英伟达市值冲破万亿美元大关给AI芯片赛道点燃了一把火。

单日暴涨2000亿美元，首个跻身万亿俱乐部的芯片制造商，创下历史上最大的单日涨幅，英伟达一时间风头无两。

一向触觉敏锐的资本也纷纷果断下场。短短几周，英伟达就吸引了至少100家ESG基金的投资，并成为这些资产管理公司最受欢迎的股票之一。

英伟达股市的疯狂以及大量资本的涌入，将人们的注意力狠狠地拽进了AI芯片这一赛道。

英伟达的老对手AMD也随之发布了最新的MI300X芯片，目标直指英伟达。AI芯片这一块蛋糕谁都不想错过，而AMD股市今年的涨幅也达到了90%。

正如人们津津乐道的“卖铲子”的故事一样，在淘金热时期，早早赚得盆满钵满的不是那些淘金的工人，而是卖铲子给他们的人。

从去年年底发布的大语言生成式模型ChatGPT3.5，到今年爆火的生成式AI——Midjourney，随着AI的狂风刮起，处于风口的AI芯片就被吹上了天。

那么AI芯片是什么?为什么突然就火了?我们国内的芯片厂商有可能分到大块的蛋糕吗?

带着这三个问题，我们继续往下寻找答案。

AI芯片实质上是一个处理乘法和加法运算的计算器

一般来说，AI芯片是指用来运行AI算法的专用处理器，与普通的芯片最大的区别在于专用性的侧重上。

目前AI的实现包含了两个环节——训练、推理。

其中训练是指通过大数据训练出一个复杂的神经网络模型，通常需要对自然语言、图像、语音等海量数据进行AI算法处理，本质上来说是矩阵或向量的乘法、加法。那么AI芯片在其中扮演的角色就是一个执行乘法和加法的计算器，所以对计算性能的要求比较高。

再拿最常见的CPU和GPU来举例。

CPU和GPU同样都可以执行AI算法，但从架构上来说CPU因为需要处理很多的逻辑运算，所以它的计算单元(ALU)只占据一小部分，大概仅有20%，GPU的ALU能占到80%。而算力恰恰是AI芯片最需要的，所以CPU的AI算法执行效率就会远低于GPU。简而言之AI芯片就是牺牲通用性来换取特性。

目前主流的AI芯片大概分为GPU、FGPA、ASIC这三类，以及距离大规模商用还有一段距离的类脑芯片等。

从GPU到ASIC就是一条从通用(GPU)到半定制(FGPA)再到定制(ASIC)的过程。

AI芯片分类对比图

GPU(Graphics Processing Unit)，即图形处理器，是一种由大量核心组成的大规模并行计算架构，专为同时处理多重任务而设计。GPU芯片的设计初衷是为了应对图像处理中需要大规模并行计算，而在算法方面也更加针对图像渲染。

但处理并行计算这一点与执行AI算法的需求不谋而合，于是GPU芯片最早作为深度学习算法的芯片被引入人工智能领域，在数据中心中获得大量应用。生产GPU芯片的厂商后续也专门针对AI算法做出优化，推出了专门适配AI的GPU芯片产品。

FPGA(Field-Programmable Gate Array)，即现场可编程门阵列，是一种可编程逻辑器件，其设计初衷是为了实现半定制芯片的功能，即硬件结构可根据需要实时配置灵活改变，它可以被编程为实现各种数字电路功能。

FPGA芯片的功能非常强大，可以实现多种数字电路功能，例如逻辑运算、加减乘除、数据处理、存储控制等。与其他数字电路元件不同，FPGA芯片的功能可以通过编程来实现，因此可以快速适应不同的应用场景，同时也可以方便地修改和更新功能。FPGA芯片在数字信号处理、图像处理、网络通信、嵌入式系统设计等领域得到广泛应用。

ASIC(Application Specific Integrated Circuits)，即专用集成电路是一种为专用目的设计的，面向特定用户需求的定制芯片。

ASIC芯片与GPU芯片和FPGA芯片不同，GPU芯片和FPGA芯片除了是一种技术路线之外，还是实实在在的确定的产品，而ASIC芯片就是一种技术路线或者方案，其呈现出的最终形态与功能也是多种多样的。在大规模量产的情况下AISC芯片具备性能更强、体积更小、功耗更低、成本更低、可靠性更髙等优点。

目前市场上AI服务器中应用最广泛的是GPU芯片。有资料显示，英伟达的GPU芯片为市场AI服务器搭建的主流选择，主要型号为A100/H100芯片，目前大约占据60%-70%的份额，其次为云计算厂商自主研发的ASIC芯片，市占率逾20%。

一卡难求源自于AI算力的胃口越来越大

尽管目前H100芯片的价格已经涨到了4万美元/枚，仍一卡难求。有业内人士透露H100芯片的订单已经排到了2024年，在供需关系的影响下A800/H800芯片的价格涨幅也达到了40%。

市场需求的火爆源自于AI市场对算力的胃口越来越大，算力高的芯片已成为AI赛道的硬通货。

据Google云平台的AI基础设施负责人Amin Vahdat观察，过去6年来，模型规模每年都增长了十倍。驱动ChatGPT的最新版本GPT-4用于分析数据的参数有1万亿个，是上一个版本的五倍。随着模型越来越复杂，训练它们所需要的算力也会随之增长。

除了ChatGPT的升级，目前主流的AI厂商都已经进入了“千亿数据时代”，“超过千亿数据的大模型训练大概要1000~2000张A100，没有2000张A100，实验都做不了”，昆仑万维集团CEO方汉在此前公开表示。

前段时间，微软为了给Chatgpt和Bing提供更好的算力，斥资几亿美元，耗费上万张A100芯片打造超算平台。马斯克也购买了上万张GPU芯片用于自己的AI公司数据训练，并评论道：“这玩意儿(英伟达GPU)比药品还难搞”。

