（原标题：LLM：GPU尚红网 ，还是ASIC？）
如果您希望可以时常见面，欢迎标星收藏哦~
来源 ：内容编译自semiengineering ，谢谢。
OpenAI、Anthropic 和 xAI 的首席执行官有着惊人相似的愿景——人工智能的进步是指数级的，它将改变人类，其影响将超出大多数人的预期。
这不仅仅是猜测。人工智能的市场及其价值如今已是真实存在的：
1、使用 GitHub CoPilot 的人类开发人员借助 AI 可将编码速度提高 55%。
2、GPT-4 在 LSAT 考试中的得分为 88%，而普通人的得分为 50%。
3我个人正在使用 ChatGPT 进行西班牙语会话练习和语法练习
2025 年，OpenAI 的大模型收入将达到约 100 亿美元，Anthropic 的大模型收入将达到 20 亿至 40 亿美元。
四年前，GPT-2 提供的是学龄前儿童的智力。GPT-4 就像一个聪明的高中生。
到2028年左右，大模型（LLM）将提供博士级别的智力。到2030年代，法学硕士的智商将超越人类。
人工智能的经济效益也在不断提升。特定模型的成本每年下降4倍（Anthropic）到10倍（OpenAI）。这是计算能力和算法改进的共同作用。这意味着到2030年，当今模型的运行成本将降至千分之一到十万分之一。
有五家以上的公司有能力和资本做到这一点，其中包括亚马逊、谷歌、微软等巨头。像 OpenAI 和 Anthropic 这样的初创公司，目前的市值都在 1000 亿美元左右，如果它们能够实现目标，市值将达到 1 万亿美元。大模型项目获胜者将成为首家市值 10 万亿美元的公司。
它们的成功将给半导体、封装、数据中心、冷却和电力领域的增长和产能带来巨大压力。到2030年尚红网 ，半导体收入将主要来自人工智能/高性能计算。
GPU vs ASIC？是的：超大规模企业需要更多选择
如今，数据中心 AI 加速器 90% 以上都是 NVIDIA GPU，还有一些 AMD GPU，其余的是定制 ASIC（主要是亚马逊）。
NVIDIA 是唯一一家提供全套解决方案的厂商——涵盖 GPU、NVlink 网络、机架、系统和软件。在 NVIDIA 这一领域，想要匹敌甚至击败 NVIDIA 非常困难。该公司的年营收高达 1600 亿美元。
NVIDIA 有 3 或 4 个客户购买其超过 10% 的产量，每家客户每年的购买量接近 200 亿美元。
但AMD的GPU路线图正在追赶NVIDIA。其M350将在2025年下半年与Blackwell架构相匹配。其M400将与NVIDIA预计的Rubin架构（Blackwell的继任者）相匹配。AMD在软件和互连/系统方面也在迎头赶上，希望到2026年实现年收入100亿美元。
即使AMD不如NVIDIA，大型超大规模计算厂商也有望为其提供业务。他们希望找到NVIDIA的强大替代方案，而这种替代方案能够为超大规模计算厂商提供一些定价优势，并且在NVIDIA供应受限的情况下，能够更快地提升其数据中心的产能。
那么用于 AI 加速器的 ASIC 呢？就在几年前，ASIC 在投资者眼中还是个贬义词——低利润、低增长。现在，它却火了，因为超大规模企业想要更多选择。
亚马逊、谷歌、Meta 和 OpenAI 都在开发自己的 AI 加速器。当然，还有其他公司也在积极布局。例如，博通的 AI 收入在三年内飙升了约 10 倍，约占总销售额的一半。同样，Marvell 的 AI 收入也在同一时期飙升，目前 AI 已成为其最大的业务部门。
在三月初的摩根士丹利技术大会上，Open AI 首席执行官 Sam Altman 表示，如果放弃 GPU 的部分灵活性，特定模型的 ASIC 可以非常高效。别忘了，网络过去使用 x86 处理器。现在则全部使用交换芯片，因为需要处理的数据包类型变化缓慢。
市场正在从以训练为主转向以推理为主。仅用于推理的 ASIC 可以简单得多。关键在于成本和功耗。而仅限于例如 Transformer 模型的推理 ASIC 则可以更简单、更便宜。Alchip 的首席执行官表示，ASIC 的性价比比 GPU 高 40%，并且可以针对客户的特定软件进行优化。
如今的AI加速器通常配备3纳米或2纳米计算引擎，在“更老”、更便宜的节点上，或许还会配备独立的5纳米SRAM和PHY芯片。Alchip首席执行官表示，AI加速器的NRE成本高达5000万美元。博通/Marvell可能正在开发更复杂的加速器，采用更多芯片组和3D封装，开发成本超过1亿美元。超大规模计算厂商将拥有超过100人的架构团队；超过100人负责网络连接，还有更多人负责软件开发。这意味着总成本将在三分之一到五亿美元之间。他们能负担得起吗？
如果一家超大规模厂商每年采购 200 亿美元，由于有其他选择，可以从 NVIDIA 获得 10% 的折扣，那么它就有能力自主研发 ASIC。如果一家超大规模厂商成功打造出一款成本仅为 NVIDIA GPU 一半、功耗更低的 ASIC，那么它就取得了巨大的成功。Alchip 的首席执行官表示，这款 ASIC 的价格可能比 GPU 便宜 40% 左右。
超大规模数据中心运营商可能会部署 NVIDIA 和 AMD 的 GPU 来处理最复杂、变化最快的工作负载，以及外部客户，而内部变化较慢的工作负载则会使用自家的 ASIC。GPU 和 ASIC 的最终组合将取决于相对性能、功耗和可用性。可能是 90% GPU 和 10% ASIC。或者，正如麦肯锡预测的那样，可能是 10% GPU 和 90% ASIC。每年仅花费 10 亿美元的小型客户将不得不使用 GPU。
https://semiengineering.com/gpu-or-asic-for-llm-scale-up/
半导体精品公众号推荐
专注半导体领域更多原创内容
关注全球半导体产业动向与趋势
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第4019期内容，欢迎关注。
『半导体第一垂直媒体』
实时 专业 原创 深度
公众号ID：icbank
喜欢我们的内容就点“在看”分享给小伙伴哦
科元网提示：文章来自网络，不代表本站观点。
