ChatGPT的爆火在全球范圍內引發了一場AI“狂飆”，不僅讓全球點燃了百模大戰，也將算力芯片推到了戰火最前線。

研究表明，每提高1%的算力，國家的數字經濟和GDP分別將增長3.5‰和1.8‰。如此重要的戰略地位，讓算力之爭已經不再是簡單的商業、技術問題，已然上升至國家競爭的關鍵因素。

然而，全球90%以上的算力芯片被英偉達壟斷，英偉達也被公認為全球AI淘金時代最大“賣鏟人”。一方面，在供求失衡之際國外芯片“一卡難求”，價格暴漲；另一方面，美國接連祭出禁令限制高端AI芯片出口，英偉達為符合規定不斷閹割性能，前不久英偉達更是宣布禁止用轉譯層在其他平臺上跑其的CUDA軟件。

更大范圍、更具深遠戰略意義的AI芯片之爭，顯然將決定未來幾十年的科技實力版圖。在國際高端AI芯片面臨被“逼退”之際，為立足于國家安全及自主可控，國產AI芯片無疑成為最佳替代選擇。尤其是近年來在地緣政治影響下，我國本土AI芯片產業已取得一定發展成效，部分產品甚至可對標國際企業同類產品。盡管在算力、生態等層面還需要持續迭代，但產業鏈合力讓國產芯片不斷試錯、提升我國在AI時代的競爭力已勢在必行。

大模型加速賦能國產AI芯片迎來新窗口期

如果說2023年是AI大模型市場的百“模”爭鳴，那么2024年則將成為國產大模型全面商業落地的元年，進入賦能千行百業的關鍵期。無數老將新貴正在加速擴展和落地應用場景，讓AI大模型的能力從云端轉化成為各種毛細血管的生產力，強力輻射至各行各業以及新業態的高質量發展。

隨著國產模型性能的全面升級，先進的大模型能力也逐漸轉化為落地實際場景的產品應用，強大的生成能力和涌現能力，帶動大模型在辦公、教育、醫療、工業制造等眾多垂直行業的持續落地，AI2B與AI2C的需求天花板有望全面打開。

深入千行百業后，大模型所要具備的能力變得更加具象化和復雜化，需要全棧的技術支撐，而算力芯片是大模型的“燃料”。隨著AI大模型的持續發展，對于算力的需求不斷擴大。數據顯示，2023年全球AI加速計算市場規模將達450億美元。預計到2027年，全球數據中心AI加速芯片市場規模將達到4000億美元。此外，為構筑自立自強的數字技術創新體系，國產AI芯片的自主可控需求凸顯。在多重因素交織作用下，我國AI芯片行業發展迎來重要的戰略性窗口和突破性的發展機遇。

我國也制定了一系列扶持政策，鼓勵AI芯片行業發展與創新。國務院國資委日前召開“AI賦能產業煥新”中央企業人工智能專題推進會中提出，開展AI+專項行動，打造從基礎設施、算法工具、智能平臺到解決方案的大模型賦能產業生態。前不久發布的政府工作報告也指出，要加強前瞻布局，加快提升算力水平，大力開展“人工智能+”行動，更好賦能千行百業，為加快培育和發展新質生產力注入澎湃動能。

國產AI芯片從可用到好用，誰能出鞘？

隨著AI熱潮持續升溫，越來越多的廠商頻頻發力，不僅有亞馬遜、微軟、華為、百度、阿里等下游客戶推動自研芯片開發，國內AI芯片也百花齊放，華為、摩爾線程、寒武紀、壁仞、天數智芯等也在各施奇招，爭奪登上前往AI時代的一張新船票，為算力之爭增添新動能。

大模型的升級迭代推動應用遍地開花之際，國產AI芯片廠商也迎來了更廣闊的“試驗田”。眾所周知，國產芯片與英偉達等國際巨頭相比，還在一個逐步成熟的階段。如果說英偉達、英特爾和AMD等巨頭之爭是生態之爭，那國產芯片的競爭就是性能之爭。

而隨著大模型發展如火如荼，訓練算力需求有望擴張到原來的10倍至100倍，集群成為一大考驗。國內AI芯片通過集群方式，能夠實現算力的疊加，彌補性能上的差距，這種創新策略為國內在AI領域的技術發展提供了新的思路。

