文 | aiAR研究媛
賣鏟子相比蜂擁去淘金，永遠是更好的選擇。
在大模型風(fēng)靡全球、蘊含極大商業(yè)價值的今天，「先進鏟子」之間的競賽，正趨向白熱化。
大模型時代的掘金鏟子：AI計算加速芯片
如今的AI計算加速芯片眼花繚亂。GPU、NPU、TPU、VPU，新概念層出不窮，手機 SoC、PC 處理器、車端智駕和座艙芯片、高性能 AI 計算大規(guī)模服務(wù)器集群，AI 計算加速幾乎無處不在。
然而萬變不離其宗，按計算的通用性，AI 計算大概可以分為 CPU、GPU、FPGA、和 ASIC（NPU/TPU），按使用場景，可以分為訓(xùn)練芯片、云端推理芯片和邊緣側(cè)的推理芯片。我們知道 CPU 遵循傳統(tǒng)的存儲-控制-運算的馮·諾依曼架構(gòu)，核心是存儲程序/數(shù)據(jù)，串行順序執(zhí)行。
CPU 的架構(gòu)需要大量的空間去放置高速緩存單元和控制單元，現(xiàn)代 CPU 在分支預(yù)測和亂序執(zhí)行上的要求更高，不斷新增的長指令集更進一步強化了復(fù)雜的邏輯控制單元，相比之下 CPU 計算單元只占據(jù)了很小的一部分。大規(guī)模并行計算方面，CPU 天然的效率很低，更適合處理復(fù)雜的邏輯控制和通用計算。
與 CPU 相比，GPU 80% 以上的晶體管面積都是計算核心，即 GPU 擁有非常多的用于數(shù)據(jù)并行處理的計算單元，可以高效運行物理計算、比特幣挖礦算法等。GPU 還可以為兩種，一種是主要搞圖形渲染的，我們熟悉的 GPU（游戲）顯卡；另一種是主要搞計算的，叫做 GPGPU，也叫通用計算圖形處理器（科學(xué)計算），A100、H100 就是代表。GPGPU 芯片去掉了針對圖形渲染的專用加速硬件單元，但保留了 SIMT（單指令多線程）架構(gòu)和通用計算單元，計算的通用性更強，可以適用于多種算法，在很多前沿科學(xué)計算領(lǐng)域，GPGPU 是最佳選擇。
FPGA 是一種半定制芯片，作為靈活可編程的硬件平臺，同時具有較高的計算性能和可定制性，芯片硬件模塊、電路設(shè)計更為靈活，但缺點是專用 AI 計算的效能比 ASIC 差一些。
ASIC 是一種為專門目的而設(shè)計的芯片（全定制），根據(jù)特定算法定制的芯片架構(gòu)，算力強大，但專業(yè)性強縮減了其通用性，算法一旦改變，計算能力會大幅下降，需要重新定制。我們知道的 NPU、TPU 就是這種架構(gòu)，都屬于 ASIC 定制芯片。
CPU、GPU、NPU 架構(gòu)區(qū)別如下圖，CPU 最為均衡，可以處理多種類型的任務(wù)，各種組件比例適中；GPU 則減少了控制邏輯的存在但大量增加了 ALU 計算單元，提供給我們以高計算并行度；而 NPU 則是擁有大量 AI Core，這可以讓我們高效完成針對性的 AI 計算任務(wù)。
GPU 相比 CPU 有更多的并行計算核心
ASIC 思想下的 AI 芯片作為一種專用處理器，通過在硬件層面優(yōu)化深度學(xué)習(xí)算法所需的大矩陣乘法、張量運算、卷積運算等關(guān)鍵運算，可以顯著加速 AI 應(yīng)用的執(zhí)行速度，降低功耗。與在通用 CPU 上用軟件模擬這些運算相比，AI 芯片能帶來數(shù)量級的性能提升。因此，AI 芯片已成為如今大模型訓(xùn)練和推理的關(guān)鍵載體。
