黄仁勋为何急着官宣英伟达下一代人工智能芯片？新科普

人工智能大模型的兴起，让英伟达公司成为全球最受关注的企业之一。最近，英伟达首席执行官黄仁勋宣布:Rubin将是Blackwell芯片的后继平台。今年3月18日，这家硅谷企业发布了Blackwell芯片平台，刚进入生产阶段。为何在两个多月后，就急着官宣下一代还在研发的人工智能芯片？人工智能芯片技术和产业的发展趋势是什么？解放日报·上观新闻记者采访了上海硅知识产权交易中心总经理、上海市集成电路行业协会监事长徐步陆博士。

对GPU应用前景“先知先觉”

据介绍，人工智能芯片以GP-GPU通用计算芯片为主体。GP的意思是通用，GPU的本意是图形处理器，所以GP-GPU的全称为“通用图形处理单元”，简称GPU。正是因为在这个芯片领域做到世界第一，英伟达才超越英特尔，成为全球最炙手可热的芯片公司。

GPU在个人电脑、手机和平板电脑里就有，用来处理与图像相关的运算。这类芯片有并行计算功能，能够在同一时间做大量比较简单的运算，在人工智能大规模计算上大有用武之地。凭借对这一应用前景的“先知先觉”，黄仁勋带领团队将GPU升级为GP-GPU，让这类芯片更适合高性能并行计算，并能使用更高级别的编程语言。

随着人工智能产业的兴起，高性能GP-GPU的应用价值越来越大。这类芯片主要应用在人工智能模型训练与推理、高性能计算两大领域。在大模型训练中，用于训练的GPU往往部署在云端，即安装在服务器里，注重绝对的计算能力；用于推理的GPU则注重综合指标，用于云端或设备端，需通盘考虑单位能耗算力、时延、成本等因素。

在高性能计算领域，GPU也扮演着重要角色，用于数据中心、科学计算、自动驾驶等多种应用场景，能执行海量数据的并行计算。

英伟达产品是芯片级服务器

“很多人对人工智能芯片有个误解，以为有了GPU，就不需要CPU了。”徐步陆说，“其实，GPU和CPU各有所长。简单讲，前者擅长并行计算，后者有复杂逻辑的控制功能。”以英伟达今年3月发布的GB200芯片为例，它由两个B200 Blackwell GPU和一个基于Arm公司芯片架构的Grace CPU组成，采用台积电4纳米工艺制程，包含2080亿个晶体管，其性能达到每秒20千万亿次浮点运算。

GPU与CPU、存储器等不同种类裸片集成为单颗芯片，称为芯片级“异构”。在存算一体化过程中，合理优化分配GPU、CPU、加速单元等异构处理器、存储和传输之间的任务和负载，是人工智能芯片技术发展的一个趋势。黄仁勋最近宣布在研的Rubin芯片，将配备新一代GPU、基于Arm架构的Vera CPU以及HBM4高带宽存储器，就体现了这一趋势。

“从本质上看，英伟达做的产品不单是芯片，而是芯片级服务器，为客户提供‘片上计算系统’等智能计算解决方案。”徐步陆告诉记者。

提前官宣有利于产业链协同

在服务器领域，英伟达为谷歌、微软、亚马逊等云服务巨头企业供货，同时也对这些传统巨头形成了挑战。另外，英伟达也要应对AMD、英特尔等芯片企业向它发起的挑战。在这种激烈的市场环境中，黄仁勋在发布Blackwell芯片平台后的三个月内，急着官宣下一代人工智能芯片，也就不难理解了。显然，适时推出人工智能硬件产品路线图和时间表，可以给予产业链、供应链上下游企业一个比较明确的预期，让它们根据路线图和时间表尽早谋划自身产品。

超前官宣下一代人工智能芯片，还能引起资本市场的关注，有助于英伟达维持3万亿美元这一科技公司的历史性市值，筹集到更多的研发经费。徐步陆指出，集成电路产业在全球资本的保障下，处理器、存储器、传输光模块等芯片在设计上越来越同步，芯片设计与尖端制程的晶圆制造、三维立体封装正在形成高效协同，算力芯片与传输协议、开发环境的协同性也越来越高。

在协同性方面，人工智能芯片与通用并行计算架构生态系统的优化协同值得一提。英伟达开发的CUDA，就是一个通用并行计算架构生态系统。它包含CUDA指令集架构和GPU内部的并行计算引擎。软件工程师可以用C语言来为CUDA架构编写程序，让这些程序在支持CUDA的处理器上高性能运行。

“这是一个编程平台、应用框架和基础架构。”徐步陆解释，“通过软件和硬件产品的协同，英伟达打造了强大的GPU创新生态，吸引全球用户在这个生态里开发AI产品并优化开发工具、算子库等，从而越用越好用，以致产生用户依赖性。”

放眼国内，华为等一批人工智能芯片头部企业也在开发生态系统。虽然目前国产生态系统的用户数量不如CUDA，但国内集成电路业界已达成一种共识:只有加快构建开放式新一代人工智能芯片软硬件一体化生态，中国集成电路和人工智能产业才能实现自主可控、面向全球的可持续发展，也能更好地为各行业培育新质生产力服务。

免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。