新智元報(bào)道
編輯：潤(rùn) 好困
【新智元導(dǎo)讀】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(dá)3400萬(wàn)美元，并計(jì)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(dá)到H100的10倍，而單價(jià)吞吐量更是高達(dá)140倍。
像Pika一樣的神級(jí)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(zhuān)用于大語(yǔ)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(dá)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(jī)構(gòu)的536萬(wàn)美元的種子輪投資。
公司估值更是高達(dá)3400萬(wàn)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(dá)H100提升了8-10倍！
他們將第一款LLM加速芯片命名為「Sohu」，號(hào)稱(chēng)可以在毫秒級(jí)別的時(shí)間里處理數(shù)千個(gè)單詞。
芯片還支持通過(guò)樹(shù)搜索更好地編碼，能夠并行比較數(shù)百個(gè)響應(yīng)。
還支持多重推測(cè)解碼（Multicast speculative decoding），可以實(shí)時(shí)生成新的內(nèi)容。
根據(jù)官方公布的具體細(xì)節(jié)，這款芯片只有一個(gè)核心，但是配備了144GB的HBM3e顯存：
- 完全開(kāi)源的軟件棧，可擴(kuò)展至100T參數(shù)型號(hào)
- 支持波束搜索（Beam search）和MCTS解碼
- 支持MoE和Transformer的各種變體
兩個(gè)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(jì)劃從哈佛休學(xué)一年，在一家芯片公司找到了一份負(fù)責(zé)ApacheTVM開(kāi)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(jì)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(gè)問(wèn)題時(shí)，發(fā)現(xiàn)可以利用這個(gè)思路來(lái)設(shè)計(jì)一款針對(duì)當(dāng)下爆火的AI加速芯片。
在創(chuàng)始人之一的Uberti看來(lái)，通用設(shè)計(jì)無(wú)法獲得他們正在研發(fā)的專(zhuān)有加速芯片所能帶來(lái)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(duì)更具體的任務(wù)來(lái)設(shè)計(jì)芯片......我們認(rèn)為英偉達(dá)最終會(huì)這么做。」
在他們兩人看來(lái)，這個(gè)市場(chǎng)機(jī)會(huì)太大了，一定不能錯(cuò)過(guò)。
「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(gè)區(qū)別——大小和激活函數(shù)。訓(xùn)練方式存在差異，但這對(duì)于推理來(lái)說(shuō)并不重要?！?/p>
Transformer的基本組件是固定的，雖然存在細(xì)微差別，但他們并不擔(dān)心短期之內(nèi)就會(huì)出現(xiàn)新的構(gòu)架代替Transformer。
所以他們決定做一個(gè)Transformer構(gòu)架的專(zhuān)用集成電路（ASIC），在未來(lái)和英偉達(dá)等一系列芯片巨頭在大模型推理市場(chǎng)中競(jìng)爭(zhēng)。
他們認(rèn)為，Etched.ai推出的第一款芯片，相比于H100，單位價(jià)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(gè)本科還沒(méi)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(jìn)入哈佛之后，就一直在校外兼職，在2022年底，成立了Etched.ai。
在進(jìn)入大學(xué)之前，他參與了美國(guó)最著名的青少年科技創(chuàng)新大賽FIRST Tech Challenge，團(tuán)隊(duì)獲得了Top 10獎(jiǎng)項(xiàng)。團(tuán)隊(duì)開(kāi)發(fā)的自動(dòng)駕駛軟件排在600個(gè)參賽團(tuán)隊(duì)第二名。
另一位創(chuàng)始人Chris Zhu，也是在哈佛就讀時(shí)就在校外瘋狂實(shí)習(xí)，甚至還沒(méi)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(dá)和AMD這邊，最近打得更是熱火朝天，甚至連官方都直接下場(chǎng)寫(xiě)博客硬剛。
就在前段時(shí)間，AMD高調(diào)發(fā)布了自家最強(qiáng)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(duì)于AMD來(lái)說(shuō)，這種直接對(duì)標(biāo)，實(shí)屬罕見(jiàn)。
