国产小厂胖揍英伟达，中国芯片这就崛起了？

　　最近，差评君听到了一个好消息。
　　AI算力领域的图灵奖MLPerf测试，发布了一个关于当前主流ai芯片的基准性能的测试结果。
　　一家首次参加测试的芯片企业墨芯人工智能，化身草根英雄，火速制裁了AI芯片的霸主英伟达。
　　墨芯S30芯片在主流AI模型之一的图像分类（ResNet50）中，以95784FPS的单卡算力夺得全球第一。
　　是英伟达现役最强GPUA100的2倍，是即将上市的英伟达H100的1。2倍。
　　对芯片不太了解的差友，可能不太了解这事的重要性。
　　市场研究公司Omdia调查显示：英伟达占据了全球人工智能（AI）处理器80。6的市场份额。
　　而作为他的旗舰产品A100、H100几乎代表了全球同类芯片的最高水平。
　　如果墨芯s30真能超越英伟达最新科技的话，说不定双方的团队已经在洽谈收购的事情了。
　　不过，更逆天的是，墨芯S30竟然用14nm纳米的制程就暴打了4nm工艺的英伟达最强GPUh100系列。
　　这是真的6翻了。
　　虽然，每一年都有一两家企业叫嚣着：拳打英伟达、脚踩英特尔。
　　但是能用14nm工艺超越4nm工艺的芯片公司，英特尔看了都要馋。
　　所以要是不出意外的话，凭借这个技术，名不经传的墨芯公司完全可以，名扬大中华，技术封锁美利坚，然后带着欧盟27个小弟称霸世界了。
　　好了，说到这里，想必各位差友都知道了
　　如果不出意外的话，那么意外就来了。
　　很快有人扒出来：墨芯这瓜，它不保熟。
　　虽然，这个叫做MLPerf的性能测试，权威且保真。
　　但是，也有很多周旋的空间。
　　比如，虽然墨芯公司官方的宣传里，着重强调了算力全球第一。
　　但后续有人扒出了，这个全球第一的数据经过了美化的处理。
　　关键性的分组标签，被人p掉了。
　　点击查看大图
　　点击查看大图
　　原来，这个MLPerf测试它是分为Closed（固定任务）和Open（开放优化）两组。
　　Closed代表的固定任务分组，进行的是正式比赛。
　　也就是说，厂商们，需要运行统一的算法，对同一个模型图像分类（ResNet50）进行计算，实现芯片之间的性能比较。
　　而这个open分组就是用来展示一些创新性的成果的，也就是所谓的表演赛。
　　在这个组别里，只要不改变测试的内容，你想怎么玩都行。
　　而墨芯参加的恰恰就是open分区的测试。
　　于是，墨芯s30凭借着稀疏化的算法，用无规则格斗的打法胜了英伟达的空手道。
　　然后，公司再一运作，删删减减，一个全球算力第一的营销广告就这么华丽的出现。
　　又一个营销鬼才。
　　不过这岂不是证明了墨芯用的稀疏算法，能大幅增加ai芯片的算力？
　　情况也确实是这样的。
　　所谓的稀疏算法，又称剪枝。
　　就是在ai模型的训练过程中，把一些不重要的运算过程去掉，大大增加计算的效率。
　　这就像识别一个超清的图像，如果我们降低到标清的水平，传输速度就会快上许多。
　　但是，这种成倍提升算力的黑魔法怎么会没有代价呢？
　　一来，这种提升算力的方式应用场景比较小，不适合高精度的模型训练。
　　二来，算力是通用的，ai的模型并不是，这就需要根据不同的模型，研究不同的稀疏算法。
　　但问题的重点在于，稀疏算法并不是墨芯一家的专利，英伟达家的h100也能支持。
　　而且，英伟达依然是目前唯一一家在每轮MLPerf基准测试都参与所有主流算法测试，然后横扫各项测试成绩的全能选手。
　　所以说，回到ai芯片的性能本身，我们还是很难否认英伟达在这方面的统治力。
　　不过，抛开这次的吊打英伟达的乌龙事件不谈，最近几年国内还是涌现出一批优秀的国产ai芯片。
　　比如在今年3月，壁仞科技诞生了一枚名为BR100的芯片。
　　这颗芯片16位浮点算力在1000T以上，8位定点算力达到了2000T以上，打破了此前一直由国际巨头保持的通用GPU全球算力纪录。
　　而19年，华为发布的昇腾910芯片的算力也号称是当时国际顶尖水平的两倍。
　　看来，真金白银地砸进去还是有水花的。
　　不过，当国内芯片的性能开始触碰到全球算力的天花板的时，我们才发现差距不止在算力上。
　　国内的一大批创业者们，早已经在追赶英伟达的过程中，撞上了第二堵南墙：生态。
　　2016年前后，ai的浪潮席卷中国，人人都想做中国的英伟达。
　　但后来，国内的厂商们慢慢发现AI芯片陷入了一个困境：ai芯片无法成为一个单独的产品。
　　探境科技的CEO概括了这种复杂的处境：
　　英伟达的GPU在AI应用中很难被替换，因为英伟达的GPU除了能处理AI的工作，还能进行图形计算等。
　　即便AI专用芯片性能大幅提升，也不能满足最终应用的所有需求，客户还要再购买GPU。
　　以至于，大家都以兼容英伟达的软件开发系统目标，如果不兼容，代码重新开发或者移植的成本太大了。
　　之所以会有这样的问题，是因为英伟达依靠在gpu上的先发优势建立了自己的生态CUDA，一套与英伟达芯片配套的软硬件开发的工具包。
　　能为几乎所有主流的ai模型服务，同时大量的开发者也在反哺和完善这个生态。
　　据2021年英伟达官方最新数据显示，英伟达生态的开发者数量已接近300万，CUDA在过去15年总计下载量达3000万次，过去一年下载量达到700万。
　　这就好比同样是一个野外求生俱乐部。
　　国内还停留在，拿着一本野外求生指南让客户自己学的阶段时。
　　而英伟达，已经提供了全套装备。
　　甚至送来了一个贝爷。
　　这就导致了，AI的软件生态成了英伟达生态。
　　而英伟达的软件生态，尤其是CUDA相关的核心部分都是闭源、封闭的。
　　在这样的封锁下，想要将自家的软件与英伟达的生态兼容的难度可想而知，建立一个新的AI生态更是痴人说梦。
　　一位国内AI芯片公司软件的负责人直言：CEO和CTO都听不懂我的工作。一些国内AI公司创始人对软件的认知，相比领先的国际大公司，我认为有十几年的差距。
　　英伟达GPU强大的产品力加上顶尖的CUDA软件生态，使得它在AI领域的势力不可动摇。
　　包括微软、三星、Snap等在内的25000多家企业客户，都接入了英伟达的ai推理平台。
　　而且它比想象的要难以超越。
　　因为他不仅比你更强，还比你更努力。
　　在过去的十年中，英伟达在研发方面的支出持续扩大，根据财报，2021年英伟达研发投入达到39。24亿美元。
　　所以，在这种全面的领先下，我们很难相信有什么公司可以在ai芯片领域，一步跨越大山一样的英伟达。
　　这一点，每年砸出去上百亿的英特尔深有体会。
　　而相对于全球其他的竞争者们，我们还面临着芯片制程的问题。
　　但即便如此，差评君觉得，差距越大，我们更应该脚踏实地地发展。
　　不要幻想一日赶英超美，而是紧紧跟在对手的身后，就像一头猎豹，等待敌人犯错。