要投的早投了，沒投的也在路上。

來源：獵云精選；文/孫媛

大模型這股熱風(fēng)，已經(jīng)吹到了上游算力。

(相關(guān)資料圖)

隨著百度、騰訊、阿里等紛紛拿出相關(guān)技術(shù)布局以及底層設(shè)施儲備，為中國的ChatGPT奮力一戰(zhàn)，密集上線的大模型面臨著巨大的算力需求，“算力從何而來”的問題隨之搬上臺面。

一方面，算力昂貴。以ChatGPT為例，支撐其算力至少需要上萬顆英偉達(dá)的GPU A100，單次模型訓(xùn)練成本超過1200萬美元。

另一方面，算力有限。今年4月5日，Open AI就因需求量過大為由關(guān)閉過ChatGPT Plus的付費渠道，這意味著僅發(fā)布幾個月，OpenAI就曾面臨算力缺口。

那么問題就來了，GPU燒錢且有限的算力現(xiàn)況，對于大模型來說是否就是最優(yōu)解？

“蹭”大模型和AIGC的熱度，業(yè)內(nèi)也涌現(xiàn)技術(shù)及方案的“混戰(zhàn)”。國內(nèi)外云計算大廠發(fā)力自研芯片和軟硬件系統(tǒng)優(yōu)化、二級市場CPO（共封裝光學(xué)）概念股一路飆升、存算跳出來說是“突破困境的清晰路線”、量子計算更是被認(rèn)為“最具潛力的破局者”。

在投算力未來上，投資人也開始兵分幾路，有人堅定燒GPU、有人開始刷起模型訓(xùn)練優(yōu)化的項目，更有投資過存算、Chiplet的VC計劃在賽道內(nèi)尋找更優(yōu)的投資標(biāo)的，還有投資量子計算的機(jī)構(gòu)在期待從底層到上層的一場算力革命的大爆發(fā)。

儼然，這場“算力軍備競賽”在一級市場，已經(jīng)暗潮涌動。

國產(chǎn)GPU：以量取勝

大模型的發(fā)展有算法、算力、數(shù)據(jù)三大重要因素。

算力是大模型訓(xùn)練的重要能量引擎，也是目前國內(nèi)發(fā)展大模型產(chǎn)業(yè)的一大壁壘。芯片能力直接影響著高算力訓(xùn)練效果和速度，故而高端GPU芯片的數(shù)量多少，成為業(yè)內(nèi)判斷企業(yè)大模型能力的重要指標(biāo)。

然而，對于國內(nèi)大模型玩家而言，高端GPU芯片面臨著進(jìn)口受限的問題，已經(jīng)由“買不買得起”變?yōu)椤坝貌挥玫蒙稀薄?jù)此前媒體報道，國內(nèi)云廠商主要采用的是英偉達(dá)的中低端性能產(chǎn)品，譬如GPU A800。

在國外芯片能否撐起大模型的算力需求疑問下，一眾GPU國產(chǎn)廠商也在抓住國產(chǎn)替代的契機(jī)。

但是，國內(nèi)GPU芯片的云端訓(xùn)練公司如壁仞科技（通用GPU芯片BR100）、天數(shù)智芯（“智鎧100”）、寒武紀(jì)（云端推理思元270）的產(chǎn)品雖在多媒體和圖形處理的單精度浮點計算FP32的理論指標(biāo)上做得不錯，但沒有處理FP64的能力。

而大模型訓(xùn)練需要處理高顆粒度的信息，對云端訓(xùn)練芯片的芯片處理信息的精細(xì)度和算力速度要求更高，在超算領(lǐng)域，雙精度浮點計算能力FP64是進(jìn)行高算力計算的硬性指標(biāo)。

