隨著ChatGPT橫空出世，人工智能（AI）領域的競爭進入白熱化。英偉達公司的高端圖形處理單元（GPU）芯片“一飛沖天”，受到各大科技公司追捧。與此同時，也有一些初創公司另辟蹊徑，專注于研制另一種芯片——AI推理芯片，為AI產品的蓬勃發展和應用注入全新動力。

據物理學家組織網近日報道，這些AI推理芯片旨在降低生成式AI所需的高昂計算成本，更貼合AI工具的日常運行要求。此類芯片成本的不斷下探和性能的持續提升，有望掀起新一輪AI應用創新浪潮，讓更多復雜且強大的AI應用走進千家萬戶。

d-Matrix公司首款AI推理芯片Corsair及其4塊芯片的封裝。圖片來源：美國d-Matrix公司

推理計算需求水漲船高

訓練與推理，是AI大語言模型兩大核心能力的堅固基石。

在應用過程中，經過訓練的ChatGPT等生成式AI工具會吸納新信息，從中進行推理并生成回應，如撰寫文檔、生成圖像等。這類AI工具可應用于醫療診斷、自動駕駛、自然語言理解等領域。

隨著AI模型的廣泛應用，需要進行推理計算的硬件日益增多，對推理芯片的需求也將“水漲船高”。國際數據公司（IDC）的報告顯示，未來幾年，推理端的AI服務器占比將持續攀升。預計到2027年，用于推理的工作負載將占據七成以上。

科技公司競推新產品

Cerebras、Groq和d-Matrix等初創公司，以及超威半導體公司（AMD）和英特爾等傳統巨頭，紛紛推出了AI推理芯片。這些公司敏銳捕捉到了AI推理芯片“大顯身手”的契機。

據Cerebras公司官網報道，2024年8月28日，該公司推出了同名AI推理芯片。這款芯片在Llama 3.1-8B模型上實現了1800token/秒的推理速度；在Llama 3.1 70B上實現了450token/秒的推理速度，約是英偉達GPU推理速度的20倍。Token指AI處理文本的最小單元或基本元素，如一個單詞、一個字符等。

Cerebras公司解釋說，這一卓越表現得益于其創新的AI芯片設計方案。其晶圓級引擎（WSE）宛如一座龐大的“計算工廠”，最大特點是尺寸驚人——單個芯片幾乎占據了一整塊晶圓的面積。在這個超大芯片上，計算單元和內存單元高度集成，形成一個密集的網格結構。這樣的設計，讓數據能在極短距離內，于計算單元和存儲單元之間傳輸，從根本上降低了數據移動成本，解決了GPU推理無法避免的內存帶寬瓶頸。此類大芯片能更快處理信息，從而在更短時間內給出答案。

早在去年2月，Groq公司就發布了自己的AI推理芯片GroqCloud。它在Llama 3.1 70B模型上實現了250token/秒的推理服務，速度比GPU幾乎提升了一個量級。

去年11月19日，硅谷初創公司d-Matrix宣布，其首款AI推理芯片Corsair已開始出貨，旨在提供聊天機器人和視頻生成等服務。Corsair在單服務器環境下，能讓Llama3 8B模型實現60000token/秒的處理能力，且每個token的延遲僅為1毫秒，充分彰顯了其在高速處理大規模數據方面的卓越性能。更值得一提的是，與GPU及其他方案相比，Corsair能在提供同等性能的同時，大幅降低能耗和成本。

應用開發走上新賽道

亞馬遜、谷歌、元宇宙平臺、微軟等科技公司紛紛斥巨資，搶購昂貴的GPU，以期在AI開發賽道拔得頭籌。與此同時，AI推理芯片制造商則將目光瞄準了更廣泛的客戶群體，希望能在這片新藍海中大顯身手。

這些潛在客戶不乏那些渴望利用新興的生成式AI技術，卻又不想大費周章自建AI基礎設施的財富500強企業。而且，購買AI推理芯片比從英偉達等公司購買GPU便宜。AI推理芯片旨在優化推理計算的速度與效率，尤其擅長智能建議、語音識別、自然語言處理等領域。

業內專家稱，一旦推理速度提升至每秒數千token，AI模型將能在眨眼之間完成復雜問題的思考與回答過程。這不僅能讓現有應用的交互效率實現質的飛躍，還將帶來一系列令人耳目一新的人機交互場景。例如，在語音對話領域，延時將被壓縮至毫秒級，能實現近乎自然的對話體驗；在虛擬現實/增強現實領域，AI將能實時生成和調整虛擬環境、角色對話以及交互邏輯，給用戶帶來個性化、沉浸式體驗。