如何看待ChatGPT的出現(xiàn)？ChatGPT會(huì)帶來哪些啟示

最近，ChatGPT熱潮席卷全球。
ChatGPT(Chat Generative Pre-trained Transformer)是由OpenAI于2022年12月推出的對(duì)話AI模型，僅發(fā)布2個(gè)月便實(shí)現(xiàn)月活突破1億，成為歷史上用戶增長最快的消費(fèi)級(jí)應(yīng)用之一。

圖來來源：紐約時(shí)報(bào)
ChatGPT火出圈背后是“人類反饋強(qiáng)化模型”的應(yīng)用。在問答模式的基礎(chǔ)上，ChatGPT可以進(jìn)行推理、編寫代碼、文本創(chuàng)作等等，這樣的特殊優(yōu)勢(shì)和用戶體驗(yàn)使得應(yīng)用場(chǎng)景流量大幅增加。
隨著ChatGPT用戶數(shù)快速增長，需求量火爆引發(fā)宕機(jī)。在龐大用戶群涌入的情況下，ChatGPT服務(wù)器2天宕機(jī)5次，火爆程度引人注目的同時(shí)也催生了對(duì)算力基礎(chǔ)設(shè)施建設(shè)更高的要求，特別是底層芯片。那么，ChatGPT將帶動(dòng)哪些芯片的需求?
AI服務(wù)器需求激增
當(dāng)前，ChatGPT在問答模式的基礎(chǔ)上進(jìn)行推理、編寫代碼、文本創(chuàng)作等，用戶人數(shù)及使用次數(shù)均提升，同時(shí)在一些新應(yīng)用場(chǎng)景也產(chǎn)生了較大的流量，比如智能音箱、內(nèi)容生產(chǎn)、游戲NPC、陪伴機(jī)器人等。隨著終端用戶使用頻率提高，數(shù)據(jù)流量暴漲，對(duì)服務(wù)器的數(shù)據(jù)處理能力、可靠性及安全性等要求相應(yīng)提升。
從技術(shù)原理來看，ChatGPT基于Transformer技術(shù)，隨著模型不斷迭代，層數(shù)也越來越多，對(duì)算力的需求也就越來越大。從運(yùn)行條件來看，ChatGPT完美運(yùn)行的三個(gè)條件：訓(xùn)練數(shù)據(jù)+模型算法+算力，需要在基礎(chǔ)模型上進(jìn)行大規(guī)模預(yù)訓(xùn)練，存儲(chǔ)知識(shí)的能力來源于1750億參數(shù)，需要大量算力。
資料顯示，ChatGPT是基于GPT-3.5優(yōu)化的一個(gè)模型，GPT-3.5是GPT-3.0的微調(diào)版本。OpenAI的GPT-3.0模型存儲(chǔ)知識(shí)的能力來源于1750億參數(shù)，單次訓(xùn)練費(fèi)用約460萬美元，GPT-3.5在微軟AzureAI超算基礎(chǔ)設(shè)施上進(jìn)行訓(xùn)練，總算力消耗約3640PF-days(即假如每秒計(jì)算一千萬億次,需要計(jì)算3640天)。
可以說，ChatGPT拉動(dòng)了芯片產(chǎn)業(yè)量?jī)r(jià)齊升，即不僅對(duì)人工智能底層芯片數(shù)量產(chǎn)生了更大的需求，而且對(duì)底層芯片算力也提出了更高的要求，即拉動(dòng)了高端芯片的需求。據(jù)悉，采購一片英偉達(dá)頂級(jí)GPU成本為8萬元，GPU服務(wù)器成本通常超過40萬元。支撐ChatGPT的算力基礎(chǔ)設(shè)施至少需要上萬顆英偉達(dá)GPU A100，高端芯片需求的快速增加會(huì)進(jìn)一步拉高芯片均價(jià)。
隨著ChatGPT流量激增，作為算力載體的AI服務(wù)器將迎來重要發(fā)展機(jī)遇。預(yù)計(jì)，全球AI服務(wù)器市場(chǎng)將從2020年的122億美元成長到2025年288億美元，年復(fù)合增長率達(dá)到18.8%。
這些芯片將受益
從芯片構(gòu)成來看，AI服務(wù)器主要是CPU+加速芯片，通常搭載GPU、FPGA、ASIC等加速芯片，利用CPU與加速芯片的組合可以滿足高吞吐量互聯(lián)的需求。
1.CPU
作為計(jì)算機(jī)系統(tǒng)的運(yùn)算和控制核心，是信息處理、程序運(yùn)行的最終執(zhí)行單元。其優(yōu)勢(shì)在于有大量的緩存和復(fù)雜的邏輯控制單元，擅長邏輯控制、串行的運(yùn)算;劣勢(shì)在于計(jì)算量較小，且不擅長復(fù)雜算法運(yùn)算和處理并行重復(fù)的操作。因此，CPU在深度學(xué)習(xí)中可用于推理/預(yù)測(cè)。
