随着ChatGPT横空出世，人工智能（AI）领域的竞争进入白热化。英伟达公司的高端图形处理单元（GPU）芯片“一飞冲天”，受到各大科技公司追捧。与此同时，也有一些初创公司另辟蹊径，专注于研制另一种芯片——AI推理芯片，为AI产品的蓬勃发展和应用注入全新动力。

据物理学家组织网近日报道，这些AI推理芯片旨在降低生成式AI所需的高昂计算成本，更贴合AI工具的日常运行要求。此类芯片成本的不断下探和性能的持续提升，有望掀起新一轮AI应用创新浪潮，让更多复杂且强大的AI应用走进千家万户。

推理计算需求水涨船高

训练与推理，是AI大语言模型两大核心能力的坚固基石。

在应用过程中，经过训练的ChatGPT等生成式AI工具会吸纳新信息，从中进行推理并生成回应，如撰写文档、生成图像等。这类AI工具可应用于医疗诊断、自动驾驶、自然语言理解等领域。

随着AI模型的广泛应用，需要进行推理计算的硬件日益增多，对推理芯片的需求也将“水涨船高”。国际数据公司（IDC）的报告显示，未来几年，推理端的AI服务器占比将持续攀升。预计到2027年，用于推理的工作负载将占据七成以上。

科技公司竞推新产品

Cerebras、Groq和d-Matrix等初创公司，以及超威半导体公司（AMD）和英特尔等传统巨头，纷纷推出了AI推理芯片。这些公司敏锐捕捉到了AI推理芯片“大显身手”的契机。

据Cerebras公司官网报道，2024年8月28日，该公司推出了同名AI推理芯片。这款芯片在Llama 3.1-8B模型上实现了1800token/秒的推理速度；在Llama 3.1 70B上实现了450token/秒的推理速度，约是英伟达GPU推理速度的20倍。Token指AI处理文本的最小单元或基本元素，如一个单词、一个字符等。

Cerebras公司解释说，这一卓越表现得益于其创新的AI芯片设计方案。其晶圆级引擎（WSE）宛如一座庞大的“计算工厂”，最大特点是尺寸惊人——单个芯片几乎占据了一整块晶圆的面积。在这个超大芯片上，计算单元和内存单元高度集成，形成一个密集的网格结构。这样的设计，让数据能在极短距离内，于计算单元和存储单元之间传输，从根本上降低了数据移动成本，解决了GPU推理无法避免的内存带宽瓶颈。此类大芯片能更快处理信息，从而在更短时间内给出答案。

早在去年2月，Groq公司就发布了自己的AI推理芯片GroqCloud。它在Llama 3.1 70B模型上实现了250token/秒的推理服务，速度比GPU几乎提升了一个量级。

去年11月19日，硅谷初创公司d-Matrix宣布，其首款AI推理芯片Corsair已开始出货，旨在提供聊天机器人和视频生成等服务。Corsair在单服务器环境下，能让Llama3 8B模型实现60000token/秒的处理能力，且每个token的延迟仅为1毫秒，充分彰显了其在高速处理大规模数据方面的卓越性能。更值得一提的是，与GPU及其他方案相比，Corsair能在提供同等性能的同时，大幅降低能耗和成本。

应用开发走上新赛道

亚马逊、谷歌、元宇宙平台、微软等科技公司纷纷斥巨资，抢购昂贵的GPU，以期在AI开发赛道拔得头筹。与此同时，AI推理芯片制造商则将目光瞄准了更广泛的客户群体，希望能在这片新蓝海中大显身手。

这些潜在客户不乏那些渴望利用新兴的生成式AI技术，却又不想大费周章自建AI基础设施的财富500强企业。而且，购买AI推理芯片比从英伟达等公司购买GPU便宜。AI推理芯片旨在优化推理计算的速度与效率，尤其擅长智能建议、语音识别、自然语言处理等领域。

业内专家称，一旦推理速度提升至每秒数千token，AI模型将能在眨眼之间完成复杂问题的思考与回答过程。这不仅能让现有应用的交互效率实现质的飞跃，还将带来一系列令人耳目一新的人机交互场景。例如，在语音对话领域，延时将被压缩至毫秒级，能实现近乎自然的对话体验；在虚拟现实/增强现实领域，AI将能实时生成和调整虚拟环境、角色对话以及交互逻辑，给用户带来个性化、沉浸式体验。（来源：科技日报）