berita

chip ai juga disebut akselerator ai atau kartu komputasi. menurut arsitektur teknisnya, chip tersebut dapat dibagi menjadi unit pemrosesan grafis tujuan umum (gpgpu), unit pemrosesan pusat (cpu), chip terintegrasi khusus aplikasi (asic), dan bidang. -array gerbang yang dapat diprogram (fpga). dalam pengembangan kecerdasan buatan, para peneliti telah menemukan bahwa komputasi paralel dapat melakukan pelatihan model secara efisien dan memproses data kompleks berskala besar. gpgpu memiliki kinerja komputasi paralel yang lebih tinggi dibandingkan chip lainnya dan cocok untuk aplikasi komputasi intensif, sehingga telah menjadi chip komputasi utama.

menurut klasifikasi fungsionalnya, chip ai dapat dibagi menjadi dua jenis: kartu pelatihan dan kartu inferensi. kartu pelatihan, disebut juga kartu besar, biasanya memiliki daya komputasi dan bandwidth memori yang lebih tinggi untuk mendukung penghitungan dan pemrosesan data dalam jumlah besar selama proses pelatihan, juga disebut kartu kecil, memiliki parameter lebih rendah dan hanya perlu memenuhi persyaratan inferensi; . secara umum kartu latihan dapat digunakan sebagai kartu penalaran, namun kartu penalaran tidak dapat digunakan sebagai kartu latihan. sederhananya, pelatihan model besar memerlukan kartu pelatihan dalam jumlah besar untuk membentuk cluster kartu grafis, sedangkan untuk aplikasi, diperlukan kartu inferensi untuk menjalankan model ai untuk perhitungan.

gelombang kecerdasan buatan ini diluncurkan oleh chatgpt, dan menggunakan model bahasa besar dan aplikasi ai generatif sebagai titik masuknya. sejak dirilis oleh google pada tahun 2017, transformer telah banyak digunakan dalam pemrosesan bahasa alami, visi komputer, mengemudi otonom, dan bidang lainnya, selain menghadirkan produk sisi-c populer seperti chatgpt. perusahaan teknologi tiongkok dan asing terus meningkatkan investasi di bidang terkait, termasuk google, meta, microsoft, bytedance, baidu, dan raksasa serta perusahaan rintisan teknologi dalam dan luar negeri lainnya, yang semuanya berharap mendapat bagian dari perusahaan non-teknologi lainnya. perusahaan teknologi juga terus berinvestasi pada sumber daya manusia dan teknologi. menurut data perkiraan dari bloomberg intelligence, pada tahun 2032, proporsi ai generatif dalam keseluruhan pengeluaran perangkat keras, perangkat lunak, layanan, periklanan, permainan, dan lain-lain teknologi informasi dapat meningkat dari tingkat saat ini yang kurang dari 1% menjadi 12%.

pada tahun 2018, openai meluncurkan model bahasa pra-pelatihan generatif generasi pertama gpt-1, yang memiliki 117 juta parameter. jumlah parameter gpt-4 yang dirilis pada tahun 2023 akan berjumlah sekitar 1,8 triliun. peningkatan jumlah parameter lebih dari 10.000 kali lipat dalam 5 tahun telah menyebabkan peningkatan eksponensial dalam kebutuhan daya komputasi model besar. openai memperkirakan bahwa sejak tahun 2012, kebutuhan daya komputasi pelatihan model ai kepala global meningkat dua kali lipat setiap 3-4 bulan. terutama setelah tahun 2023, pengembangan ai sedang berjalan lancar. produsen dalam dan luar negeri telah meningkatkan investasi mereka pada ai generatif, dan "pertempuran ratusan model" telah dimulai kembali. hal ini juga menyebabkan kekurangan permintaan daya komputasi dalam jangka panjang .

