AI芯片市场中获得竞争优势，国内AI大芯片初创公司们需要探索不同的发展路径。其中一条路径是跟随英伟达路线做GPGPU，也就是通用GPU。对于这种路线，AMD作为英伟达的竞争对手也没能在市场中分到太多的市场份额。更何况是实力不及AMD的国内初创公司呢？另一种则是设计AI专用芯片，也就是DSA，Domain Specific Architecture，领域专用架构。这种路线的门槛要低得多，因为不必考虑API、驱动等复杂的软件支持，精简了芯片设计的复杂度。但是，这种路线的发展需要更多的时间和精力，因为需要针对特定的应用场景进行设计和优化。
芯片专家认为，GPGPU和DSA并不是绝对的对立，而是可以相互融合的，前者可以帮助后者提升性能，后者可以解决前者在特定场景下遇到的性能瓶颈。因此，AI从业者需要关注的，是哪些领域有性能瓶颈，哪些领域的计算负载特性变化较快，选择适合的解决方案才是王道。 AI芯片市场的竞争激烈程度不言而喻。芯片公司需要有极高的工程技术实力和深度的业务洞察，还需要有极强的市场敏锐度和对未来的敏锐洞察力。只有这样，他们才能在竞争激烈的市场中立于不败之地。然而，谁能吃下大模型市场，就能成为下一个英伟达。但能吃下大模型市场的，未必只有芯片公司，云服务商、设备厂商、算法公司，都有机会成为大模型市场的赢家。因此，芯片公司需要紧密关注市场变化，及时调整自己的战略，才能在市场中占据有利地位。
总之，在AI技术的快速发展和市场竞争的双重压力下，芯片公司需要不断探索和创新，寻找适合自己的发展路径，才能在市场中取得优势。 |
|
|
