比H100快20倍還更便宜！英偉達的“掘墓人”出現(xiàn)了？

6月27日消息，芯片初創(chuàng)公司Etched近日宣布推出了一款針對 Transformer架構(gòu)專用的AISC芯片 “Sohu”，并聲稱其在AI大語言模型（LLM）推理性能方面擊敗了英偉達（NVIDIA）最新的B200 GPU，AI性能達到了H100的20倍。這也意味著Sohu芯片將可以大幅降低現(xiàn)有AI數(shù)據(jù)中心的采購成本和安裝成本。

目前，Etched公司已就其Sohu芯片的生產(chǎn)與臺積電4nm工藝展開直接合作，并且已從頂級供應商處獲得足夠的 HBM 和服務器供應，以快速提高第一年的生產(chǎn)能力。一些早期客戶已經(jīng)向Etched公司預訂了數(shù)千萬美元的硬件。

一、AI性能超過英偉達H100的20倍，是如何做到的？

據(jù)Etched公司介紹，Sohu是世界上第一個基于Transformer架構(gòu)的ASIC。

根據(jù)Etched公司披露的數(shù)據(jù)顯示，一臺配備了8顆Sohu芯片的服務器每秒可以處理超過 500,000 個 Llama 70B Token，達到了同樣配備8張英偉達H100 GPU加速卡的服務器的20倍。同樣，也遠遠超過了配備8張英偉達最新的B200 GPU加速卡的服務器約10倍。

Etched公司表示，Sohu速度比英偉達的最新一代Blackwell架構(gòu)的B200 GPU還要快一個數(shù)量級，而且價格更便宜?？梢詭椭蛻魳?gòu)建 GPU 無法實現(xiàn)的產(chǎn)品。

不過，這里還是要強調(diào)以下，雖然Sohu的AI性能要比英偉達GPU更好，但這是有一個前提的，因為Sohu是專為基于Transformer架構(gòu)的大模型定制的，所以其也僅支持基于Transformer架構(gòu)的大模型加速。

“通過將Transformer架構(gòu)集成到我們的芯片中，雖然無法運行大多數(shù)傳統(tǒng)的 AI 模型，比如為 Instagram 廣告提供支持的 DLRM、像 AlphaFold 2 這樣的蛋白質(zhì)折疊模型、像 Stable Diffusion 2 這樣的舊的圖像模型，以及CNN、RNN 或 LSTM等模型，但是針對基于Transformer架構(gòu)的大模型，Sohu將是有史以來最快的AI芯片，沒有哪個芯片能夠與之匹敵。”Etched公司說道。

1、更高的計算利用率

由于Sohu只運行Transformer這一種類型的算法，因此可以刪除絕大多數(shù)控制流邏輯，從而擁有更多數(shù)學計算邏輯。因此，Sohu的 FLOPS 利用率超過 90%（而使用 TRT-LLM 的GPU上 FLOPS 利用率約為 30%）。

雖然英偉達H200 擁有 989 TFLOPS 的 FP16/BF16 計算能力（無稀疏性），這無疑是非常強大的，甚至比谷歌的新 Trillium 芯片還要好。但英偉達已經(jīng)發(fā)布的B200的計算能力僅高出25%（每個芯片 1,250 TFLOPS）。這是由于 GPU 的絕大部分區(qū)域都用于可編程性，因此專注于 Transformer 可以讓芯片進行更多的計算。

比如，構(gòu)建單個 FP16/BF16/FP8 乘加電路需要 10,000 個晶體管，這是所有矩陣數(shù)學的基石。英偉達H100 SXM 有 528 個張量核心，每個都有4 × 8 × 16FMA 電路。因此，英偉達H100 有 27 億個專用于張量核心的晶體管。但是 H100 擁有 800 億個晶體管！這意味著 H100 GPU 上只有 3.3% 的晶體管用于矩陣乘法！

