最近，兩位哈佛輟學(xué)生共同創(chuàng)立的AI芯片公司，估值已達3400萬美元，并計劃明年交付一款名為「Sohu」的AI推理加速芯片其LLM推理性能達到H100的10倍，而單價吞吐量更是高達140倍。
像Pika一樣的神級創(chuàng)業(yè)故事又要再次上演了？
兩位哈佛退學(xué)的年輕人，想要制造一款專用于大語言模型加速的AI加速器芯片，將于2024年第三季度交付，推理性能達H100的10倍。
在今年6月份，兩位創(chuàng)始人Gavin Uberti和Chris Zhu創(chuàng)立了Etched.ai，獲得了包括Ebay前CEO Devin Wenig在內(nèi)一眾風(fēng)投機構(gòu)的536萬美元的種子輪投資。
公司估值更是高達3400萬美元！
根據(jù)公司官網(wǎng)上放出的數(shù)據(jù)，這款芯片將在硬件層面上集成Transformer構(gòu)架，將推理速度相比于英偉達H100提升了8-10倍！
他們將第一款LLM加速芯片命名為「Sohu」，號稱可以在毫秒級別的時間里處理數(shù)千個單詞。
芯片還支持通過樹搜索更好地編碼，能夠并行比較數(shù)百個響應(yīng)。
還支持多重推測解碼（Multicast speculative decoding），可以實時生成新的內(nèi)容。
根據(jù)官方公布的具體細節(jié)，這款芯片只有一個核心，但是配備了144GB的HBM3e顯存：
1
完全開源的軟件棧，可擴展至100T參數(shù)型號
2
支持波束搜索（Beam search）和MCTS解碼
3
支持MoE和Transformer的各種變體
兩個哈佛輟學(xué)本科生挑戰(zhàn)芯片行業(yè)最頂尖業(yè)務(wù)
兩人原本計劃從哈佛休學(xué)一年，在一家芯片公司找到了一份負責(zé)ApacheTVM開源編譯器和微內(nèi)核的工作。
但在工作中，他們發(fā)現(xiàn)Arm的指令集中的一些低效設(shè)計使得他們的工作效率很差。
當(dāng)他們思考如何系統(tǒng)性地解決這個問題時，發(fā)現(xiàn)可以利用這個思路來設(shè)計一款針對當(dāng)下爆火的AI加速芯片。
在創(chuàng)始人之一的Uberti看來，通用設(shè)計無法獲得他們正在研發(fā)的專有加速芯片所能帶來的那種性能提升：
「必須在單一架構(gòu)上下大力氣，讓芯片處理AI任務(wù)，目標(biāo)太大了，必須要針對更具體的任務(wù)來設(shè)計芯片......我們認為英偉達最終會這么做�！�
在他們兩人看來，這個市場機會太大了，一定不能錯過。
「如果你回顧四年前的GPT-2，與Meta最近的 Llama模型相比，只有兩個區(qū)別大小和激活函數(shù)。訓(xùn)練方式存在差異，但這對于推理來說并不重要�！�
Transformer的基本組件是固定的，雖然存在細微差別，但他們并不擔(dān)心短期之內(nèi)就會出現(xiàn)新的構(gòu)架代替Transformer。
所以他們決定做一個Transformer構(gòu)架的專用集成電路（ASIC），在未來和英偉達等一系列芯片巨頭在大模型推理市場中競爭。
他們認為，Etched.ai推出的第一款芯片，相比于H100，單位價格內(nèi)將獲得140倍的吞吐量性能！
二到底是什么樣的背景，能讓兩個本科還沒有畢業(yè)的學(xué)生，敢于挑戰(zhàn)芯片業(yè)目前最炙手可熱的賽道呢？
創(chuàng)始人兼公司CEO Gavin Uberti自從2020進入哈佛之后，就一直在校外兼職，在2022年底，成立了Etched.ai。
在進入大學(xué)之前，他參與了美國最著名的青少年科技創(chuàng)新大賽FIRST Tech Challenge，團隊獲得了Top 10獎項。團隊開發(fā)的自動駕駛軟件排在600個參賽團隊第二名。
另一位創(chuàng)始人Chris Zhu，也是在哈佛就讀時就在校外瘋狂實習(xí)，甚至還沒有從哈佛畢業(yè)，就已經(jīng)成為兼職教員。
AMD MI300X決戰(zhàn)NVIDIA H100
而英偉達和AMD這邊，最近打得更是熱火朝天，甚至連官方都直接下場寫博客硬剛。
就在前段時間，AMD高調(diào)發(fā)布了自家最強的AI芯片MI300X。
PPT顯示，由8塊MI300X組成的服務(wù)器在大模型推理方面的表現(xiàn)，要比同樣規(guī)模的H100速度最高提升1.6倍之多。
對于AMD來說，這種直接對標(biāo)，實屬罕見。
對此，英偉達很快就發(fā)表了一篇博客文章，駁斥AMD的評測不客觀。
英偉達表示，如果H100 GPU使用了優(yōu)化過的軟件進行正確的基準測試，它的性能將大大超過MI300X。
作為回應(yīng)，英偉達展示了采用TensorRT-LLM優(yōu)化設(shè)置后，兩款GPU在Llama 2 70B上的比較結(jié)果。
