芯片专家观点摘要2023.3.27.docxVIP

芯片专家观点摘要2023/3/27 1：芯片种类繁杂，哪些芯片会受益此轮AI+？ 芯片按照用途分类包括计算芯片、存储芯片、感知芯片、通信芯片、能源芯片等等，其中最为受益于当下AI+浪潮的是计算芯片，存储芯片次之。作为AI浪潮中的“金铲子”，AI计算芯片主要包括图形处理器（GPU）、现场可编程门阵列（FPGA）、专用集成电路（ASIC）、神经拟态芯片（NPU）等。人工智能深度学习需要非常强大的并行处理能力，芯片厂商正在通过不断研发和升级新的芯片产品来应对挑战。目前GPGPU是绝对主流的AI计算加速芯片，IDC报告显示其占据9成左右市场份额，其他计算芯片大部分都不能够满足当下巨量数据的并行运算。 2：目前国内做AI芯片的主要是哪些公司？ 在主流的AI芯片GPGPU这个队列中，目前有寒武纪、海光信息、壁仞、摩尔线程等等。在这些企业当中，我们认为，将在2024年上半年量产的寒武纪思元590可能在一年后超越其他竞争者性能登顶。而目前国产超算GPGPU领域绝对领跑者，则是以Z100在成都、昆山、郑州的超算中心得到大规模部署的海光。 3: 目前国内AI芯片市场情况如何？ AI算力是Chatgpt的核心基座，AI芯片占据算力服务器最大价值量，也是最为核心产品。2021年，我国AI芯片达到427亿元，同比增长124%。在政策、市场、技术等合力作用下，中国人工智能芯片行业将快速发展，预计2023年我国AI芯片市场规模将达1600亿元，复合增速100%以上。 4：如何看待美国制裁？ 应该说是危机并存，机遇更大。目前还是能有一定途径购买到英伟达A100的芯片，英伟达也能提供阉割掉一部分性能的芯片，华为之前也囤积了大量的训练芯片，应该说短期内不会压制国内的的算力需求。此外，Chiplet技术可以实现对海外高端芯片性能的部分追赶。当下，无论从政府策还是企业侧，在芯片领域实现自主可控应该说达到了空前的团结，华为刚发布了能实现14nm的EDA软件，相信后面在光刻机领域也能有所突破。 5：目前国内政府采购情况会偏向国内芯片吗？ 这是必然的。近年来国内三大运营商的服务器采购中，国产CPU的比例已经逐步提高到40%，海光跟华为平分秋色。目前国内已建成和在规划的100PFlops以上超算中，也量采购了海光和华为的产品。在近期编号为HCZB-2021-ZB0364的北京大学高性能计算系统采购中标公告中，海光DCU Z100单块GPU卡显存32GB HBM2，FP64算力10.8TFlops，通用计算核心8192个，硬件参数基本与英伟达A100和AMD MI100在同一起跑线上。目前昆山超算中心400PFlops算力，拥有一万个节点，每个节点为1颗海光CPU和4颗海光DCU。成都超算中心规划300PFlops，现已达到100PFlops算力，采用曙光NebulaAI（海光CPU+DCU异构计算，之前的8000原型机也就在成都）。郑州超算中心之前采用英伟达GPU，新建的嵩山超级计算机100PFlops算力，也全部转为采用自主CPU+DCU异构。 6： 在芯片竞争背景下，寒武纪思元、华为昇腾、海光DCU能够多大程度上替代英伟达A100？ 由于国际环境的影响，芯片国产替代这个态势是不可逆转的，国内的超算中心、智算中心都有一个国产化指标。从流出的硬件指标上看，思元590已经优于A100。但是好马尚需配好鞍，目前英伟达CUDA在人工智能业界具有绝对性的影响力，建立软件生态不是一朝一夕就可以实现的。 在软件生态方面，华为早在2018年就发布了CANN1.0，而且在大部分双一流理工科院校以训练营的形式铺开了，目前CANN的态势还比较好。寒武纪则需要下很大力气把Neuware生态做好，不然思元590的硬件对于客户来说比较浪费。 另外英伟达还对GPT-3这样的大型语言模型还有非常多的优化，比如Nemo Megatron，目前国内一些团队正在开始做这方面的工作，如Colossal AI，但他们依然是基于CUDA生态的。所以按照当下的软件生态格局而言，类CUDA的海光DCU对于进行模型训练的用户更为友好一些。 7：如果中美之间的芯片竞争进一步升级，海光深算会受到影响吗？ 海光深算系列DCU脱胎于AMD CDNA，现已形成自主可控，同时可以运用ROCm软件栈的强大丰富生态。ROCm是一项开源计划，现有大部分CUDA上运行的应用，都可以迁移到ROCm。量子化学领域的CP2K，天气预报领域的WRF，药物研究领域的GROMACS，生物信息学领域的HMMER等软件都获得了ROCm完整的并行高性能计算支持。也就意味着在英伟达数据中心级GPU可能断供的情况下，海光深算系列可以无缝承接目前国内超算和数据中心的大部分GPU运算能力，在芯片战发生时为我国的科学和技术研究撑起保护伞。 8：寒武纪在资本市场热度为何