這是英偉達和其他靈活的 AI 芯片經(jīng)過深思熟慮的設(shè)計決定的。如果想要支持所有類型的模型（比如CNN、LSTM、SSM 等），那么沒有比這更好的設(shè)計了。

而Etched公司的Sohu芯片僅支持運行Transformer架構(gòu)的AI大模型，這使得其可以在芯片上安裝更多的 FLOPS，且無需降低精度或稀疏性。

2、提升內(nèi)存帶寬利用率

通常來說，AI推理會受到內(nèi)存帶寬的限制，計算的限制相對較小。但是事實上，對于像Llama-3這樣的現(xiàn)代模型來說，需要更高的計算力來提升帶寬的利用率。

如果使用英偉達和 AMD 的標準基準：2048 個輸入標記和 128 個輸出標記。大多數(shù) AI 產(chǎn)品的提示比完成時間長得多（即使是新的 Claude 聊天應用在系統(tǒng)提示中也有 1,000 多個標記）。

在 GPU 和Sohu上，推理是分批運行的。每個批次加載一次所有模型權(quán)重，并在批次中的每個標記中重復使用它們。通常，大語言模型輸入是計算密集型的，而輸出是內(nèi)存密集型的。當我們將輸入和輸出標記與連續(xù)批處理相結(jié)合時，工作負載變得非常計算密集型。

以下是大語言模型連續(xù)批處理的示例。這里我們運行具有四個輸入標記和四個輸出標記的序列；每種顏色都是不同的序列。

我們可以擴展同樣的技巧來運行具有 2048 個輸入標記和 128 個輸出標記的 Llama-3-70B。讓每個批次包含一個序列的 2048 個輸入標記和 127 個不同序列的 127 個輸出標記。

如果我們這樣做，每個批次將需要大約(2048 + 127) × 70B params × 2 bytes per param = 304 TFLOPs，而只需要加載70B params × 2 bytes per param = 140 GB模型權(quán)重和大約127 × 64 × 8 × 128 × (2048 + 127) × 2 × 2 = 72GBKV緩存權(quán)重。這比內(nèi)存帶寬要多得多。英偉達H200需要6.8 PFLOPS的計算才能最大限度地利用其內(nèi)存帶寬。這是在100%的利用率下——如果利用率為30%，將需要3倍的計算量。

由于Sohu擁有如此之多的計算能力且利用率極高，因此可以運行巨大的吞吐量而不會出現(xiàn)內(nèi)存帶寬瓶頸。

3、軟件問題不再是一場噩夢

在 GPU 和 TPU 上，通常軟件開發(fā)是一場噩夢。處理任意 CUDA 和 PyTorch 代碼需要極其復雜的編譯器。第三方 AI 芯片（AMD、英特爾、AWS 等）在軟件上總共花費了數(shù)十億美元，但收效甚微。

但由于Etched公司的Sohu只運行Transformers，因此開發(fā)人員只需要為 Transformer 編寫軟件！

大多數(shù)運行開源或內(nèi)部模型的公司都使用特定于 Transformer 的推理庫，如 TensorRT-LLM、vLLM 或 HuggingFace 的 TGI。這些框架非常僵化 ——雖然你可以調(diào)整模型超參數(shù)，但實際上不支持更改底層模型代碼。但這沒關(guān)系，因為所有 Transformer 模型都非常相似（甚至是文本/圖像/視頻模型），調(diào)整超參數(shù)就是你真正需要的。

雖然這支持了 95% 的 AI 公司，但最大的 AI 實驗室還是采用定制化。他們有工程師團隊手動調(diào)整 GPU 內(nèi)核以擠出更多的利用率，逆向工程哪些寄存器對每個張量核心的延遲最低。

Etched公司表示，“有了Sohu，您不再需要進行逆向工程。因為我們的軟件（從驅(qū)動程序到內(nèi)核再到服務堆棧）都將是開源的。如果您想實現(xiàn)自定義轉(zhuǎn)換器層，您的內(nèi)核向?qū)Э梢宰杂傻剡@樣做。”

