职位详情

当PC迈入AI时代

 二维码 89
发表时间:2023-08-01 15:46

      PC,也称个人电脑,从上世纪70年代诞生至今,不过短短五十余年的时间,从一开始富人的玩具,到现在全球年销售三亿台,PC已经成为了大家最不可或缺的生产力工具之一。

      作为计算机科学的重要应用之一,人工智能需要强大的算力作为支撑,在GPU的算力几何级数增长后,人工智能也迎来了它的爆发点。先是各个行业对图像和视频识别方面的广泛应用引爆了商业用户市场,现在的ChatGPT和AIGC又引爆了民用市场,各种应用层出不穷。AI连同GPU一起,再次成为了科技界的风口。



大规模的下一站

    目前的大模型,基本上都是在云端运行的,用户只需要通过网页接入,即可使用模型。这种方式确实非常方便,但其成本却是运营方不可承受之痛。一个大模型,训练一次成本在数百万美金,推理的成本,ChatGPT被公布出来的单条信息约1.3美分,是传统搜索引擎的3-4倍。那么,如果不能看到明显的收入提升或者成本下降,或者有其他的营收渠道,类GPT大模型就只能是一个实验性质的产品。

图片

     AIGC作图一类的应用成本更高,现在较为专业的作图应用或者接口均需要通过收费来补贴其运营。正因为如此,大模型的小型化和本地化部署才会受到额外的重视。相对于纯云端高成本和不能脱机的劣势,无论是端-云模型,还是大模型小型化,都可以提供在大多数情况下更加快速和便捷的服务。

    其实,即便是Microsoft Co-Pilot这样的收费服务,也未必需要完全放在云端进行运算。或许我们可以从云游戏的商业化中看出些许端倪,对于面向普通用户的云游戏平台,如果收费,则用户数会受到影响,而如果免费,在运营方不赚钱的前提下,规模很难做大。那么如何降低运营方的成本,同时提升用户的付费意愿和付费比例,大模型的本地化部署+云端服务提供的组合套餐也许是一个不错的解决方案。



后PC时代与AIPC

    摩尔定律失效之后,业界对半导体行业未来的发展有三个看法:延续摩尔定律(More Moore)、扩展摩尔定律(More than Moore)以及超越摩尔定律(Beyond Moore)三类,分别对应着不同的发展路径。而大模型的出现,让人和PC的交互方式发生了变革,PC也遇到类似的问题:是 More PC还是More than PC。

    More PC,我们可以理解为在现有PC架构基础之上,对PC功能的拓展。传统的冯诺依曼架构的PC我们都非常熟悉,键盘鼠标,CPU GPU,内存硬盘,显示器扬声器,现在的应用还可以支持语音输入。大模型时代的到来,使得AI变得更加重要,单机智能对于PC的价值也在提升,More PC的路径,对于GPU会有新的用途,除了渲染和显示,AI也是很重要的一个方向,未来GPU渲染和AI的算力配比可能会发生一定的改变,PC也会更加细分为AIPC和游戏/图形工作PC两类。


图片

    More than PC则是另外一条路径。PC的形态会发生改变,输入设备可能不再是键盘鼠标,变成了语音,手势和虚拟键盘,输出设备不再是单一的屏幕,变成了XR眼镜,投影设备,相应的硬件,软件,操作系统甚至芯片都会发生变化。在这一条产品路线上,任何革命性的变化都有可能到来,就像智能手机开创了ARM+Android的时代一样,这条产品路线很有可能开创另一个颠覆Wintel联盟的时代,比如说RISC-V+GPU+空间计算。

     但无论是More PC还是More than PC,AI都会成为PC里面不可缺少的功能,就像当年图形界面和3D带动的显卡一样,大胆设想一下,未来的DIY配件中,多出一种叫“智卡”的配件也未尝不可。



通用化的难度

     现在的AI应用呈现一个特点,就是云端多于单机,Linux远超Windows。软件厂商和芯片厂商各自为政,互相根据需求和喜好来进行适配。目前现状是英伟达的GPU相对好用,CUDA都用得比较熟练,英伟达提供的库也比较全,所以基本都在用英伟达的GPU,但同时,也有不少应用厂商在寻找新的GPU/NPU,不少新的芯片公司在寻求应用厂商的支持,政治原因和成本原因都有。现在的AI芯片市场就有点像上世纪90年代的显卡市场,群雄混战,但缺乏统一的接口标准。

    显卡的群雄混战,终结于DirectX和OpenGL,AI芯片的混战,也许也会终结于某些通用的接口,其背后的本质,是AI下沉的结果和应用开发公司对于开发成本的考虑。


图片

     AI的通用化,普适化,是AI能够从商用转向民用的关键,而通用化,就需要通用的接口作为支持,比如某个市场主流操作系统所定义的接口,或者类似于Khronos这样的组织所定义的接口。这个过程一定会很漫长,是一个需要经历市场选择和淘汰的过程。所以现在部分GPGPU选择兼容CUDA并无不妥,但是兼容CUDA只是一个中间过程,最终还是要归到某个通用化接口上,就像秦始皇“书同文车同轨”一样,通用化往往意味着更友好更开阔的下游生态。

    PC迈入AI时代,本质上是一场生产力的变革。这场变革目前还处于早期阶段,还在发掘技术,建设生态的阶段,需要大量的人力,财力和想象力的投入。如果我们希望这场变革发生在中国,就需要芯片公司,硬件公司,应用公司和投资人们共同的努力。砺算科技作为一家国内GPU企业愿意为这场变革贡献自己的绵薄之力,也期待着和上下游合作伙伴们一起,做难而正确的事情。


*本文配图均来自Midjourney智能生成




图片

   

砺算科技是一家致力于研发多层次(可扩展)高性能图形渲染GPU的公司。由来自九十年末全球首批推出GPU芯片、具有硅谷背景的研发核心骨干创立并统领,集聚了大芯片研发、量产的经验,包括方法论、顶层设计,最优化调度,高运算单元利用率等能力的完整而稳定的研发团队。
坚持自研架构、自主知识产权,砺算科技正在打造对标国际主流产品的国产GPU芯片,服务国内2000亿渲染GPU全方位市场,实现端、云、边的高性能图形渲染,满足学习工作娱乐、数字孪生、智慧城市、智能工厂、专业设计、智能汽车、智慧医疗、元宇宙等数字经济的底层核心芯片和算力资源的需要。

图片
图片


上海     南京    北京     硅谷

首页        创新技术      加入我们       媒体中心     联系我们
info@lisuantech.com
砺算科技致力于自研高性能图形GPU。GPU是数字经济、数字孪生和元宇宙的底层核心芯片和算力资源,市场需求正在成倍增长。