Sam Altman7万亿美元芯片计划被怼,“硅仙人”:我只用不到1万亿

AI行业动态2个月前发布 ainavi
5,096 0

机器之能报道

编辑:Sia

不是每个业内人士都买这笔疯狂数字的账。

Sam Altman 最近登上了头条新闻,背后的原因有些夸张。

这位从未设计过一个芯片的聪明人认为半导体行业需要他,正在推动一个旨在提高全球芯片制造能力的项目。为此,他需要筹集 5 万亿至 7 万亿美元,并正与包括阿联酋政府在内的不同投资者进行谈判。

OpenAI 发言人表示,“ OpenAI 就增加芯片、能源和数据中心的全球基础设施和供应链进行了富有成效的讨论,这对于人工智能和相关行业至关重要。鉴于国家优先事项的重要性,我们将继续向美国政府通报情况,并期待稍后分享更多细节。”

报道称,Altman 开出天价数字可能不仅包括晶圆厂本身的建设,还包括在它们周围建造一个全新的基础设施,包括发电厂等。

考虑到 Altman 是芯片行业新手,大家也好奇他从哪里算出的这个数字。5 万亿至 7 万亿美元到底有多夸张呢?

美国 GDP 大概是 23 万亿美元,这个数字相当于美国 GDP 的三分之一。就芯片行业来说,这个数字约为英伟达目前市值的 4 倍,也远远超过全球半导体行业估值——该行业去年的销售额为 5270 亿美元,预计到 2030 年将达到 1 万亿美元大关。

最近,硅谷芯片大神、“硅仙人”、Tenstorrent CTO Jim Keller 也在 X 上表达了他对 Altman 令人震惊的野心的“意见”,他强调,同样的工作,他可以以不到一万亿美元的价格完成。

Sam Altman7万亿美元芯片计划被怼,“硅仙人”:我只用不到1万亿

大神强调“不到”1万亿美元

Sam Altman7万亿美元芯片计划被怼,“硅仙人”:我只用不到1万亿

更早的时候,当Altman说为什么不把筹集的金额从7万亿美元提高到8万亿时,“硅仙人”就曾回复说,我只用不到1万亿美元就能做到。

Altman 的芯片计划本质上还是彻底扩张半导体供应链,以求在未来三到五年解决芯片供给短缺的问题,但也有可能导致代工产能过剩、芯片贬值等问题。Jim Keller 则认为重点不是制造更多的芯片,而是处理器的复杂性和简化硬件供应链(以降低 AI 服务器和其他设备成本)。
“从消除利润堆叠的地方开始,” Keller 写道。在为最终用户交付产品的过程中,为获取更多毛利,供应链中的参与者都在“层层加码”,在 Keller 看来,大概可以去掉两到三层的“堆叠环节”。接下来,为了让芯片运作更快,还要改善硬件与软件资源的匹配程度。当然,这点更难做到,但也不是不可行。

Sam Altman7万亿美元芯片计划被怼,“硅仙人”:我只用不到1万亿

他认为通过对供应链的某些改进以及改善硬件和软件资源,更有利于解决芯片问题。当然,这也是一项非常艰巨的任务。

Sam Altman7万亿美元芯片计划被怼,“硅仙人”:我只用不到1万亿

事实上,Jim Keller  所在的 Tenstorrent 就是一个“解题者”。他们有一个非常雄心勃勃的路线图,旨在迅速改进现有的基于 AI 的芯片架构,包括基于 RISC-V 的高性能 CPU chiplet 和先进的 AI 加速器 chiplet,为机器学习提供强大的解决方案。

其中,CPU 是 Tenstorrent 的重头戏——在 AI 计算中,CPU 扮演着非常非常重要的角色,尤其是在训练方面。数据中心 AI 训练过程中,CPU 所占的时间和功耗都超过了 50%,包括 CPU 对数据的预处理和后处理。

Jim Keller  也是这家公司的天使投资人, 用他的话说,Tenstorrent 的设计是“最有前途的架构”。

对 AI 性能的需求正在快速增长,只有时间才能证明 Tenstorrent 和其他公司是否会在可预见的未来赶上它。

Sam Altman7万亿美元芯片计划被怼,“硅仙人”:我只用不到1万亿该公司雄心勃勃的路线图

Altman 的想法并没有得到业内人士的欢迎,不少人认为他的主张不可行。就在最近,英伟达 CEO 黄仁勋预测,AI 支持的数据中心市场将在未来五年内扩大到 2 万亿美元规模,并强调这样一个事实,即提高产能只是一方面,架构变革也很重要。

不需要太多投资来建立针对 AI 芯片的替代性半导体供应链。相反,业界需要继续进行 GPU 架构创新,提高性能——事实上,黄仁勋声称在过去十年中,英伟达已经将 AI 性能提高了 100 万倍。

芯片架构的性能将同时提高,你不能假设会购买更多的计算机。黄仁勋认为,“你还必须假设计算会变得更快,所以总体上,你不会需要那么多的芯片。”

Sam Altman7万亿美元芯片计划被怼,“硅仙人”:我只用不到1万亿

英伟达GPU 在 AI 和高性能计算 (HPC) 性能方面发展非常快。2018 年,Nvidia V100 数据中心 GPU 的半精度计算性能仅为 125 TFLOPS,但 H200 提供了 1,979 FP16 TFLOPS。未来计算机也将以更惊人的速度完成任务。

AI 芯片的短缺问题最终将得到解决,部分原因要归功于架构创新——创新使得那些想要在本地使用 AI 的公司不用再花费数十亿美元建造数据中心。

参考链接

https://www.tomshardware.com/tech-industry/artificial-intelligence/jim-keller-responds-to-sam-altmans-plan-to-raise-dollar7-billion-to-make-ai-chips

https://www.tomshardware.com/pc-components/gpus/nvidia-ceo-jensen-huang-says-dollar7-trillion-isnt-needed-for-ai-cites-1-million-fold-improvement-in-ai-performance-in-the-last-ten-years

© 版权声明

关注公众号,免费获取chatgpt账号
免费获取chatgpt

相关文章

暂无评论

暂无评论...