目前，服務(wù)器CPU向多核心發(fā)展，滿足處理能力和速度提升需要，比如AMD EPYC 9004核心數(shù)量最多可達(dá)96個(gè)。不過，系統(tǒng)性能優(yōu)劣不能只考慮CPU核心數(shù)量，還要考慮操作系統(tǒng)、調(diào)度算法、應(yīng)用和驅(qū)動(dòng)程序等。
2.GPU
GPU高度適配AI模型構(gòu)建，由于具備并行計(jì)算能力，可兼容訓(xùn)練和推理，目前GPU被廣泛應(yīng)用于加速芯片。以英偉達(dá)A100為例，在訓(xùn)練過程中，GPU幫助高速解決問題：2048個(gè)A100 GPU可在一分鐘內(nèi)成規(guī)模地處理 BERT之類的訓(xùn)練工作負(fù)載。在推理過程中，多實(shí)例GPU (MIG)技術(shù)允許多個(gè)網(wǎng)絡(luò)同時(shí)基于單個(gè)A100運(yùn)行，從而優(yōu)化計(jì)算資源的利用率。在A100其他推理性能增益的基礎(chǔ)之上，僅結(jié)構(gòu)稀疏支持一項(xiàng)就能帶來高達(dá)兩倍的性能提升。在BERT等先進(jìn)的對(duì)話式AI模型上，A100可將推理吞吐量提升到高達(dá)CPU的249倍。
目前，ChatGPT引發(fā)了GPU應(yīng)用熱潮。其中，百度即將推出文心一言(ERNIE Bot)。蘋果則引入AI加速器設(shè)計(jì)的M2系列芯片(M2 pro和M2 max)將被搭載于新款電腦。隨著ChatGPT的使用量激增，OpenAI需要更強(qiáng)的計(jì)算能力來響應(yīng)百萬級(jí)別的用戶需求，因此增加了對(duì)英偉達(dá)GPU的需求。
AMD計(jì)劃推出與蘋果M2系列芯片競(jìng)爭(zhēng)的臺(tái)積電4nm工藝“Phoenix”系列芯片，以及使用Chiplet工藝設(shè)計(jì)的“Alveo V70”AI芯片。這兩款芯片均計(jì)劃在今年推向市場(chǎng)，分別面向消費(fèi)電子市場(chǎng)以及AI推理領(lǐng)域。
3.FPGA
FPGA具有可編程靈活性高、開發(fā)周期短、現(xiàn)場(chǎng)可重編功能、低延時(shí)、方便并行計(jì)算等特點(diǎn)，可通過深度學(xué)習(xí)+分布集群數(shù)據(jù)傳輸賦能大模型。
4.ASIC
ASIC在批量生產(chǎn)時(shí)與通用集成電路相比具有體積更小、功耗更低、可靠性提高、性能提高、保密性增強(qiáng)、成本降低等優(yōu)點(diǎn)，可進(jìn)一步優(yōu)化性能與功耗。隨著機(jī)器學(xué)習(xí)、邊緣計(jì)算、自動(dòng)駕駛的發(fā)展，大量數(shù)據(jù)處理任務(wù)的產(chǎn)生，對(duì)于芯片計(jì)算效率、計(jì)算能力和計(jì)能耗比的要求也越來越高，ASIC通過與CPU結(jié)合的方式被廣泛關(guān)注，國內(nèi)外龍頭廠商紛紛布局迎戰(zhàn)AI時(shí)代的到來。
其中，谷歌最新的TPU v4集群被稱為Pod，包含4096個(gè)v4芯片，可提供超過1 exaflops的浮點(diǎn)性能。英偉達(dá)GPU+CUDA主要面向大型數(shù)據(jù)密集型HPC和AI應(yīng)用;基于Grace的系統(tǒng)與NVIDIAGPU緊密結(jié)合，性能比NVIDIADGX系統(tǒng)高出10倍。百度昆侖2代AI芯片采用全球領(lǐng)先的7nm 制程，搭載自研的第二代 XPU 架構(gòu)，相比一代性能提升2-3倍;昆侖芯3代將于2024年初量產(chǎn)。
5.光模塊
當(dāng)前，AI時(shí)代模型算力需求已經(jīng)遠(yuǎn)超摩爾定律的速度增長，特別是在深度學(xué)習(xí)、大模型時(shí)代之后，預(yù)計(jì)5-6個(gè)月翻倍。然而，數(shù)據(jù)傳輸速率成為容易被忽略的算力瓶頸。伴隨數(shù)據(jù)傳輸量的增長，光模塊作為數(shù)據(jù)中心內(nèi)設(shè)備互聯(lián)的載體，需求量隨之增長。