對(duì)此，英偉達(dá)很快就發(fā)表了一篇博客文章，駁斥AMD的評(píng)測(cè)不客觀。
英偉達(dá)表示，如果H100 GPU使用了優(yōu)化過(guò)的軟件進(jìn)行正確的基準(zhǔn)測(cè)試，它的性能將大大超過(guò)MI300X。
作為回應(yīng)，英偉達(dá)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(shí)，H100的性能達(dá)到了MI300X的2倍。
甚至，當(dāng)采用與AMD相同的2.5秒延遲時(shí)，H100的性能可以達(dá)到MI300X的14倍之多。
英偉達(dá)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(fèi)獲取。
AMD毫不示弱
見(jiàn)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(qiáng)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(lái)說(shuō)：
1. 在同樣采用vLLM FP16的設(shè)置時(shí)，相比于發(fā)布會(huì)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(shì)擴(kuò)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(shí)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(duì)延遲方面，表現(xiàn)更好。
AMD指出，英偉達(dá)在H100上進(jìn)行基準(zhǔn)測(cè)試時(shí)使用的是自家專(zhuān)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(dá)只關(guān)注吞吐量的性能，卻忽視了實(shí)際工作中的延遲問(wèn)題。
最后，AMD表示，之所以選擇使用FP16，是因?yàn)樗浅Ａ餍校夷壳皏LLM還不支持FP8。
GPU大戰(zhàn)進(jìn)入白熱化
在人工智能加速器領(lǐng)域，一些公司擁有針對(duì)特定工作負(fù)載的專(zhuān)門(mén)架構(gòu)。
數(shù)據(jù)中心的專(zhuān)用架構(gòu)主要集中在DLRM（深度學(xué)習(xí)推薦模型），因?yàn)镚PU很難加速這類(lèi)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(duì)于Transformer構(gòu)架的加速，英偉達(dá)是通過(guò)在H100 GPU中部署Transformer Engine的軟件功能來(lái)實(shí)現(xiàn)的。
Transformer Engine使得LLM推理無(wú)需進(jìn)一步量化即可進(jìn)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(gè)設(shè)計(jì)，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(qián)，更重要的是迄今為止，所有人都認(rèn)為現(xiàn)在LLM推理的成本過(guò)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(duì)于大模型推理市場(chǎng)同樣抱有很高的期待。
蘇媽在各種場(chǎng)合不斷表示，未來(lái)大模型推理市場(chǎng)的規(guī)模將遠(yuǎn)遠(yuǎn)大于模型訓(xùn)練市場(chǎng)。所以AMD也一直在強(qiáng)調(diào)自己的產(chǎn)品已經(jīng)對(duì)這個(gè)市場(chǎng)做好了充分地準(zhǔn)備。
從英偉達(dá)和AMD首次公開(kāi)對(duì)比自家產(chǎn)品的性能這件事來(lái)看，GPU領(lǐng)域的競(jìng)爭(zhēng)顯然正在加劇。
目前，英偉達(dá)除了要面對(duì)AMD的挑戰(zhàn)之外，還需要考慮英特爾和Cerebras取得的快速進(jìn)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(jì)算能力提升2倍，顯存容量提升50%達(dá)到144GB，并且采用的是HBM3或HBM3e。
同樣，英偉達(dá)也計(jì)劃在明年初推出GH200超級(jí)芯片。
鑒于競(jìng)爭(zhēng)如此激烈，AMD可能會(huì)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(cè)，到2027年，GPU市場(chǎng)規(guī)模將達(dá)到驚人的4000億美元，這無(wú)疑為激烈的競(jìng)爭(zhēng)提供了廣闊的舞臺(tái)。
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(dá)，到明年，我們將構(gòu)建高達(dá)36 exaflops的AI算力?！?/p>
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/