chip ai domestik terutama terkonsentrasi pada sisi inferensinvidiapersaingan dislokasi semakin meningkat. di sisi lain, seiring dengan perkembangan dan mempopulerkan teknologi ai, permintaan industri akan chip ai berperforma tinggi dan berdaya rendah semakin meningkat. namun, ada juga produsen chip sisi pelatihan yang menyusun rencananya. pada global ai chip summit 2024, biren technology untuk pertama kalinya mengumumkan solusi pelatihan kolaboratif gpu heterogen yang independen dan orisinal, hgct , ini mendukung pelatihan campuran dari tiga atau lebih gpu heterogen pada model besar yang sama. moore thread mengumumkan cluster cerdas wanka kuae (kuae) berbasis mtt s4000 untuk pelatihan dan pengujian. produsen seperti huawei, cambrian, dan haiguang information juga melakukan langkah serupa.

sangat sulit untuk memulai bisnis chip ai. laimi research institute percaya bahwa kesulitan pertama dalam memulai bisnis chip ai adalah menyelesaikan masalah desain dan manufaktur chip. karena pembatasan di luar negeri, alat desain terkait telah dikontrol. namun, masalah manufaktur adalah masalah yang lebih realistis. chip ai terbaru nvidia menggunakan proses 4nm. saat ini, hanya tsmc yang memiliki kemampuan manufaktur, sedangkan kemampuan manufaktur chip di tiongkok daratan sedikit kurang memadai.

yang kedua adalah masalah pasar. nvidia masih menjadi solusi chip ai yang paling hemat biaya saat ini. perusahaan ai dalam negeri membeli chip ai dalam negeri karena alasan subjektif atau obyektif untuk substitusi dalam negeri sesuai dengan kebutuhan mereka (misalnya, produsen seperti bytedance merancang chip ai mereka sendiri berdasarkan permintaan). di satu sisi, model-model besar mempercepat pengembangan chip ai, dan di sisi lain, juga membuat kesenjangan antar produsen chip semakin lebar. produsen chip ai dalam negeri harus mempertimbangkan kebutuhan spesifik apa yang dapat dipenuhi oleh produk mereka sebelum pelanggan bersedia membayar premi yang tinggi.

yang ketiga adalah profitabilitas. karena alasan-alasan yang diketahui, siklus penelitian dan pengembangan chip ai bersifat panjang, intensif, dan mahal, dan investasi ini seringkali sulit diperoleh kembali dalam jangka pendek. oleh karena itu, sangat penting untuk memperoleh kemampuan hematopoietik. dalam dinamika pasar primer saat ini, sangat tidak mungkin untuk hanya mengandalkan pasar modal ventura untuk transfusi darah. arus kas positif dari perusahaan chip ai juga layak untuk diuji.

seiring dengan revolusi model besar yang melanda dunia, permintaan akan daya komputasi mencapai tingkatan baru, mendorong iterasi dan evolusi chip cloud, edge, dan ai sampingan. di bawah tiga awan pertumbuhan data yang eksplosif, teknologi yang mendekati batas fisik, dan situasi internasional yang kompleks dan bergejolak, banyak perusahaan chip ai bergerak maju di bawah tekanan dengan cara yang sederhana dan pragmatis, secara aktif mempersiapkan peluang yang ada di masa depan. oleh gelombang ai generatif.

seperti yang dikatakan elon musk: hanya bahan mentah yang menjadi satu-satunya batasan, dan setiap aspek manufaktur dapat diciptakan kembali sepenuhnya. potensi besar ai pasti akan menciptakan ukuran pasar triliunan. kemacetan ini hanya bersifat sementara. dengan adanya terobosan dalam proses-proses canggih dan investasi modal, jarak antara kita dan ai di luar negeri semakin menyusut. ruang untuk substitusi dalam negeri sangat besar, dan perusahaan terkait juga akan membuka peluang pertumbuhan yang pesat.

pemikiran akhir permainan membutuhkan penentuan pemenang. dunia di masa depan akan membutuhkan daya komputasi yang tak terbatas, namun berdasarkan lanskap kompetitif pasar as, mungkin hanya ada sedikit pemenang. karena sifat chip ai yang bersifat pemenang, kami percaya bahwa perusahaan chip ai dalam negeri harus memiliki kekuatan teknis, kemampuan saluran, dan kemampuan pendanaan untuk menang. kemampuan ini menimbulkan tantangan besar bagi startup, namun juga menciptakan hambatan industri.