來源：Google Scholar

未來算力升級(jí)路徑
最近，ChatGPT的興起推動(dòng)著人工智能在應(yīng)用端的蓬勃發(fā)展，這也對(duì)計(jì)算設(shè)備的運(yùn)算能力提出了前所未有的需求。雖然AI芯片、GPU、CPU+FPGA等芯片已經(jīng)對(duì)現(xiàn)有模型構(gòu)成底層算力支撐，但面對(duì)未來潛在的算力指數(shù)增長，短期使用Chiplet異構(gòu)技術(shù)加速各類應(yīng)用算法落地，長期來看打造存算一體芯片(減少芯片內(nèi)外的數(shù)據(jù)搬運(yùn))，或?qū)⒊蔀槲磥硭懔ι?jí)的潛在方式。
1. Chiplet
Chiplet是布局先進(jìn)制程、加速算力升級(jí)的關(guān)鍵技術(shù)。Chiplet異構(gòu)技術(shù)不僅可以突破先進(jìn)制程的封鎖，并且可以大幅提升大型芯片的良率、降低設(shè)計(jì)的復(fù)雜程度和設(shè)計(jì)成本、降低芯片制造成本。不過，雖然Chiplet技術(shù)加速了算力升級(jí)，但需要犧牲一定的體積和功耗，因此將率先在基站、服務(wù)器、智能電車等領(lǐng)域廣泛使用。
目前，Chiplet已廣泛應(yīng)用于服務(wù)器芯片。AMD是Chiplet服務(wù)器芯片的引領(lǐng)者，其基于Chiplet的第一代AMDEPYC處理器中，裝載8個(gè)“Zen”CPU核，2個(gè)DDR4內(nèi)存通道和32個(gè)PCIe通道。2022年AMD正式發(fā)布第四代EPYC處理器，擁有高達(dá)96顆5nm的Zen4核心，并使用新一代的Chiplet工藝，結(jié)合5nm和6nm工藝來降低成本。
英特爾第14代酷睿Meteor Lake首次采用intel 4工藝，首次引入Chiplet小芯片設(shè)計(jì)，預(yù)計(jì)將于2023年下半年推出，至少性能功耗比的目標(biāo)要達(dá)到13代 Raptor Lake的1.5倍水平。
2.存算一體
正如上文提到的，AI時(shí)代模型算力需求遠(yuǎn)超摩爾定律的速度增長，單純靠縮微化制程已經(jīng)無法滿足需求而且成本急速攀升。實(shí)際上，從現(xiàn)有芯片架構(gòu)來看，超過60%時(shí)間是花在數(shù)據(jù)搬運(yùn)上，超過90%的功耗也損失在數(shù)據(jù)搬運(yùn)上，能效非常低。因此，存儲(chǔ)墻”成為了數(shù)據(jù)計(jì)算應(yīng)用的一大障礙。而存算一體是算力需求上升的主要解決技術(shù)路線之一。

存內(nèi)計(jì)算的計(jì)算原理可以理解成是用存儲(chǔ)器做計(jì)算，其計(jì)算單元不再是邏輯器件、CPU、GPU或者NPU，與這些架構(gòu)是完全不一樣的。存內(nèi)計(jì)算直接運(yùn)算單元是存儲(chǔ)單元本身。存算一體技術(shù)通過在存儲(chǔ)器中疊加計(jì)算能力，以新的高效運(yùn)算架構(gòu)進(jìn)行二維和三維矩陣運(yùn)算。