英偉達(dá)的A100就同時具備上述兩類能力。

根據(jù)公開消息，目前國內(nèi)唯一支持FP64雙精度浮點運算的只有海光推出的DCU（協(xié)處理器），但是它的性能只有A100的60%左右。

對此，戈壁創(chuàng)投VP俞悅坦言，雖然目前燒GPU是最為現(xiàn)實的方案，但就國內(nèi)GPU廠商的角度，還需要更多時間去追趕。

普華資本合伙人蔣純則認(rèn)為，技術(shù)差距是一方面，還有一方面是美國卡脖子的問題，這就要求國內(nèi)企業(yè)想做高端GPU芯片，要有能力走出一條從設(shè)備到材料，完全國產(chǎn)化的道路。如果做不到，就只能退而求其次。

但這樣的國產(chǎn)GPU對于大模型是否就無用了？不然。

蔣純進(jìn)一步解釋，國產(chǎn)GPU即便做不出最強(qiáng)大，但也能做出目前所需要的產(chǎn)品，只是更多是以低端的GPU去追趕和堆疊，讓一堆GPU通過優(yōu)化和協(xié)調(diào)來協(xié)同作用，即以量取勝、再去組合模擬優(yōu)化的路徑。

值得注意的是，GPU越堆越多，內(nèi)部管理的難度也就越大，故而提高GPU并行運行的資源利用率，做模型推理/訓(xùn)練優(yōu)化的項目也開始在VC圈開始涌現(xiàn)，成為了一線投資人研究的方向之一。

但就蔣純來說，這類項目雖然有價值，也是個不錯的方向，但并不足以戳中他的心巴。他坦言，有時候有價值的事不一定有好的商業(yè)模式。

“就系統(tǒng)來說，阿里、華為等大廠一定比小公司有優(yōu)勢。因為技術(shù)從大環(huán)境里磨練出來，最后應(yīng)用到大環(huán)境里。創(chuàng)業(yè)公司獨立做，大公司一上來就學(xué)走了，要不就是技術(shù)賣給大廠?！?/p>

而就GPU芯片而言，大廠又未必有絕對優(yōu)勢，反倒給了創(chuàng)業(yè)公司機(jī)會。

他表示，雖然大廠有資金、場景，但存在一個老問題，就是以部門形式來做，無法做到創(chuàng)業(yè)公司all in的 “瘋狂”。而芯片有知識產(chǎn)權(quán)以及商業(yè)壁壘，創(chuàng)業(yè)公司有能力將芯片賣給大廠。

GPU“防守”，存算“包抄”

值得注意的是，燒GPU，并非長久之策。

動輒幾億算力投入的模型訓(xùn)練階段只是開始，模型推理應(yīng)用階段算力成本更是可能高達(dá)百億級別。大算力之下，背后的功耗更是驚人。

環(huán)球零碳研究中心曾粗略合計了ChatGPT全生命周期的碳足跡：自 2022 年 11 月 30 日運行以來，其制造設(shè)備的碳排放量超過了33. 41 噸，模型訓(xùn)練碳排放超過 552 噸，運行 60 天碳排放約為229. 2 噸。

而隨著模型越來越大，按照傳統(tǒng)方式計算將越來越麻煩。而國內(nèi)想用高端GPU這一傳統(tǒng)的數(shù)字電路方法來解決大算力，存在上游材料、設(shè)備等根本障礙，短期難以解決。

面對未來潛在的算力指數(shù)增長，也有不少企業(yè)和VC開啟了換擋操作，以存算、Chiplet等技術(shù)，來達(dá)到能夠支撐大模型的算力。

其中，就存算賽道來說，身處一線的蔣純明顯感覺到變熱鬧了。

2019年投知存科技時，他發(fā)現(xiàn)很多人還不知道存內(nèi)計算，而現(xiàn)在這個高技術(shù)壁壘的賽道，他觀察到創(chuàng)業(yè)公司可能有近10家，且熱度還在持續(xù)升溫。

