高端GPU芯片拉警报，国产算力芯片能力如何？

电子发烧友网报道（文/李弯弯）近日，英伟达高端GPU对中国供应受到限制的消息，引起热议。8月31日，英伟达发布公告称，美国通知公司向中国出口A100和H100芯片将需要新的许可证要求，同时DGX或任何其他包含A100或H100芯片的产品，以及未来性能高于A100的芯片都将受到新规管制。

9月1日，英伟达方面又表示已经获得出口许可。尽管如此，美国这番操作必然引起国内相关企业的警惕，接下来中国的互联网、云服务厂商可能会积极自研芯片，或者更多采用国内企业提供的算力芯片，然而目前国内的算力芯片能力如何呢？

A100和H100出口限制，对中国有何影响

英伟达是全球GPU领域的绝对龙头，A100是其2020年推出的数据中心级云端加速芯片，拥有540亿晶体管，采用台积电7nm工艺制程，支持FP16、FP32和FP64浮点运算，为人工智能、数据分析和HPC数据中心等提供算力。

相比于上一代V100，A100在AI训练和推理、HPC上性能都有很大的改进。据英伟达在今年8月透露，特斯拉采用了7000块A100芯片升级了其用来训练自动驾驶系统的超算中心。

 

H100是英伟达今年3月发布的最新一代数据中心GPU，集成800亿晶体管，采用台积电定制的4nm工艺，预计在今年下半年正式发货，英伟达CEO黄仁勋此前表示，这款GPU具有超强的计算能力，20个H100 GPU便可承托相当于全球互联网的流量。相比于A100，H100在FP16、FP32和FP64计算上比A100快三倍，非常适用于当下流行且训练难度高的大模型。

如果A100和H100芯片出口受到限制，对中国有何影响？目前国内高端场景基本采用英伟达的A100，包括OEM厂商浪潮、联想等，云服务公司阿里、腾讯、百度等，对于即将量产的H100，国内主流厂商也已经预定，如阿里云、百度云和腾讯云等，而且目前国内没有能够与其相对标的硬件产品，如果限制，这些厂商在一些高端的应用上将无法买到可替代产品。

不过有行业分析师表示，如果出口限制，确实只是对一些高端厂商的应用有影响，而在更普遍的应用场景中，英伟达的产品并不在限制的范围，而且国内也有可替代的产品。

国产算力芯片如何突围

从长远来看，加速算力芯片的发展是必然的，那么国内算力芯片的能力怎样，如何突围呢？目前服务器加速，主要采用的是GPU芯片，占比接近90%，另外则是ASIC、FPGA等。

GPGPU芯片广泛用于商业计算和大数据处理，如天气预报、工业设计、基因工程、药物发现、金融工程等，在人工智能领域，使用GPGPU在云端运行模型训练算法，可以显著缩短海量训练数据的训练时长，减少能源消耗，从而进一步降低人工智能的应用成本。

不同应用领域，对芯片计算能力及运算精度要求也有所不同，比如用于商业计算和大数据处理（CAE仿真、物理化学、石油勘探、生命科学、气象环境等），需要双精度浮点、单精度浮点、32位整型运算；人工智能（模型训练、应用推理），要求混合精度浮点、半精度浮点、16位整型、8位整型运算。

近几年国内不少企业在这方面取得进展，包括海光信息、壁仞科技、燧原科技、摩尔线程等。

海光信息成立于2014年，不久前在科创板上市，海光信息的产品包括通用处理器（CPU）和协处理器（DCU），海光DCU属于GPGPU的一种。

海光DCU 8000系列，典型功耗260-350W，支持INT4、INT8、FP16、FP32、FP64运算精度，支持4个HBM2内存通道，最高内存带宽为1TB/s、最大内存容量为32GB。海光DCU协处理器全面兼容ROCm GPU计算生态，由于ROCm和CUDA在生态、编程环境等方面具有高度的相似性，CUDA用户可以以较低代价快速迁移至ROCm平台。

可以看到，海光DCU是国内唯一支持FP64双精度浮点运算的产品，英伟达的A100、H100都支持FP64，从这一点来看，海光DCU在这方面是比较领先的。

壁仞科技今年8月发布的首款通用GPU BR100，集成770亿晶体管，支持FP16半精度浮点运算，在这方面相比英伟达、海光DCU较弱，不过据该公司介绍，BR100的16位浮点算力能达到1000T以上，8位定点算力达到2000T以上，超过英伟达的A100。

另外燧原科技此前发布的第二代人工智能训练产品邃思2.0，支持从FP32、TF32、FP16、BF16 到INT8运算，单精度FP32峰值算力40 TFLOPS，单精度张量TF32峰值算力160 TFLOPS。

天数智芯的BI芯片，集成240亿晶体管，采用7纳米先进制程，支持FP32、FP16、BF16、INT8等多精度数据混合训练，单芯算力每秒147T@FP16。

另外值得关注的还有，寒武纪2021年11月发布的第三代云端AI芯片思元370，相比于上一代芯片，思元370全面加强了FP16、BF16以及FP32的浮点算力，在全新MLUarch03架构和7nm先进工艺加持下，8位定点算力最高为256TOPS。

对比来看，目前国内厂商的芯片水平，相比于英伟达的A100和H100是存在差距的。不过在国内市场需求和美国出口限制的背景下，这些芯片厂商具有足够的技术和经验积累，去实现进一步的突破。

那么国内的芯片厂商需要如何突围呢？难度肯定是大的，燧原科技创始人赵立东在日前世界人工智能大会的论坛上谈到，国际巨头用几代人、数十年的时间投入积攒下的技术实力，我们想靠两代和几十名工程师就超越，是不可能的。

要缩短差距，除了资金、人力等的高密集投入外，也需要有更快的更迭，还有就是架构创新，赵立东认为，唯有架构实现原始创新，才能真正拥抱开放生态，使产业得到健康发展。

另外与国外芯片执着于先进的制程，国内不少厂商开始通过更先进的封装工艺、异构芯片等来寻求突破。比如寒武纪思元370采用chiplet技术，在一颗芯片中封装2颗AI计算芯粒（MLU-Die），每一个 MLU-Die 具备独立的AI计算单元、内存、IO以及 MLU-Fabric控制和接口，通过MLU-Fabric保证两个MLU-Die间的高速通讯，可以通过不同MLU-Die组合规格多样化的产品，为用户提供适用不同场景的高性价比AI芯片，壁仞科技今年8月发布的GPU BR100GPU芯片也采用了Chiplet技术。

小结

整体而言，美国限制英伟达高端GPU芯片A100和H100的出口，短期来看对中国的影响不是很大，反而对于国内算力芯片的发展或许具有促进作用。

从目前国内芯片厂商的产品来看，与英伟达A100和H100存在差距，不过也有海光信息、壁仞科技等在某些方面已经取得突破的企业，未来想要超越仍然存在困难，然而却让人相信一点点取得突破是有可能的。