前幾天，英偉達成為首家市值達到2萬億美金的芯片公司，創(chuàng)造了歷史。同一時間，一家名為Groq的初創(chuàng)公司橫空出世，揚言“三年之內(nèi)趕超英偉達”。

Groq狠話的底氣，來源于它所開發(fā)的芯片——LPU。

LPU的全稱是Language Processing Unit，翻譯過來就是語言處理單元，是一種新型AI加速器。在它的支持下，大模型的推理速度快得驚人，瞬間能輸出長篇幅答案；而使用了英偉達芯片的GPT-4，只能一個字一個字往外蹦。

前者的響應(yīng)速度最高可達到500T/S，而后者只有40T/S[1]。

這是什么概念？相當于一秒鐘生成300個單詞，7分鐘生成一部《哈姆雷特》長度級的文章。

Groq背后的團隊也可謂群星璀璨，公司CEO Jonathan Ross是谷歌初代TPU的設(shè)計者之一。早期谷歌TPU團隊的10位成員中，8位都跳槽到了Groq。

自2016年成立，Groq就飽受市場關(guān)注。2020年，Groq的芯片被美國阿貢實驗室采用。2021年，Groq獲老虎環(huán)球基金等機構(gòu)投資，估值超過10億美元。

然而，Groq公司的各種“挑釁”，英偉達完全沒放在眼里。相比之下，此前“奧特曼7萬億美元造芯”的新聞出來之后，黃仁勛至少還出來說了兩句。

畢竟，眼下Groq的種種套路，老黃可再熟悉不過了。

文字游戲

當下，制約AI芯片發(fā)展的主要困境，是內(nèi)存墻：內(nèi)存的傳輸速度遠遠慢于處理器算力，導致性能遲遲上不去。

如果把芯片想象成一個餐廳，那么內(nèi)存就是倉庫，處理器就是后廚。

倉庫送菜比后廚烹飪還慢，嚴重限制了餐廳的出菜速度。因此，包括英偉達在內(nèi)的芯片廠商，都在圍繞“倉庫（內(nèi)存）”做文章。而Groq碾壓英偉達的秘訣，也藏在內(nèi)存結(jié)構(gòu)里。

傳統(tǒng)計算機所使用的內(nèi)存，其實有兩種：

DRAM容量較大，但傳輸速度較慢，起主存作用；而SRAM容量較小，但傳輸速度極快，作為緩存發(fā)揮輔助作用。一直以來，二者都是合作關(guān)系，缺一不可。

但Groq為了追求極致的速度，摒棄了DRAM，讓SRAM扛起了LPU主存大旗。

相當于砍掉距離廚房較遠的大倉庫，直接將所有食材都堆在廚房邊的菜籃子里。 這樣的設(shè)計思路下，LPU不但在速度上形成降維打擊，還輕松繞過了兩個成本最高的技術(shù)： HBM和先進封裝。

這也構(gòu)成了Groq另一個大吹特吹的宣傳核心：便宜。

根據(jù)Semi Analysis的拆解，LPU由于具備架構(gòu)優(yōu)勢，物料成本僅為1050美元。相比之下，去年全球瘋狂的H100芯片，物料成本則達到3700美元[2]。

在售價層面，一塊LPU的價格是20000美元，遠低于H100的35000美元。

但歷史無數(shù)次告訴我們，大部分彎道超車的結(jié)局都是有田下山，LPU也不例外。

大模型對內(nèi)存大小也有著很高的要求。參數(shù)量越大的模型，運行時所需要存儲的數(shù)據(jù)也會更多。

SRAM雖然快，但缺陷是容量小，通常只有4-16MB。Groq研發(fā)團隊多年苦心鉆研，最終也只是將LPU的容量提升至230MB。而一塊H100的內(nèi)存容量是80GB，兩者間差了約356倍。菜籃子再怎么升級換代，終究無法和倉庫相提并論。

想裝下所有的食材，唯一的辦法就是把菜籃子數(shù)量堆上去。因此，在運行同樣參數(shù)的模型時，需要用到的LPU數(shù)量就遠遠高于GPU。

前阿里技術(shù)副總裁賈揚清就算了一筆賬：

以運行LLaMA 70b模型為例，需要572張LPU，售價1144萬美元；但如果換成H100，其實只需要8張，總價格在30萬美元左右——所謂的“便宜”壓根不成立。

芯片一多，整體的功耗成本也直線上升。LPU每年至少消耗25.4萬美元電費，而H100頂多花費2.4萬美元。

事實證明，Groq的遙遙領(lǐng)先，只是隱去了核心信息的文字游戲。它所宣傳的“高速”，是以近乎夸張的使用成本換來的：運行三年LLaMA 70b模型，LPU的使用成本將比英偉達的GPU高出32倍。