“越來越多人會發(fā)現(xiàn)存內(nèi)計算在全球的大模型時代非常重要。傳統(tǒng)的計算機(jī)體系架構(gòu)是適應(yīng)計算密集型應(yīng)用的，而現(xiàn)在AI都是數(shù)據(jù)密集型應(yīng)用，所以一定要有新的架構(gòu)來更好地應(yīng)對AI這種數(shù)據(jù)密集型應(yīng)用。從原理上來說，存內(nèi)計算是一種解決AI算力需求的根本性手段，而且相較于量子計算、光計算而言更有望在短期內(nèi)實現(xiàn)出來。芯粒跟堆疊也會對AI類計算提供幫助?！?/p>

蔣純表示，存算即用器件本身特性來算，相當(dāng)于是一次并行計算，譬如ChatGPT 1700多億參數(shù)，傳統(tǒng)的數(shù)字電路要算很多次，而存算可能一個節(jié)拍就能算完。至于堆疊，則是將一片memory和一片邏輯電路堆在一起，創(chuàng)造了一個有巨大內(nèi)存的CPU，應(yīng)用在大模型上就會非常好地加速運算。

蔣純對賽道的感受的確也跟公開數(shù)據(jù)表現(xiàn)相一致。

據(jù)企查查數(shù)據(jù)顯示，存算賽道2018年-2019年融資交易數(shù)量為11筆，而2020年至今，融資交易數(shù)為28筆，其中有22筆集中在2021年至2022年間，加速態(tài)勢明顯。

但他也指出，目前全球已經(jīng)商用的存算還是用在邊緣端，譬如高保真降噪耳機(jī)等，以低功耗帶來高算力。與此同時，從公司戰(zhàn)略上來看，目前存算企業(yè)可分為兩派。

一派是上來就大容量的計算，要狂投入研發(fā)成本，短期看不出結(jié)果，融資幾輪估值上百億，但最后沒有成果，就會越到后面越難做，可能就無人接盤；而另一派則是小步快跑，先流片、應(yīng)用，甚至搭生態(tài)，邊研發(fā)邊回血，讓投資人有信心續(xù)投，也是蔣純認(rèn)為國內(nèi)存算企業(yè)更現(xiàn)實的發(fā)展戰(zhàn)略。

據(jù)他觀察，現(xiàn)在大模型出來之后，投資人在看到市場的前景下，對這兩派存算企業(yè)都有意愿去投錢，即使當(dāng)下沒有成果展示。

“我們投的時候，這些技術(shù)肯定有很多的不確定性，譬如能不能做出來，能不能成為主流?，F(xiàn)在來看確定性是越來越高了，存算企業(yè)都在做大模型支撐的相關(guān)研發(fā)，優(yōu)質(zhì)項目會呈現(xiàn)加速發(fā)展的態(tài)勢。我認(rèn)為5年內(nèi)，存算能夠成為一個比較成熟的解決方案，甚至有可能是主流解決方案?！?/p>

在這場全球技術(shù)較量中，蔣純認(rèn)為GPU跟存算是合大于競的關(guān)系：GPU作為目前最成熟的方案，不能放棄，需要有一批公司扛著，來正面剛；而存算屬于包抄穿插進(jìn)攻，打破國外技術(shù)壁壘，實現(xiàn)新技術(shù)的換道超車。

防御進(jìn)攻都有了，量子計算還能做什么？

按照上述所說，大模型算力之爭，短期看GPU自研，中期看存算、Chiplet，那么被投資人視為新計算方向的量子計算在其中又能扮演什么角色？

事實上，VC對量子計算的關(guān)注不只限于此次ChatGPT的熱潮，AR/VR、5G等新應(yīng)用場景的不斷涌現(xiàn)，以及各類型的應(yīng)用場景爆發(fā)式增長，讓市場對算力的需求水漲船高，產(chǎn)業(yè)亟待挖掘具有顛覆性的計算形式。

