AMD CEO蘇姿豐：AI日趨成熟，芯片行業不能只盯著GPU！
隨著人工智慧（AI）技術的快速發展，芯片行業的創新變革也在加速推進。AMD執行長蘇姿豐（LisaSu）近期就芯片行業的未來發表了深刻見解。她認為，盡管當前圖形處理單元（GPU）在人工智慧模型的訓練與執行中占據主導地位，但未來五到七年內，芯片行業的格局可能會發生重大變化。特別是在計算能力與能源效率的平衡問題上，GPU將不再是唯一的選擇，新的芯片技術和架構將逐步嶄露頭角。
AI發展的瓶頸與GPU的局限性
目前，GPU因其強大的並列處理能力，成為訓練大型AI模型的首選硬體。這些芯片最初是為高效能遊戲圖形而設計，後來由於其靈活的編程性和強大的計算能力，被廣泛套用於AI領域。然而，隨著AI模型規模的急劇增長，尤其是生成式AI的爆炸性需求，GPU也面臨著挑戰。雖然它們能夠滿足當下AI快速叠代的需求，但在能耗、成本和體積方面的最佳化空間仍然有限。
蘇姿豐表示：「GPU在並列處理方面表現優異，但在未來五到七年後，它們可能不再是唯一的主流架構。隨著AI模型設計的標準化行程推進，未來的AI芯片將更註重節能、高效且更具針對性。」她的這一觀點反映了整個行業正在朝著多元化、客製化的芯片架構方向發展。
客製芯片的崛起
在AI日益發展的背景下，客製化芯片已逐漸成為大型科技公司的研發重點。像亞馬遜、谷歌這樣的雲端運算巨頭已經開發了自己的客製AI芯片，例如亞馬遜的AWSTrainium和Inferentia芯片，以及谷歌的張量處理單元（TPU）。這些芯片各自承擔特定的AI任務，Trainium負責模型訓練，而Inferentia則專註於推理。
這些客製芯片在能耗與效率方面展現了明顯優勢。市場情報公司IDC的副總裁ShaneRau指出，客製芯片由於能夠在一定程度上進行硬連線，具備了專門處理特定任務的能力，因此在執行特定型別的AI模型時表現出色。這些芯片不僅體積更小、能耗更低，而且制造成本也相對降低。
然而，商業化推廣這些高度客製化的芯片仍面臨挑戰。研究公司Gartner的副總裁ChiragDekate提到，盡管客製芯片在節能和效能上占有優勢，但它們的編程難度較大，並且通常需要專門的軟體支持，這使得它們的靈活性和互操作性大打折扣。這意味著，盡管客製化芯片在特定場景下發揮著巨大的潛力，但它們在AI模型快速叠代的背景下，尚無法完全取代通用型芯片。
客製化與靈活性的平衡
盡管如此，蘇姿豐認為，未來的芯片行業將面臨一個重要的技術平衡點：在追求高度客製化的同時，也必須確保一定程度的靈活性，以適應不同模型的發展需求。例如，Etched公司聯合創始人兼執行長GavinUberti指出，雖然他們的芯片專註於在Transformer架構上進行推理，但他們也意識到過度客製化可能會帶來問題。盡管Transformer架構已經成為大語言模型的主流，但模型的不斷演化和規模擴大要求芯片必須具備足夠的靈活性，才能適應未來更復雜的需求。
在這一背景下，芯片制造商面臨的挑戰在於如何設計出既能處理特定AI任務，又能適應AI模型快速變化的芯片架構。蘇姿豐強調，未來AI的發展將不僅僅依賴GPU，還將包括其他型別的專用芯片，以實作不同AI模型的計算需求。這種多元化的芯片組合將成為AI計算的趨勢，推動行業進入新的階段。
未來芯片行業的發展方向
盡管GPU目前在AI領域占據主導地位，但這一優勢並非永久不可撼動。隨著AI模型復雜性的增加和行業對更高效計算資源的需求，未來的芯片架構將更加多元化。蘇姿豐指出，未來的AI模型將需要結合不同型別的芯片架構，這些架構可能包括GPU、客製化芯片、以及其他新興的專用芯片，以應對不同的AI任務。
博通（Broadcom）執行長陳福陽也曾在內部講話中提到，客製芯片業務已經為該公司帶來了豐厚的利潤，尤其是在與谷歌合作開發AI芯片方面。他的言論進一步印證了客製芯片在未來AI計算領域的重要地位。
與此同時，微軟、亞馬遜、谷歌等科技巨頭也在不斷加大自研AI芯片的投入。例如，微軟在Ignite大會上釋出了其首款AI芯片AzureMaia100，以及套用於雲端服務的AzureCobalt，這些芯片將由台積電代工生產。而AWS也早已推出Inferentia和Trainium芯片，進一步拓展了自研芯片的陣容。
AI與芯片行業的協同前進演化
正如蘇姿豐所言，芯片行業與AI的發展是相輔相成的。AI模型的前進演化推動了芯片的設計變革，而新的芯片架構則為AI的進一步發展提供了強大的計算支持。未來，隨著生成式AI模型的標準化行程加快，芯片行業將更加註重能效、客製化和靈活性的平衡。新的芯片架構將幫助減少AI巨大的能源需求，提升模型的執行效率。
蘇姿豐的預測並非空談。雖然GPU仍將在未來五到七年內保持主導地位，但芯片行業的未來註定是多元化的。那些能夠在靈活性與客製化之間找到平衡的芯片制造商，將在這一場技術競賽中占據先機。