當然，Groq的研發(fā)團隊，顯然對此心知肚明。選擇此時大張旗鼓，更像是一種拉投資的舉動。

事實上，這已經(jīng)不是Groq第一次公開“蹭熱度”了。

之前GPT Store剛發(fā)布時，Groq給OpenAI的奧特曼發(fā)了一封信，嘲笑使用GPTs跟在“深夜讀《戰(zhàn)爭與和平》一樣緩慢”。馬斯克的聊天機器人Grok發(fā)布時，它也跑去貼臉嘲諷，質(zhì)疑Grok抄襲了自己的名字。

過去幾年，打著“替代英偉達”旗號的初創(chuàng)公司數(shù)不勝數(shù)，Groq只不過是其中之一。目前，在超車英偉達的這條彎道，已經(jīng)出現(xiàn)了嚴重塞車。

前車之鑒

Groq最直觀的參考樣本，來自英國公司Graphcore。

Graphcore誕生之初，也曾拿著“技術(shù)路線別出心裁、演示視頻酷炫驚艷、性能數(shù)據(jù)秒殺同行”的劇本，拳頭產(chǎn)品IPU與Groq的LPU設(shè)計思路異曲同工，也是用高速的SRAM取代DRAM作為芯片內(nèi)存，以實現(xiàn)極致的傳輸性能。

同時，Graphcore調(diào)整了芯片架構(gòu)，專注于處理高性能計算。

它曾頗有自知之明地表示“不與英偉達直接競爭”，只將目標客戶定位在，特別需要大量高性能計算的化學材料和醫(yī)療等特殊領(lǐng)域。

Graphcore的兩位創(chuàng)始人

2019年，微軟成為Graphcore首款I(lǐng)PU的大客戶。 2020年5月，微軟科學家將IPU內(nèi)置于微軟Azure操作系統(tǒng)中，用于識別胸部X光片。 這位科學家說道：

“Graphcore芯片可以在30分鐘內(nèi)完成，GPU需要5個小時才能完成的工作。”

在最風光的2016至2020年間，Graphcore共拿到了7.1億美元融資，估值高達27.7億美元，一度被視為全英國乃至歐洲全村的希望。Graphcore的投資者不僅有微軟、三星、戴爾等科技巨頭，也囊括了紅杉資本、柏基投資等頂級風投。

相比今天的Groq，當年的Graphcore只能說有過之無不及。但Graphcore的后續(xù)發(fā)展卻遠遠不及當時的預期。

2022年，Graphcore全年營收只有270萬美元，為英偉達同期收入的萬分之一，且相較前一年下降46%，虧損達到了2億美元。 2023年，人工智能浪潮爆發(fā)，英偉達業(yè)績再度暴漲。 H100一卡難求之時，Graphcore以為自己至少能撿到英偉達的漏，結(jié)果卻連湯都沒喝著。

去年，Graphcore的創(chuàng)始人Nigel Toon向英國首相寫了篇“公開信”，討要補貼。

他寫道，“Graphcore已經(jīng)為英國預留了多達3000個IPU芯片，可以為整個國家提供服務(wù)”，幾乎已經(jīng)是明示要錢[4]。

不久前，一面業(yè)績虧損，一面融資無果的Graphcore走向了最后一條路： 尋求收購。 根據(jù)The Telegraph爆料，其售價可能在5億多美元——不到2020年最高估值時期的五分之一[5]。

當年，以Graphcore為首的挑戰(zhàn)者們，各懷絕學，來勢洶洶，頗有一種八大門派圍攻光明頂?shù)募纫暩小Ｈ欢缃穸嘁焉⒆鼬B獸狀。

去年3月，芯片公司Mythic一度因資金耗盡而瀕臨倒閉，快要淹死之際，才好不容易等到了救命韁繩，拿到了1300萬美元融資。

另一家芯片公司Blaize也出現(xiàn)了類似的困境，最后靠著中東土豪的投資，才活了下來。

剩下的公司中，Habana可能是唯一活得不錯的——它被英特爾以20億收購，保留了獨立運營的權(quán)利。

從Graphcore到Mythic，這些芯片公司的技術(shù)路線各不相同；然而，它們失敗的原因，卻出奇一致。事實上，今天大火的Groq，同樣也極有可能倒在同一個地方：

芯片賣不出去。

真正的護城河

英偉達的GPU固然厲害，但它賣芯片的套路，才是真正的護城河。

每年，英偉達都會投入相當一部分的研發(fā)經(jīng)費，圍繞GPU搭建系統(tǒng)性能力。當然，這是高情商的說法，低情商的說法是開發(fā)一起“捆綁銷售”的產(chǎn)品——這才是英偉達最堅實的城墻。目前，英偉達的城墻共有3層：