AI 專用處理器的發(fā)展最早可以追溯到 2015 年。2015 年 6 月，谷歌 I/O 開發(fā)者大會上推出第一代神經(jīng)網(wǎng)絡(luò)計算專用芯片 TPU，專門用于加速 TensorFlow 框架下的機器學(xué)習(xí)任務(wù)。區(qū)別于 GPU，谷歌 TPU 是一種 ASIC 芯片方案，一般來說 ASIC 芯片開發(fā)時間長、研發(fā)成本高，服務(wù)于專用計算，實現(xiàn)的下游任務(wù)較為固定和狹窄。此后，谷歌又陸續(xù)推出了多個 TPU 系列產(chǎn)品，不斷優(yōu)化其架構(gòu)和性能。
終端推理側(cè)的AI芯片：AI Phone的關(guān)鍵能力
盡管 AI 芯片的種類、實現(xiàn)的任務(wù)和部署形態(tài)多樣且復(fù)雜，但其功能最終可以歸結(jié)為兩種：訓(xùn)練和推理。
在訓(xùn)練階段，AI 芯片需要支持大規(guī)模的數(shù)據(jù)處理和復(fù)雜的模型訓(xùn)練。這需要芯片具有強大的并行計算能力、高帶寬的存儲器訪問以及靈活的數(shù)據(jù)傳輸能力。NVIDIA 最新的 H100 GPU、華為昇騰 Ascend NPU、谷歌 TPU 等專門為 AI 訓(xùn)練設(shè)計的芯片，擁有超強的計算能力、超大顯存和極高的帶寬，能夠處理海量數(shù)據(jù)，特別適合訓(xùn)練類似 GPT 等大語言模型。
在推理階段，AI 芯片需要在功耗、成本和實時性等方面進行優(yōu)化，以滿足不同應(yīng)用場景的需求。云端推理通常對性能和吞吐量要求較高，因此需要使用高性能的 AI 芯片，邊緣和端側(cè)推理對功耗和成本更加敏感，因此需要使用低功耗、低成本的 AI 芯片，如專門為桌面、移動和嵌入式設(shè)備設(shè)計的 NPU等。
英特爾最新的酷睿 Ultra 旗艦處理器，基于 x86 平臺的異構(gòu)AI計算，集成的 GPU 和 NPU 性能越來越高。高通和 MediaTek 最新的高端移動處理器，針對不同任務(wù)的 AI 計算加速，整個 SoC 微架構(gòu)上，NPU 的重要性也越來越突出。
相較于訓(xùn)練芯片在云端成為某種“基礎(chǔ)設(shè)施”，端側(cè)的推理芯片則站在了 AI 應(yīng)用的前沿。將訓(xùn)練好的模型為現(xiàn)實世界提供智能服務(wù)，特別是目前已經(jīng)成為“個人信息Hub”的手機終端，某種意義上已經(jīng)成為了普通人新生長出來的器官，當(dāng)大模型與手機融合，不依賴網(wǎng)絡(luò)和云端算力就能讓手機具備大模型能力，AI Phone 的商業(yè)想象力巨大。
高通 VS MediaTek ，最新的移動旗艦芯片
大模型推理正在向手機、PC、智能汽車等終端滲透。但是，在終端部署 AI 大模型時，仍面臨著多模態(tài)模型壓縮、存儲與計算瓶頸、數(shù)據(jù)傳輸帶寬限制、模型 always-on 設(shè)備功耗和發(fā)熱、軟硬件聯(lián)合調(diào)優(yōu)等多重挑戰(zhàn)。特別是在手機端，芯片必須在保證高性能的同時，盡量降低功耗，這要求芯片設(shè)計在硬件架構(gòu)和算法加速技術(shù)上進行優(yōu)化，以提高計算效率并減少能源消耗。
