販売禁止の影で、国産GPGPUがその穴を埋めることはできるのか？

今年初め、ChatGPTはAIアプリケーションの開発を刺激する火花のようなもので、AI業界は開発の急速な道に入りました。国内のAI産業は当然このチャンスを捉えて飛躍し、わずか半年で国内に100近くのAI大型モデル製品が登場し、「百機種戦争」の競争環境に突入した。

大規模モデルのトレーニングには計算能力が必要です。世界中の AI 企業は NVIDIA チップに非常に熱心ですが、GPU は不足しています。最近のニュースによると、NVIDIA H100 は在庫切れです。今注文しても、2024 年の第 1 四半期または第 2 四半期まで使用を待たなければなりません。噂によると、百度、バイトダンス、アリババ、テンセントなどの大手テクノロジー企業も、NVIDIAに総額50億ドル相当のA800やその他のチップを発注したという。

ただ、一部の人々が中国における大規模な AI モデルの開発を妨害しようとしているだけです。ウォールストリート・ジャーナルは、中国がNVIDIAなどの人工知能チップを「兵器開発やハッカー攻撃に」利用する懸念から、米政府がコンピューティングチップ分野での制裁強化と、NVIDIAのA800およびH800チップの中国への輸出制限を検討していると報じた。一時期、急速に発展する中国のAI産業は再び販売禁止の影に覆われていた。

代替不可能なGPGPUアーキテクチャチップ

米国が度々国産のコンピューティングチップを制限していることから、米国が中国のAI産業の発展を警戒していることがわかる。近年、デジタル経済の活発な発展に伴い、中国はコンピューティングインフラの構築促進において前向きな成果を上げています。工業情報化部の統計によると、わが国の総合コンピューティング能力は現在世界第2位であり、年間成長率約30％を維持しており、新たに追加されたコンピューティング能力施設の半分以上をインテリジェントコンピューティング能力が占めています。その中でも、AIコンピューティングチップは、コンピューティングパワーの担い手として、当然極めて重要です。

現在、世界の AI コンピューティング チップは、主に GPGPU、ASIC、FPGA の 3 つのアーキテクチャに分かれています。制限付きの A800 および H800 チップは GPGPU アーキテクチャ チップです。 GPGPUアーキテクチャはAIアクセラレーションチップ市場でも主流であり、市場シェアの90％を占めています。

GPGPU は GPU から進化したもので、GPU からグラフィックス処理機能を削除し、並列コンピューティング機能を改善したものです。 GPGPU はどのようにして AI コンピューティングに最適なチップになったのでしょうか?

CPU と GPU を比較すると、構造の違いによって CPU と GPU の機能の違いが決まります。 CPU は強力な制御機能とストレージ機能を備えているため、比較的複雑な計算を実行できますが、同時に実行できるスレッドは少数に限られます。 GPU はその逆です。多数のコンピューティング ユニットを備えているため、マルチスレッド タスクを同時に実行できますが、各タスクは比較的単純です。

たとえば、CPU が高度な数学を理解し、確率や微積分ができる大学生だったとしても、四則演算を含む 10,000 個の数学の問題を解くにはかなりの時間がかかります。GPU は、四則演算しか知らない 10,000 人の小学生のようなものです。関数や代数などの高度な知識はありませんが、四則演算を含む 10,000 個の数学の問題を 2 秒で解くことができます。

AIニューラルアルゴリズムが成熟した後、業界ではGPUの機能特性がAIトレーニングに非常に適していることが発見されました。これは、ディープラーニングモデルにおいて最も重要な演算は行列演算と畳み込みであり、これらの演算は基本的に単純な加算と乗算に分解できるためです。これにより、AI 分野で GPU の新たな応用領域が開拓されました。 2007 年、NVIDIA は汎用 GPU アーキテクチャである GPGPU を提案し、もともとグラフィックス処理専用だった GPU を AI コンピューティングに適した GPGPU へと変革しました。

実際、AI コンピューティング チップには、GPGPU アーキテクチャに加えて、ASIC、FPGA などのアーキテクチャもあります。 ASIC チップと FPGA チップは、特定のコンピューティング シナリオのニーズを満たすカスタマイズされた製品であり、あまり汎用的ではありません。