第一層城墻，是CUDA的編程生態(tài)。

眾所周知，GPU最初的使用場景是游戲與視頻圖像渲染。早期，一些華爾街精英偶爾利用GPU的并行計算能力來跑交易，但由于需要重新編寫大量代碼，因此并未廣泛傳播開來。

黃仁勛堅信GPU能用于更多領(lǐng)域，因此在2006年推出了降低編程門檻的軟件架構(gòu)CUDA，和自家GPU捆綁推出。

后來，蘋果和AMD都推出了類似平臺，但此時CUDA生態(tài)早已構(gòu)建，在“用得人越多，CUDA越好用，新開發(fā)者越傾向于選擇CUDA”的良性循環(huán)中穩(wěn)定前進。

如今，CUDA可以讓英偉達GPU的使用成本大幅降低。

一位私有云CEO曾在接受采訪時說過，理論上AMD卡也不是不能用，但要把這些卡調(diào)試到正常運轉(zhuǎn)，需要多耗費兩個月[6]——找誰下單，答案不言而喻。

2017年，英偉達甚至向AI研究員贈送了V100芯片

第二層城墻，是NV-Link的高速傳輸。

一個數(shù)據(jù)中心，不可能只使用一塊AI芯片。然而，如果將2塊AI芯片連在一起，那么實際算力必然會小于2，因為數(shù)據(jù)傳輸?shù)乃俣嚷谛酒懔Γ疫^程中還存在損耗。

顯然，在GPU數(shù)量迅速膨脹的數(shù)據(jù)中心內(nèi)，解決數(shù)據(jù)傳輸問題其關(guān)鍵。

2016年，英偉達為IBM服務(wù)器提供GPU時，首次用上了自研的NVLink技術(shù)，帶寬高達80G/s，通信速度提高了5倍，性能提升了14%，好評不斷。此后幾年，英偉達一邊迭代NVLink技術(shù)，一邊規(guī)定該技術(shù)必須綁定自家芯片使用。

套路雖然簡單直白，但就是有效。

而第三層城墻，則是英偉達的“鐵桿好兄弟聯(lián)盟”。

過去一年，英偉達是全球最主要的人工智能投資人之一，活躍程度甚至超過了a16z和紅杉等頂級投資機構(gòu)。

據(jù)外媒統(tǒng)計，英偉達去年至少有35筆人工智能投資，包括：由前DeepMind聯(lián)合創(chuàng)始人創(chuàng)辦的Inflection AI，歐洲人工智能獨角獸Mistral，世界最大的開源模型社區(qū)Hugging Face等等[7]。

Inflection AI創(chuàng)始人蘇萊曼

積極投資的目的，其實很簡單：當黃仁勛提著美金和H100芯片，敲開這些公司的大門，沒有人會再拒絕英偉達。

這所有的一切，足以讓市面上絕大多數(shù)公司，都綁死在英偉達的船上。

面對性能強大的英偉達GPU，各路初創(chuàng)公司們或許有辦法，打造出性能相匹敵的產(chǎn)品。然而。英偉達賣芯片的套路，卻讓這些公司始終難以招架。因此，Graphcore等挑戰(zhàn)者的失敗，真的不是不努力。

當眼下的炒作逐漸回歸寂靜，Groq也得思考相同的問題：到底誰會翻過三座大山，來買LPU？

尾聲

2月23日，英偉達市值突破2萬億美元。距離上一個1萬億，僅僅過了9個月。

Groq的爆火，讓市場又一次開始討論同一個問題：到底有沒有人能叫板英偉達？

遺憾的是，英偉達遠比人們想象的要強大。人工智能浪潮給芯片行業(yè)提供了一塊大蛋糕，英偉達并沒有分的意思，而是整個端走塞進了口袋。

芯片初創(chuàng)公司Mythic的CEO曾憤然表示，人工智能火了，他們卻更難融資了，就是英偉達“搞壞了大環(huán)境”。

根據(jù)PitchBook數(shù)據(jù)，截至2023年8月底，美國芯片初創(chuàng)企業(yè)融資8.814億美元，約為2022年同期的一半。交易數(shù)量的變化則更加觸目驚心：從23宗減少到了4宗[8]。

Graphcore、Mythic的前車之鑒歷歷在目，所以也不怪Groq跟大家玩兒文字游戲。面對這么一個“湯都不給喝”的龐然大物，Groq又能怎么辦呢？

參考資料

[1] Jay Scambler，X

[2] Groq Inference Tokenomics: Speed, But At What Cost，Semi Analysis

[3] 大模型最快推理芯片一夜易主：谷歌TPU創(chuàng)業(yè)團隊打造，量子位

[4] OPEN LETTER TO THE UK PRIME MINISTER ON INVESTMENT IN EXASCALE COMPUTE，Graphcore

[5] British AI champion explores foreign sale，The Telegraph

[6] Nvidia H100 GPUs: Supply and Demand，GPU Utils

[7] Nvidia emerges as leading investor in AI companies，F(xiàn)T

[8] Nvidia's dominance in AI chips deters funding for startups，reuters

封面圖片來自 shotdeck

編輯：陳彬

視覺設(shè)計：疏睿

責任編輯：陳彬