4、成本優(yōu)勢

對于目前的AI基礎(chǔ)市場運營商來說，英偉達的AI GPU是最為高昂的一項投資，其H100 80G版本的價格高達3萬美元，即便是便宜的英特爾Gaudi 3 的價格也要15,650美元左右。

現(xiàn)在一座大型的AI數(shù)據(jù)中心的建設(shè)已經(jīng)達到了數(shù)百億美元，甚至傳聞微軟和OpenAI正計劃推出被稱為“星際之門”（Stargate）的AI超級計算機，用來為OpenAI提供更強的算力支持，該項目的總成本或?qū)⒊^1150億美元。顯然，這當中英偉達AI GPU將會占據(jù)相當大的一部分成本。并且這些高能耗的GPU還將會帶來龐大的能源供應支出（按照現(xiàn)有的發(fā)展速度，很多地區(qū)的能源供應已經(jīng)不足以支撐大型AI數(shù)據(jù)中心的建設(shè)）互聯(lián)支出和散熱支出。

如果一顆Etched的Sohu芯片就能夠代替20顆英偉達H100芯片，那么這無疑將會帶來巨大的采購及建設(shè)成本和運營成本的降低。

二、專用芯片替代GPU已不可避免

在Etched看來，近年來雖然GPU性能得到了增長，但是實際上并沒有變得更好，因為主要是通過更先進的制程工藝以及更大的芯片面積來實現(xiàn)的。近四年來，GPU芯片單位面積的計算能力 (TFLOPS) 幾乎保持不變。比如英偉達的GB200、AMD的MI300、英特爾的Gaudi 3 和亞馬遜的Trainium2 幾乎都將兩塊芯片算作稱一張加速卡，以實現(xiàn)“雙倍”性能。

面對越來越龐大的大語言模型對于AI算力需求的快速增長，GPU芯片在摩爾定律放緩以及單位面積AI算力提升放緩的背景之下，已經(jīng)難以滿足需求，因此提高性能的唯一方法就是采用專用芯片。

Etched公司指出，在Transformer架構(gòu)的模型統(tǒng)治世界之前，許多公司都構(gòu)建了靈活的 AI 芯片和 GPU 來處理數(shù)百種不同的算法模型。比如：英偉達的GPU、谷歌的TPU、亞馬遜的 Trainium、AMD的MI系列加速器、英特爾的Gaudi加速器、Graphcore 的 IPU、SambaNova SN 系列芯片、Cerebras的CS系列晶圓級AI芯片、Groq的GroqNode、Tenstorrent 的 Grayskull、D-Matrix 的 Corsair、寒武紀的思源等。

但是幾乎沒有廠商制造過專門針對Transformer架構(gòu)算法的專用 AI 芯片 (ASIC)。因為一個芯片項目至少將花費 5000 萬到 1 億美元，需要數(shù)年時間才能投入生產(chǎn)。如果真的一個特定算法模型推出專用的AI芯片，很可能在這期間由于新的更優(yōu)秀算法架構(gòu)出現(xiàn)，而使得原來的專用的AI芯片不再有效，這將會沒有市場。

但是現(xiàn)在情況變了，Transformer 架構(gòu)的算法模型市場規(guī)模正在迅速增長。在 ChatGPT 出現(xiàn)之前，Transformer 推理的市場規(guī)模約為 5000 萬美元，而現(xiàn)在已達到數(shù)十億美元。所有大型科技公司都使用 Transformer 架構(gòu)的模型，比如OpenAI、谷歌、亞馬遜、微軟、Meta 等。

另外，AI算法經(jīng)過多年的發(fā)展，已經(jīng)開始出現(xiàn)架構(gòu)上的融合趨勢。AI模型過去發(fā)展很快，因此可能每個幾個月就會有新的AI模型出來。但是自GPT-2以來，最先進的模型架構(gòu)幾乎保持不變，不論是OpenAI 的 GPT 系列、Google 的 PaLM、Facebook 的 LLaMa，甚至 Tesla FSD 都是基于Transformer架構(gòu)。