GPGPUの研究開発は難しく、国内の欠点に対処する必要がある

アメリカが輸出を制限し、国内の大型機種にGPUやGPGPUが緊急に必要とされている時期に、実際にGPGPUを作れる国内メーカーは非常に少ない。 GPGPU チップの開発の難易度は、他の種類の AI チップよりもはるかに高いためです。

業界関係者は、GPGPU チップチームには約 1,000 人の人材が必要で、チップ 1 個を作るのに少なくとも 2 年かかると分析していますが、これは推論チップにすぎません。大規模なモデルをトレーニングしてプッシュできる大規模なチップを作ろうとすると、チップを作るのに少なくとも 3 年はかかります。つまり、国内メーカーが今年のビッグモデルトレンドに追いつきたいのであれば、少なくとも2020年から研究開発とデザインの計画を始める必要があるということだ。

GPGPU が開発された後、そのパフォーマンスの上限と下限は、アーキテクチャ設計の品質と製造プロセスの進歩だけでなく、ソフトウェア エコシステムのサポートと、アフターセールス チームが大規模なモデル条件に基づいて製品を最適化する能力によっても決まります。

NVIDIA が AI チップの分野で優位に立てている理由は、GPGPU アーキテクチャと組み合わせた CUDA ソフトウェア プラットフォームを開発し、開発者が C のような言語を使用して GPU 並列コンピューティング コードを記述できるようにし、GPU コンピューティングの最適化に役立つ多数のライブラリ関数とツールを提供しているからです。 NVIDIA は 10 年以上にわたって CUDA を運用しており、ソフトウェア エコシステムこそが NVIDIA の真の強みです。

NVIDIA の先行者利益に直面して、国産 AI チップは大規模 AI モデルがもたらす GPGPU の絶好の機会をいかにつかむことができるでしょうか?

国内GPGPUからダークホースが数名登場

現在、国内の主要AIチップメーカーとしては、Huawei、Cambrian、Haiguang Information、Suiyuan、BiRen、Tianshu Zhixinなどが挙げられますが、このほかにもLoongsonも計画を立てています。その中でも、GPGPU チップに注力している企業としては、Haiguang、BiRen Technology、Loongson などがあります。

HaiguangのGPGPUアーキテクチャチップDeepin-1の開発は2018年に始まり、昨年リリースされました。 Haiguang Deepin One は優れた性能を備えていることがわかっています。NVIDIA A100 や AMD MI100 と比較すると、典型的なアプリケーション シナリオでは、Deepin One の指標が世界中の同様のハイエンド製品のレベルに達していることがわかります。 Deepin-1 の最大の特徴は、あらゆる計算精度をサポートしており、国内の GPGPU の中でもユニークな点です。エコロジーの面では、Hygon Deep Computing No. 1 は CUDA のような環境と互換性があるため、AI 開発者は複雑な適応なしに Hygon プラットフォームに移行できます。

このように、販売禁止の影の下で、Haiguang GPGPU 製品は外国製チップの最良の代替品として機能することができます。海光氏によると、今年現在、GPGPU製品は数十万個規模で大量生産・商品化されており、応用分野はインターネット、エネルギーなどの業界に及んでいる。

BiRen Technologyは2019年に設立され、2022年に初のGPGPUチップであるBR100シリーズをリリースしました。その性能はNVIDIA A100を上回りました。今年の目標は量産して市場に投入することです。しかし業界関係者は、国内の新興GPGPU企業にとって、ソフトウェアエコシステムの方が重要だと考えている。国内のスタートアップ企業は特定の分野で一定の成果を上げているものの、現実世界の大規模モデルのトレーニングに応用できるものはほとんどありません。

Loongsonはまだ製品をリリースしていません。現在の進捗状況は、関連IPの設計を完了し、検証と最適化のプロセスにあります。自社開発のGPGPUコアを統合した最初のSOCチップは、2024年第1四半期にテープアウトされる予定です。テープアウトから量産まで、最速6～12か月で計算すると、LoongsonのGPGPU製品は少なくとも2024年第3四半期まではリリースされず、量産は2025年になると予想されます。

一般的に、国産GPGPUにとって最も重要なのは、0から1への第一歩を踏み出すことです。販売禁止危機にはチャンスが潜んでいる。後発でも国内の大きな消費者市場の支えがあれば、NVIDIAに追いつくことは可能だろう。