量子计算有望彻底解决经典计算的算力不足问题

      随着ChatGPT、百度文心一言等一系列大模型密集上线，AI大模型当下已经遍地开花。

本周四，谷歌发布AI语言模型PaLM 2与OpenAI旗下GPT-4等系统展开竞争，国内多家A股上市公司亦宣布AI大模型产品最新进展。

在“AI百模大战”背后，随之带动的算力需求开始呈“爆炸式”增长，一场“算力储备战”已暗潮汹涌，全球算力市场持续火热。
据悉，AI由数据、算法（即模型）和算力驱动，其中任意一方的发展会推动其他方面需求的增长。

有分析认为，当下行业内虽然拥有更多的数据以及做了更多的AI模型研究，但算力的扩展速度却没有跟上。今年4月，OpenAI就因需求量过大而停止了ChatGPT Plus的销售。

对此，东方证券研报认为，主要系计算资源供不应求。
根据数据预测，AI时代算力的增长已远远超过了摩尔定律每18个月翻番的速率，预计到2030年全球超算算力将达到0.2ZFLOPS，平均年增速超过34%。

华为更是预测，未来10年人工智能算力需求将会增长500倍以上。那么，身处“智能革命”起点的当下，什么才是AI算力的最优解？国内“算力军备竞赛”又走到哪一步了？
▌短期堆起的GPU竞争高地：以量取胜筑起大模型算力门槛 低配版英伟达GPU国内炒至10万元
众所周知，芯片能力直接影响着高算力训练效果和速度，相较于基于CPU芯片的通用算力，AI所需的智能算力则主要基于GPU、GPGPU及AISC等AI芯片所提供算力，用于人工智能的训练和推理。

其中，GPU是一种专门用于处理图形、视频、游戏等高性能计算的硬件设备，凭借相较于其他硬件在算力方面的较大优势脱颖而出。

同时随着英伟达A100、H100等型号产品的发布，前款产品在AI推理时吞吐量是CPU的249倍。GPU已成为当前AI算力的核心硬件。
中金公司研报表示，多GPU互联能力加强可以提高并行计算能力，因而算力提升对GPU数量的要求日益提高。随着单GPU的计算能力越来越难以应对深度学习对算力的需求，英伟达已经开始用多个GPU去解决问题。

对此，业内分析认为，高端GPU的数量基本决定了一个厂商能够练多大的模型，后期将成为业内判断企业大模型能力的重要指标。
据TrendForce数据显示，如果以英伟达 A100 显卡的处理能力计算，GPT-3.5大模型需要2万块GPU来处理训练数据。亦有业内公认看法，做好AI大模型的算力门槛是1万枚A100芯片。
目前，全球GPU市场主要由英伟达、英特尔和AMD三家巨头垄断，去年Q4独立GPU份额分别为85%、6%、9%。其中，人工智能、云端计算和独立GPU主要为英伟达主导，A100和H100最高浮点算力分别实现19.5 TFLOPS 和67 TFLOPS。
      相较于此，我国国产GPU尚处萌芽期，与国际厂商差距更大。但随着高端GPU的出口限令，针对中国市场推出的特供版A800也已涨10万元的高价，国内GPU市场需求紧迫。

在此情形下国产化迫在眉睫，国产GPU厂商近几年也不断涌现，目前国内自研GPU的领军企业主要是寒武纪、景嘉微、华为昇腾等。其中，景嘉微是国内首家成功研制国产GPU芯片并实现大规模工程应用的企业。

行业内专家称，主打产品JH920的性能与英伟达2016年发布的GTX 1050相仿，在中高端领域及硬核的算力需求仍存在较长的追赶道路。
对于整个算力市场，业内人士认为，目前烧GPU是最为现实的方案，尤其从国内GPU厂商的角度来看，国产GPU高端化薄弱，只有使更多低端的GPU去追赶和堆叠，通过优化和协调来协同作用，再去组合模拟优化的路径。
▌下场突围的存算一体：打破“内存墙”极限难题 全球玩家站上同一起跑线
不过，虽然GPU是目前最成熟的AI算力方案，但长时间来看，在算力昂贵和受限的制约下烧GPU并非长久之策。
在冯·诺伊曼结构计算机中计算和存储分离，存和算之间性能失配常常导致访存带宽低、时延长、功耗高等问题，运算效率被大打折扣，即面临着“内存墙”的制约问题。

通俗来看，方正证券在4月30日研报中解释，虽然CPU/GPU并行加速技术可以提升算力，但随摩尔定律逼近极限，存储带宽制约了计算系统的有效带宽，系统算力增长步履维艰。

对此，方正证券认为，存算一体作为一种新的计算架构，其核心是将存储与计算完全融合，以新的高效运算架构进行二维和三维矩阵计算，具有更大算力（1000TOPS以上）、更高能效（超过10-100TOPS/W）、降本增效三大优势，能有效克服冯·诺依曼架构瓶颈，实现计算能效的数量级提升。

业界普遍认为，其为“AI算力的下一极”，继CPU、GPU之后的算力架构“第三极”。

在存算一体市场中，海外厂商SST，Syntiant、Mythic因布局较早，走在商业化前列。

不过，在新的技术领域比如基于ReRAM存算一体做大算力芯片，各国还处在同一起跑线，国内外众多企业纷纷开展存算一体技术的研发，包括英特尔、SK海力士、IBM、美光、三星、台积电、阿里等巨头，以及九天睿芯、恒烁股份、亿铸科技、千芯科技、苹芯科技、知存科技、智芯科等众多新兴AI和存储企业。

▌AI算力“神药”量子计算：谷歌、阿里等科技巨头扎堆进入 国内企业或借此赛道弯道超车
值得注意的是，在当前GPU、下一步存算一体的背后，还有着一位AI算力“神药”——量子计算。
据悉，量子计算机是基于量子力学原理构建的计算机，性能差距呈指数级增长。

中金公司研报表示，相较经典计算机，量子计算机算力发生爆发式增长，形成“量子优越性”。业内分析认为，量子计算有望彻底解决经典计算的算力不足问题。

并且，未来量子计算机肯定能够助力人工智能，随着AI所需的算力越来越多，2030年算力以及耗电量都可能出现超高数据级增长，因此对于真正解决AI大规模的算力需求，量子计算机是一个很有潜力的应用方向。

根据中金公司研报显示，谷歌、IBM、微软、亚马逊等全球科技巨头纷纷推出量子云服务平台。

国内阿里、腾讯、百度、华为近年来也先后布局量子计算，比如百度成立了量子计算研究所；华为推出了“昆仑”量子计算模拟一体机，在摩尔定律渐趋失效下，量子计算为中国提供弯道超车机会。
此外，有市场分析指出，我国量子计算也在展开融资竞争赛。近一年来，国内包括量旋科技、图灵量子、华翊量子、未磁科技、本源量子在内的9家量子计算企业获得融资。
不过，安信证券提到，当前量子计算机的发展还面临着如退相干等问题，导致当前量子计算仍主要存在于实验室阶段，距离商业化较远。

对此，有业内人士坦言，量子计算行业现在还未发生一些根本性的变化进展，中短期与其寄希望于其他方案来解决大模型所遇到的算力问题，不如指望GPU这些经典计算的硬件价格能下来。

来源：科创板日报