△基于Transformer架構(gòu)的模型驚人地相似。諸如 SwiGLU 激活和 RoPE 編碼之類的調(diào)整被廣泛應用于LLM、嵌入模型、圖像修復和視頻生成。

△雖然 GPT-2 和 Llama-3 是相隔五年的最先進的 (SoTA) 模型，但它們的架構(gòu)幾乎相同，唯一的主要區(qū)別是規(guī)模。

在此背景之下，如果算法模型架構(gòu)開始趨于穩(wěn)定，那么想要進一步提升算力，專擁的ASIC芯片將會是很好的選擇。特別是在目前基于GPU的AI訓練和推理基礎(chǔ)設(shè)施成本超過100億美元時，這樣高昂的成本的壓力之下，專用的AISC是不可避免的，因為1%的改進就足以覆蓋專用AISC的成本。

事實上，在特定算法模型上，ASIC 的速度可能會比 GPU 快幾個數(shù)量級。比如，當針對比特幣礦機的AISC芯片于 2014 年進入市場時，傳統(tǒng)的利用GPU 來“挖礦”的做法很快被拋棄，因為使用AISC比使用GPU來挖掘比特幣更便宜。

顯然，在AI算法模型基礎(chǔ)架構(gòu)開始趨于穩(wěn)定，GPU算力提升遭遇瓶頸以及成本越來越高的情況下，人工智能領(lǐng)域可能也將會發(fā)生同樣的事情。這也正是Etched公司下重注推出基于Transformer架構(gòu)專用的AISC芯片 “Sohu”的原因。

三、對于未來的一場豪賭

與英偉達等頭部的AI公司一樣，Etched公司也預測，在五年內(nèi)，AI模型在大多數(shù)標準化測試中將變得比人類更聰明。

Etched公司進一步指出， Meta訓練的 Llama 400B（2024 SoTA，比大多數(shù)人類都聰明）所用的計算量，比 OpenAI 在 GPT-2（2019 SoTA）上所用的計算量要高出 50,000 倍。通過為人工智能模型提供更多計算力和更好的數(shù)據(jù)，它們會變得更聰明。規(guī)?；瘜⑹俏磥韼资陙砦ㄒ怀掷m(xù)有效的秘訣，每家大型人工智能公司（谷歌、OpenAI / 微軟、Anthropic / 亞馬遜等）都將在未來幾年投入超過 1000億美元來保持規(guī)模的增長。我們正處于有史以來最大規(guī)模的基礎(chǔ)設(shè)施建設(shè)中。

OpenAI 首席執(zhí)行官Sam Altman此前就曾表示：“規(guī)?；_實是一件好事。當我們在太陽周圍建造出戴森球時，我們就可以討論是否應該停止規(guī)模化，但在此之前不能停止?！?/p>

Anthropic 首席執(zhí)行官 Dario Amodei也表示：“我認為 （我們）的規(guī)模可以擴大到 1000 億美元，我們將在幾年內(nèi)實現(xiàn)這一目標?！?/p>

不過，如果按照現(xiàn)在的AI數(shù)據(jù)中心算力，再擴大 1,000 倍，將會面臨非常昂貴的成本。下一代數(shù)據(jù)中心的成本將超過一個小國一年的GDP。按照目前的速度，現(xiàn)有的硬件、電網(wǎng)和資金投入都跟不上需求。

Etched公司表示：“我們并不擔心數(shù)據(jù)耗盡。無論是通過合成數(shù)據(jù)、注釋管道還是新的 AI 標記數(shù)據(jù)源，我們都認為數(shù)據(jù)問題實際上是推理計算問題。Meta CEO Mark Zuckerberg、Anthropic CEO Dario Amodei、 Google DeepMind CEO Demis Hassabis 似乎都同意這一觀點。”