除开生成式AI，诸如数据中心、自动驾驶、安防、手机终端等AI领域也需要大量的算力和芯片。

“我们已到达生成式AI引爆点。从此，全世界的每个角落，都会有计算需求。”黄仁勋在此前的台北电脑展(COMPUTEX 2023)大会上表示。

国产芯片仍有追赶空间

除了大量购入芯片以外，很多公司也开始研发自己的芯片以求得在此次大潮中获取主动。

诸如Google、Amazon等科技巨头其实早早就已经下场，Amazon已经推出了Trainium和Inferentia两款AI芯片，而Google的TPU也早已更新到了第四代。

微软在近日被爆出其内部早在2019年就开始在内部开发代号为“雅典娜”的芯片，希望可以为价值高昂的人工智能工作节省成本。

Mate公司也在近日收购了英国AI芯片独角兽Graphcore的AI网络技术团队，披露其正在构建首款专门用于运行AI模型的定制芯片——MTIA(Meta Training and Inference Accelerator)芯片，预计于2025年问世。

其实国内各科技巨头也都早展开布局。例如，百度于 2011 年成立了昆仑芯，开始探索芯片领域;阿里巴巴在 2018 年成立了平头哥，专注于 AI 芯片市场。华为同样一直在人工智能芯片领域进行布局，早在 2017 年就推出了基于神经网络处理器的 Ascend 芯片，主要面向人工智能推理场景。

虽然目前AI芯片市场上仍是国外厂商占据了大部分的市场份额，但并没有形成完全垄断的局面。

国内半导体行业，正持续加大投入力度，资本市场芯片领域也获得了资金净流入。当前国内规模最大的芯片类指数基金——芯片ETF(159995)在今年上半年，累计获得资金净申购近34亿份，目前份额总数达到238亿份，资金规模达到247.57亿元。

再加上自去年以来，中国在高端AI芯片领域持续受到美国方面的制裁，以及近日中国对美国镓、锗限制出口的反击。这一切的都利好国内的AI芯片发展，国产AI芯片仍有奋力追赶的空间。

国内AI芯片产品对比（图源民生证券研报）

早在“十三五”规划中，人工智能芯片就被写入国家发展规划纲要，一批AI芯片企业也随之成立。得益于国家的前瞻布局，国内AI芯片技术早已有从0到1的突破，与国外的差距正在慢慢缩小。

以下是一些国内的领头企业。

寒武纪成立于 2016 年，公司研发团队成员主要来自于中科院。寒武纪 AI 芯片思元 290 芯片面向云端训练，思元 370 芯片面向云端训推一体，两款芯片均采用 7nm 制程工艺。此外，思元 370 芯片是寒武纪首款采用 chiplet 技术的 AI 芯片，最大算力高达 256TOPS;训练侧新品思元 590 芯片在研发中。

寒武纪也推出了面向开发者的寒武纪人工智能软件平台Cambricon NeuWare，这是在终端和云端的AI芯片共享的软件接口和生态，包含开发、调试和调优三大部分，体现了创始人陈天石提出的“端云一体”的思路。

海光信息成立于 2014 年，公司骨干研发人员多拥有国内外知名芯片公司的就职背景，拥有成功研发 x86 处理器或 ARM 处理器的经验。海光信息的 DCU 芯片深算一号采用 7nm 工艺，兼容“类 CUDA”环境，软硬件生态丰富，已于 2021年实现规模化出货，未来将广泛应用于大数据处理、人工智能、商业计算等领域。

沐曦集成电路成立于 2020 年，公司创始团队处于国内顶尖行列——创始人陈维良曾任 AMD 全球 GPGPU 设计总负责人;两位 CTO 均为前 AMD 首席科学家，目前分别负责公司软硬件架构;核心成员平均拥有近 20 年高性能 GPU 研发经验。沐曦首款异构 GPU 产品 MXN100 芯片采用 7nm 制程，已于 2022 年 8 月回片点亮，主要应用于推理侧;应用于 AI 训练及通用计算的产品 MXC500 芯片已于 2022 年 12 月交付流片，公司计划 2024 年全面量产。

国内AI芯片公司对比（图源民生证券研报）

天数智芯成立于 2015 年，首席科学家郑金山为原 AMD 首席工程师，首席技术官 Chien-Ping Lu 曾任三星全球副总裁。天数智芯的 Big Island 云端 GPGPU 是一款具有自主知识产权、自研 IP 架构的 7nm 通用云端训练芯片，这款芯片达到295TOPS INT8 算力。

壁仞科技成立于 2019 年，创始人张文曾任商汤科技总裁，CTO 洪洲曾任职于海思的 GPU 自研团队，软件生态环境主要负责人焦国方曾创建高通公司骁龙GPU 团队、领导了 5 代 Adreno GPU 架构开发。2022 年 8 月，壁仞科技发布首款 GPGPU 芯片BR100，BR100 芯片采用 chiplet 技术，其 16 位浮点算力达到 1000T 以上、8 位定点算力达到 2000T 以上。

纵观半导体行业的历史发展，我们会发现无论是90年代的PC，还是今天的智能手机，芯片才是底层的技术驱动力和竞争力。早几年华为凭着自研芯片在高端智能手机市场与苹果平分秋色，在芯片受到制裁之后便一落千丈，这是我们看见的事实。

国内由于入局比较晚的原因，在电脑芯片以及手机芯片上都很难赶上国外的发展，而目前AI芯片的发展仍处于初级阶段，无论是科研还是产业应用都还有很长的路要走。这这条赛道上国产芯片完全有机会实现弯道超车。毕竟比赛才刚刚开始。