以高通最新的驍龍旗艦芯片為例，“為了實現(xiàn)更快的 AI 推理性能，高通提升了所有（AI計算）加速器內(nèi)核的吞吐量，還為標(biāo)量和向量加速器增加了更多內(nèi)核，滿足增長的生成式AI運算需求，尤其是面向大語言模型(LLM)和大視覺模型(LVM)用例，以在處理過程中支持更長的上下文。至于大眾關(guān)心的能耗，高通這次將每瓦特性能提高 45%。終端更加高效，不需要大量消耗電池續(xù)航?！?/p>
根據(jù)高通的官方描述：高通最新的旗艦移動芯片，驍龍 8 至尊版首次采用了一系列領(lǐng)先技術(shù)，包括第二代定制的高通 Oryon CPU、全新切片架構(gòu)的高通 Adreno GPU 和增強的高通Hexagon NPU，能夠為用戶帶來終端體驗的全面革新。作為高通迄今為止最快的CPU，Oryon CPU 擁有 2 個主頻高達 4.32GHz 的超級內(nèi)核和 6 個主頻 3.53GHz 的性能內(nèi)核。其單核性能和多核性能相比前代均提升了 45%，瀏覽器性能提升了 62%，可為大量的多任務(wù)處理、飛速網(wǎng)頁瀏覽和疾速游戲響應(yīng)體驗提供強大的性能和能效支持。同時，驍龍8至尊版還支持高達 10.7Gbps 速率的 LPDDR5X 內(nèi)存，為用戶帶來更為豐富的終端側(cè) AI 使用體驗。
基于全新的高通 Hexagon NPU，驍龍 8 至尊版首次支持終端側(cè)個性化多模態(tài) AI 助手，能夠賦能規(guī)模更大且更加復(fù)雜的多模態(tài)生成式 AI 用例在終端側(cè)高效運行。在處理器上，高通 Hexagon NPU 增加了額外內(nèi)核，擁有 6 核向量處理器和 8 核標(biāo)量處理器，能夠進一步滿足生成式 AI 運算不斷增長的需求。
得益于在軟件上的不斷優(yōu)化、Hexagon NPU 新增的處理器核心以及多模態(tài)模型，驍龍 8 至尊版能實現(xiàn)更快的 AI 處理速度。其 AI 性能提升了 45%，每瓦特性能提升 45%，并支持 70+ tokens/sec 的輸入，用戶可以上傳更大的文檔、音頻和圖像，讓手機在處理復(fù)雜任務(wù)時能夠更加游刃有余。
有了全新 Hexagon NPU 的支持，無論是在拍照時的智能識別與優(yōu)化，還是游戲中的實時渲染與計算，驍龍 8 至尊版都能為用戶提供強大的 AI 引擎支持，幫助用戶能夠隨時隨地開啟靈感世界，創(chuàng)造無限可能。在影像處理能力上，通過 AI-ISP 和 Hexagon NPU 的深度融合，驍龍 8 至尊版可帶來突破性的拍攝體驗，讓用戶在拍照時得到更多的AI加持，其支持 4.3GP/s 像素處理能力，數(shù)據(jù)吞吐量相比上代提升了 33%，能夠支持三個 4800 萬像素圖像傳感器同時進行 30fps 視頻拍攝。
驍龍 8 至尊版支持無限語義分割功能，可以對圖像進行超過 250 層語義識別和分割，針對性優(yōu)化圖像中的每個細(xì)節(jié)。在無限語義分割基礎(chǔ)上，驍龍 8 至尊版的實時皮膚和天空算法可以利用 Hexagon NPU 來識別光線條件并進行修圖，即使在光線條件不足的情況下，也能拍出具有自然效果的皮膚和天空色調(diào)。
基于Hexagon NPU，驍龍8至尊版還支持實時 AI 補光技術(shù)，讓用戶即使在近乎黑暗的環(huán)境下，也能生動記錄 4K 60fps 的視頻。在視頻通話或者直播時遇到背光情況，實時 AI 補光技術(shù)仿佛增加了一個虛擬的可移動光源，讓用戶時刻都能展現(xiàn)自己美好的一面。在強大算力的支持下，驍龍 8 至尊版還支持視頻魔法擦除功能，用戶可以直接在視頻中選擇需要擦除的對象將其消除，而無需將視頻上傳到云端。