量子計算作為一種新型架構(gòu)的計算，可以實現(xiàn)指數(shù)級算力提升，更可謂是不得不關(guān)注的焦點。

據(jù)企查查數(shù)據(jù)顯示，2017年至今，國內(nèi)量子計算賽道共完成31起融資事件，公開披露融資金額超25億元，融資主要發(fā)生在2021年及以后，占比近7成。其中圖靈量子、本源量子、量旋科技、玻色量子、國儀量子等在近年獲多輪融資。

對于這一疑問，量旋科技CEO項金根對量子計算跟經(jīng)典計算機(jī)的算力差距，給出了飛機(jī)和地面交通工具的比喻。

他表示，當(dāng)下存算、光芯片、其他一些封裝的改進(jìn)技術(shù)，本質(zhì)上還是經(jīng)典計算機(jī)的范疇，它運算的原理跟GPU本質(zhì)上沒有太大改變，更多是在傳統(tǒng)的框架下做的一些改進(jìn)，使得人工智能的芯片效率更高。

對于現(xiàn)有的AI芯片、存算一體或其他封裝技術(shù)對AI算力的提升，項金根表示認(rèn)可，同時他也認(rèn)為需要不同維度去看不同解決方案對算力的助力，這里面不一定存在最優(yōu)解。

“未來，量子計算機(jī)肯定能夠助力人工智能。AI需要的算力會越來越多，到 2030 年左右可能不光是算力，連耗電量都是非?？植赖臄?shù)據(jù)級。所以要真正解決AI大規(guī)模的算力需求，量子計算機(jī)是一個很有潛力的應(yīng)用方向，而且量子計算機(jī)的運算模式跟人工智能有天然的貼合性，量子計算機(jī)可以加速AI的一些應(yīng)用場景，而AI亦可以加速量子計算的研發(fā)，優(yōu)化其操控精度?！?/p>

那么，如此具有革命性的量子計算何時能應(yīng)用到AI領(lǐng)域？項金根認(rèn)為，到2030年行業(yè)發(fā)展順利進(jìn)入容錯量子計算階段，將可能是一個落地的時間點。

相較于項金根給出的10年之約，俞悅認(rèn)為量子計算相關(guān)算法在一些行業(yè)特定任務(wù)上的嘗試落地，在這個時間點可能會有一些結(jié)果，至于解決AI的通用任務(wù)上，他則相對保守地給出了“50年”的看法。甚至投了圖靈量子的聯(lián)想創(chuàng)投也表示，量子計算從產(chǎn)業(yè)化的角度看，仍挑戰(zhàn)諸多，充滿機(jī)遇。

聯(lián)想創(chuàng)投坦言，量子計算落地需要解決百萬量子比特操縱能力、低環(huán)境要求、高集成度等核心問題，具有較高的入局門檻，其產(chǎn)業(yè)化仍面臨技術(shù)路徑不確定、人才儲備稀缺、產(chǎn)業(yè)鏈配套早期以及無法用傳統(tǒng)的邏輯、電路思維進(jìn)行推導(dǎo)和復(fù)刻的四大痛點。

如此看來，這些問題待解之下，量子計算就略微顯得理想豐滿、現(xiàn)實骨感。

此外，俞悅還指出，從邏輯上說，量子計算肯定能解決很多算力問題，但即便如此，還需要結(jié)合成本，才能知道量子計算是不是一個從投入產(chǎn)出看的最佳方案。

在俞悅看來，眼下量子計算行業(yè)還未發(fā)生一些根本性的變化進(jìn)展，中短期與其寄希望于其他方案來解決大模型所遇到的算力問題，不如指望GPU這些經(jīng)典計算的硬件價格能下來。

“解決算力的成本肯定會越來越便宜，GPU價格對于大模型玩家來說只是暫時的，終究不會對AI發(fā)展構(gòu)成太大瓶頸。而其他方案的成熟還需要很多配套的軟件生態(tài)匹配，相對來說更是一個非常長周期的事情?！?/p>

關(guān)鍵詞：