文章地址：https://developer.nvidia.com/blog/achieving-top-inference-performance-with-the-nvidia-h100-tensor-core-gpu-and-nvidia-tensorrt-llm/
可以看到，當(dāng)批處理大小設(shè)置為1時，H100的性能達到了MI300X的2倍。
甚至，當(dāng)采用與AMD相同的2.5秒延遲時，H100的性能可以達到MI300X的14倍之多。
英偉達表示，AMD采用的替代軟件不支持Hopper的Transformer Engine，并且忽略了TensorRT-LLM中的關(guān)鍵優(yōu)化功能。而這些都可以在GitHub上免費獲齲
AMD毫不示弱
見狀，AMD也發(fā)文表示，既然要用優(yōu)化，那就大家都用。
而即便是在這種情況下，MI300X的性能依然比H100強了30%。
文章地址：https://community.amd.com/t5/instinct-accelerators/competitive-performance-claims-and-industry-leading-inference/ba-p/652304
具體來說：
1. 在同樣采用vLLM FP16的設(shè)置時，相比于發(fā)布會上展示的1.4倍性能，AMD最新的優(yōu)化已經(jīng)讓這一優(yōu)勢擴大到了2.1倍。
2. 與使用TensorRT-LLM優(yōu)化的H100相比，使用vLLM的MI300X實現(xiàn)了1.3倍的延遲改善。
3. 相比于采用低精度FP8和TensorRT-LLM的H100，使用vLLM和高精度FP16的MI300X在絕對延遲方面，表現(xiàn)更好。
AMD指出，英偉達在H100上進行基準測試時使用的是自家專有的技術(shù)TensorRT-LLM，而非更廣泛使用的vLLM。
此外，在延遲方面，英偉達只關(guān)注吞吐量的性能，卻忽視了實際工作中的延遲問題。
最后，AMD表示，之所以選擇使用FP16，是因為它非常流行，而且目前vLLM還不支持FP8。
GPU大戰(zhàn)進入白熱化
在人工智能加速器領(lǐng)域，一些公司擁有針對特定工作負載的專門架構(gòu)。
數(shù)據(jù)中心的專用架構(gòu)主要集中在DLRM（深度學(xué)習(xí)推薦模型），因為GPU很難加速這類任務(wù)。
Meta最近宣布已經(jīng)構(gòu)建了自己的DLRM推理芯片，并且已經(jīng)得到廣泛部署。
而對于Transformer構(gòu)架的加速，英偉達是通過在H100 GPU中部署Transformer Engine的軟件功能來實現(xiàn)的。
Transformer Engine使得LLM推理無需進一步量化即可進行，大大加速了GPU推理LLM的效果。
而Etched.ai要做的就是更近一步，在硬件層面完成這個設(shè)計，從而使得LLM的推理速度和能效都更上一層樓。
而投資人之所以愿意給兩位本科輟學(xué)生投入如此之大的一筆錢，更重要的是迄今為止，所有人都認為現(xiàn)在LLM推理的成本過高，其中一定有創(chuàng)新的空間。
除了這樣的明星初創(chuàng)公司以外，傳統(tǒng)巨頭對于大模型推理市場同樣抱有很高的期待。
蘇媽在各種場合不斷表示，未來大模型推理市場的規(guī)模將遠遠大于模型訓(xùn)練市常所以AMD也一直在強調(diào)自己的產(chǎn)品已經(jīng)對這個市場做好了充分地準備。
從英偉達和AMD首次公開對比自家產(chǎn)品的性能這件事來看，GPU領(lǐng)域的競爭顯然正在加劇。
目前，英偉達除了要面對AMD的挑戰(zhàn)之外，還需要考慮英特爾和Cerebras取得的快速進展。
就在12月14日，首席執(zhí)行官Pat Gelsinger展示了英特爾最新的AI芯片采用5nm工藝制程，性能提升了1.5倍的Gaudi 3。
相比于上一代Gaudi 2，Gaudi 3的BFloat16性能提升了4倍，計算能力提升2倍，顯存容量提升50%達到144GB，并且采用的是HBM3或HBM3e。
同樣，英偉達也計劃在明年初推出GH200超級芯片。
鑒于競爭如此激烈，AMD可能會被諸如微軟、Meta和甲骨文這些已經(jīng)宣布將其技術(shù)集成到數(shù)據(jù)中心的公司，視為備選方案。
Gelsinger預(yù)測，到2027年，GPU市場規(guī)模將達到驚人的4000億美元，這無疑為激烈的競爭提供了廣闊的舞臺。
Cerebras Systems的CEO Andrew Feldman更是毫不遮掩自己的野心：「我們正在努力超越英偉達，到明年，我們將構(gòu)建高達36 exaflops的AI算力�！�
參考資料：
https://www.etched.ai/
https://analyticsindiamag.com/gpu-battle-nvidia-vs-amd/
https://www.eetimes.com/harvard-dropouts-raise-5-million-for-llm-accelerator/