此外，驍龍 8 至尊版還擁有 AI 寵物拍攝套件，能夠清晰記錄萌寵們“放飛自我”的調(diào)皮時刻，無論是快速奔跑還是嬉戲打鬧，都能被精準(zhǔn)捕捉。
在高通發(fā)布驍龍 8 之前，多年蟬聯(lián)手機移動芯片市場份額第一的 MediaTek，也在最新的天璣 9400 旗艦芯集成 MediaTek 第八代 AI 處理器 NPU 890，在其支持下，天璣 9400 支持時域張量（Temporal Tensor）硬件加速技術(shù)、端側(cè)高畫質(zhì)視頻生成技術(shù)，賦能端側(cè)運行 Stable Diffusion 的性能提升了 2 倍，不僅能夠?qū)崿F(xiàn)高分辨率生圖，更支持端側(cè)動圖和視頻生成，實現(xiàn)更多新玩法。
為了強化端側(cè)模型的數(shù)據(jù)安全和個人隱私作用，MediaTek 天璣 9400 支持端側(cè) LoRA 訓(xùn)練，不用傳資料上云，每位用戶在端側(cè)就可以安心享受實時的個性化訓(xùn)練與生成，還可用個人照片創(chuàng)建各種畫風(fēng)的數(shù)字形象，并更換各種姿勢和背景，讓隱私更安全。
AI Phone算力芯片的關(guān)鍵指標(biāo)：Prefill階段首Token延遲，以及Decoding階段Token生成速率
無論云端模型還是端側(cè)大模型，本質(zhì)是“一堆參數(shù)”。手機終端執(zhí)行大模型推理的過程：用戶輸入文本（提示詞，也即常說的 Prompt)編碼轉(zhuǎn)化為向量，內(nèi)存加載參數(shù)，激活參數(shù)執(zhí)行 AI 計算，輸出向量解碼。
接下來是 Decoding 階段，這個階段是一個自回歸的過程，每次生成一個 token。具體來說，它會將上一時刻的輸出 token 作為當(dāng)前時刻的輸入，然后計算下一時刻的 token。如果用戶的輸出數(shù)據(jù)很長，這個階段就會運行很多次。Decoding 階段的 Token 吞吐率，即常說的推理速度 XXToken/sec。
如何評價不同品牌的AI Phone 的大模型運行性能的優(yōu)劣？運行同樣參數(shù)尺寸（比如3B)的端側(cè)模型，模型的“知識密度”相同的情況下，Prefill 階段的首 Token 延遲，以及 Decoding 階段 Token 生成速率是兩個最直觀的指標(biāo)，它直接反饋一款A(yù)I Phone運行大模型是否流暢，用戶體驗感知最明顯。當(dāng)然 AI Phone 運行模型時的內(nèi)存占用壓縮，量化精度損失，AI Phone 運行的多模態(tài)模型和文本基座模型本身的性能和功能，模型層的優(yōu)劣影響也是決定性的。一個高效壓縮、功能全面、性能強悍、跨算力平臺兼容性好的端側(cè)模型，還沒有公認(rèn)的最強者。
目前，AI Phone 算力芯片支持的推理框架，適配優(yōu)化支持的模型種類和數(shù)量，正在肉眼可見的增長和繁榮。端側(cè)模型運行在不同終端，針對不同 ASIC 芯片 NPU 的兼容，進行 AI 計算硬件加速和調(diào)度優(yōu)化的空間還非常大，這是一個涉及終端廠商、芯片廠商、模型廠商三方的生態(tài)構(gòu)建。誰能提前布局，不辭辛勞更多做幕后看不到的“有用功”，大模型時代它一定獲得市場的“加速”。
熱門跟貼