通用大模型的空前突破，搅动了人工智能（AI）的一池春水。然而，面对AI突破性发展带来的对AI芯片的井喷式需求，国内芯片供应却并未跟上此番步伐。随着科技巨头公司和新兴企业争先涌入大模型的竞争赛道，新一轮的AI芯片短缺问题正在浮出水面。

(资料图片仅供参考)

AI浪潮“炒热”芯片需求

AI芯片，也被称为AI加速器或计算卡，是专门用于处理AI相关计算任务的芯片。它们是构筑算力的重要基石。

中国信息通信研究院在8月19日发布的《中国综合算力指数（2023年）》白皮书显示，我国算力产业保持高速增长，其中人工智能算力在整个算力结构中的占比已经超过25%。我国算力总规模近五年年均增速近30%，数据中心机架数量年复合增长率超过30%。

“受大模型热潮影响，智算算力市场的需求旺盛。”北京超级云计算中心技术CTO甄亚楠对人民网财经表示，当前相关的算力服务器呈现持续紧缺状态，配货周期偏长。服务器制造商普遍预计要等待6个月以上才能获得最新的GPU，而GPU的供应短缺情况至少会持续到明年。

不仅供应紧张，价格也节节攀升。以目前较为主流的英伟达A100 GPU为例，大模型的单次训练要求至少百卡、千卡规模。依据当前市场价格，建设1000卡GPU规模的算力集群成本可达2亿元。

在大模型建设正酣的同时，人工智能技术与健康、教育、交通等其他领域的交叉融合也逐渐加深。华大基因高性能计算研发总监王浩灵表示，基因行业对算力的需要不断增长。他进一步表示：“未来，大型语言模型的加入还将进一步提高疾病诊断分析效率。”

中国工程院院士高文将算力比作电力，视为数字经济发展的重要指标。燧原科技创始人、董事长兼CEO赵立东认为，大模型算力需求将进一步驱动AI芯片的研发，“如今的AI芯片，不仅要高性能、高带宽、高存储，而且要高通用性、高效分布式计算，高效集群互联。”

国产AI芯片市场：挑战与机遇并存

业内人士表示，目前国内智能算力的发展，特别是适用于大模型训练的算力，与全球算力发展趋势相比仍存在较大差距。

甄亚楠坦言，算力的短缺不仅会削弱人工智能算法的复杂度与性能提升、延缓模型训练速度、约束应用部署规模，更会阻碍人工智能技术的发展，“许多创新的算法和方法需要大规模的计算资源来验证和改进，缺乏足够的算力将限制研究人员的创造力和实验空间，从而阻碍人工智能技术领域的进一步突破。”

近年来，我国人工智能算力芯片的市场格局主要由美国公司英伟达主导，其占据了80%以上的市场份额，一直保持着无可匹敌的竞争优势。然而，随着美国对高性能芯片出口限制措施不断加强，英伟达最先进的A100、H100芯片无法在国内销售，定制版A800和H800又缺货严重，在这种情况下，国产AI芯片肩负起填补市场空缺的重要使命。

据人民网财经不完全统计，目前，百度、阿里巴巴、腾讯和华为等互联网巨头公司已加快AI芯片的自研步伐，并在各自的云平台上率先试用。与此同时，一些初创公司则从芯片的底层架构设计入手，试图通过“弯道超车”抓住机遇。

公开资料显示，2018年创立的AI芯片设计商墨芯凭借双稀疏化算法技术，通过软硬件结合为AI计算模式和芯片架构带来了颠覆性创新，取得了比国际主流GPU产品更好的测试成绩；2017年创立的鲲云科技自主研发了全球首款大规模商用的数据流AI芯片，用更少的芯片资源实现了数倍的实测性能，摆脱对最新制程工艺的依赖。

但需要指出的是，目前，国产AI芯片在大模型推理方面表现相对出色，而在门槛更高的大模型训练方面仍无法与英伟达的通用GPU相媲美。

中国电子技术标准化研究院副院长陈大纪表示，国内产品的软硬件以及面向不同场景的生态落地仍需要进一步完善。

多位业内人士表示，在性能方面，英伟达相继推出了A100和H100，计算性能大幅提升，国内AI芯片训练产品与其差距十分明显，尤其是在实际使用中的性能差距更大；在生态方面，英伟达GPU配套的CUDA软件生态系统广泛应用，国内AI芯片面临着“要么兼容一个不开源的生态，要么从零开始自建生态”的两难选择。

具体而言，国产AI芯片普遍存在软件栈不完善、适配周期长、性能差距大、可靠性需要验证等问题，这导致国内企业对其采用的意愿不强。此外，生态系统和自主工艺等难题也有待突破。

“只有解决了这些问题，国产AI芯片才能真正被广泛应用起来。”天数智芯董事长兼CEO盖鲁江说。

国产AI芯片该如何发力？

近年来，我国高度重视AI芯片产业，发布了一系列支持政策，营造良好产业环境，在技术创新、项目建设、资金保障、标准制定和人才培养等方面都给予了扶持，为我国AI芯片发展打下了政策基础。

从产业角度看，乐观地说，国产AI芯片可谓正处于百花齐放、百家争鸣的萌发阶段，各主体正在激烈的市场竞争中快速探索适合的成长道路。

西安交通大学教授任鹏举推断：随着人工智能走深向实、真正与行业逻辑深度融合并广泛赋能，在数据中心侧，AI芯片会继续维持协处理器或者加速器的形态；在终端应用侧，AI最终会收敛为一个关键因素，发展为异构或者超异构芯片的形态。

如何进一步提升国产AI芯片竞争力？多位业内人士提出建议：要鼓励更多企业和社会资本进入AI芯片领域，加大投资力度；加强半导体原理、材料等基础研究投入，推动多学科的交叉融合研究；加快工艺创新进步，构建本土供应链体系。

尤其是我国集成电路行业人才短缺问题不容忽视。任鹏举坦言，“即使每年有近20万集成电路相关专业高校应届毕业生，但加入这个行业的却仅有五分之一。”他建议采取相应措施以提高行业吸引力：一是鼓励高校和企业建立长期合作伙伴关系，提供奖学金和入学机会以激励学生毕业后从事该行业；二是借助人工智能技术提高芯片设计能力，吸引擅长软件和算法的专业人才投身于集成电路行业，进一步推动国产AI芯片发展。

赵立东认为，推动国产AI芯片发展，就是为了有更加充足、更加便捷、更加平价的算力，从而实现真正的算力普惠，而要做到这一点，就必须依靠创新的芯片架构和开源的产业生态。

盖鲁江建议，应协同各方加快制定自主标准，进一步扩大国产通用GPU支持的开发框架、操作系统、算法模型、业务应用以及社区开发者的范围，建立起自主生态圈。

陈大纪表示，产学研用各单位应以人工智能技术与产业融合创新为导向，聚焦产业智能化场景创新需求，研究、开展与场景结合紧密的智能芯片相关的标准需求，并以标准为依托，共同建设人工智能场景创新支撑环境，探索多元主体合作的场景创新新机制，通过助力场景创新，不断将应用创新与市场需求相结合，合力促进我国AI芯生态建设。