基于這樣的發(fā)展趨勢，Etched公司認為，未來能夠獲勝的大模型一定會是那些能夠在硬件上運行速度最快、成本最低的模型。Transformer 功能強大、實用且利潤豐厚，足以在替代方案出現(xiàn)之前主宰每個主要的 AI 計算市場。

目前，Transformer 正在為每款大型 AI 產(chǎn)品提供動力：從代理到搜索再到聊天。很多AI 實驗室已投入數(shù)億美元進行研發(fā)，以優(yōu)化 GPU 以支持 Transformer。并且當前的和下一代最先進的大模型也都是 Transformer架構(gòu)的。

隨著這些大模型的規(guī)模在未來幾年內(nèi)所需要的硬件資源從 10 億美元擴大到 100 億美元，再到 1000 億美元，測試新架構(gòu)的風險也隨之飆升。與其重新測試縮放定律和性能，不如花時間在 Transformer 之上構(gòu)建功能，例如多標記預測等。

當今的很多軟件堆棧也針對 Transformer 進行了優(yōu)化。每個流行的庫（TensorRT-LLM、vLLM、Huggingface TGI 等）都有用于在 GPU 上運行 Transformer 架構(gòu)模型的特殊內(nèi)核。許多基于Transformer 構(gòu)建的功能在替代方案中不易獲得支持（例如推測解碼、樹搜索）。

所以，未來的硬件堆棧也將持續(xù)針對 Transformer 進行優(yōu)化。比如，英偉達的 GB200 特別支持 Transformer（TransformerEngine）。

在Etched公司看來，Transformer架構(gòu)就是未來，“如果我們猜對了，Soho將改變世界。這就是我們下注的原因?！盓tched公司在網(wǎng)站上寫道。

在2022年的時候，Etched公司就已經(jīng)開始下注，開始研發(fā)基于Transformer架構(gòu)的Sohu芯片，當時ChatGPT還沒有推出，圖像和視頻生成模型是 U-Nets，自動駕駛汽車由 CNN 驅(qū)動，而 Transformer 架構(gòu)并未無處不在。顯然這是一場豪賭。

雖然現(xiàn)在看來，Sohu可以支持所有的Transformer架構(gòu)的AI大模型，比如OpenAI的GPT、Sora，谷歌的Gemini、Stability AI公司的Stable Diffusion 3 等，但是在兩年前，這些模型都還沒有出現(xiàn)。如果，Transformer架構(gòu)的AI大模型沒有成為主流，再加上無法支持CNN、RNN 、LSTM等傳統(tǒng)模型以及SSM、RWKV 或其他的全新架構(gòu)的AI大模型，那么Sohu將會毫無用處。

幸運的是，從目前來看，形勢已經(jīng)對Etched公司有利。從語言到視覺，每個領(lǐng)域的頂級模型現(xiàn)在都是基于Transformer架構(gòu)的。這種融合不僅驗證了Etched公司下對了賭注，也有望使Sohu成為十年來最重要的硬件項目。

“像 Sohu 這樣的 ASIC 芯片進入市場，標志著進入一條不歸路。其他Transformer “殺手”要想成功，需要在 GPU 上的運行速度需要比 Transformer 在 Sohu 芯片上的運行速度更快。如果發(fā)生這種情況，我們也會為此構(gòu)重新建一個 ASIC！”Etched公司非常堅定的說道。

最后說一句，Etched公司的看法與芯智訊在多年前所寫的《英偉達的AI盛世危機！》所表達的核心觀點類似，即GPU并是不專為處理特定AI算法所設(shè)計的，其優(yōu)勢在于比其他AI芯片更通用，可以適應各種AI算法，但是當未來AI算法的演進開始趨于穩(wěn)定時，那么屆時專用的面向特定算法的更高效的ASIC芯片無疑將會更具優(yōu)勢?，F(xiàn)在越來越多的云服務廠商都有推出自研的云端AI芯片也正是順應這一趨勢。

編輯：芯智訊-浪客劍