目前而言，國產AI芯片也大體呈現了三個梯隊的格局。以產品性能、量產規模、擁有集群能力且已有場景落地等要素來考量，華為、海光、寒武紀、摩爾線程等公司可歸為國產AI芯片的頭部梯隊。第二梯隊則如壁仞、天數智芯、沐曦等，產品尚未規模落地。而一些起步不久的初創類芯片廠商，由于還在驗證或量產階段，產品仍在打磨階段。

以華為為例，華為在去年發布了全新達芬奇架構的昇騰AI計算集群——Atlas900 SuperCluster，據了解該AI集群支持超萬億參數的大模型訓練，采用全新的智算交換機以及超節點架構。在軟件生態層面，華為推出了openEuler開源OS以及配套的數據庫、中間件，涵蓋從硬件、架構、框架、應用、開發運維工具等全產業鏈條，成為國產AI芯片的一支生力軍。華為董事、ICT產品與解決方案總裁楊超斌在華為中國合作伙伴大會2024上表示，鯤鵬、昇騰逐步成為數智化轉型升級的首選算力，昇思成為成長最快的開源AI框架。

如果說華為是國產AI專用芯片的代表，摩爾線程作為GPU芯片頭部創企，則是有望在功能上對標英偉達，成為大模型國產算力當下最佳選擇。

摩爾線程去年發布第三代芯片“曲院”，以自研MUSA架構為核心，劍指大模型訓練，已經布局了從硬件集群、集群管理調度平臺到大模型服務等軟硬一體的全棧集群解決方案，具備了千卡甚至萬卡的集群能力，在集群落地方面上走在行業前列。摩爾線程率先推出了首個全國產千卡千億模型訓練平臺——摩爾線程夸娥智算集群，可以為大模型訓練提供穩定、高效、高兼容的算力支撐。摩爾線程創始人、CEO張建中表示，摩爾線程致力于以全功能GPU推動“人工智能+”戰略實施，通過自主研發的芯片、顯卡及集群解決方案，賦能各行業智能化轉型。目前，摩爾線程多款產品在大模型、數字孿生、物理仿真、元宇宙等場景中發揮算力基石作用，助推金融、教育、電力、農業、能源等重點行業的數字化轉型。

國產AI芯片，需要在包容中提升

在國產AI芯片面臨難得的窗口期之際，加速應用部署落地成為重中之重的考驗，要看到的是，促進場景落地不僅依賴硬件能力，還需要構建與硬件匹配的軟件生態。生態的構建仍然是國產AI芯片繞不開的關卡。

當下，我國AI芯片公司在設計能力上在逐步縮小與海外巨頭的差距，在生態層面，或走與成熟生態兼容的路線，或走自建生態之路，主旨均是為了促進場景快速落地。但無論是借力使力，還是自主搭臺，與國外巨頭相比仍需要“長跑”。

在AI芯片+生態的全面較量中，有效算力其實是最重要的因素，而生態在釋放有效算力中發揮至關重要的作用。中國工程院院士、清華大學計算機科學與技術系教授鄭緯民在公開演講中指出，AI大模型升級的核心硬件是芯片，目前國內自研AI芯片起步較晚，但可通過生態建設實現彎道超車。

他進一步指出，如果算力生態做得非常好，即使國產芯片的硬件性能只有國外性能的60%及以上，業界也會采用。但如果算力生態沒做好，新型軟件跑不起來、軟件移植不順暢，即便硬件性能達到國外的120%，照樣難以轉變為有效算力。因而，相較于芯片本身的硬件性能提升，通過營造生態，提升國產AI芯片的“包容力”更加急迫。

但整體而言，國內AI芯片廠商由于生態建設還在構建和發展之中，國產芯片在大模型訓練相關軟件移植方面表現仍待加強，因此需要進一步加強底層研發，做好包括編程框架、并行加速、通信庫在內的軟件研發工作。

此外，還需要上下游合力攻關，讓更多的智算中心、AI服務器中采用國產AI芯片，讓AI芯片在真實場景中去淬煉，在應用過程中不斷優化和提升也將是提升國產AI芯片競爭力的不二之選。可喜的是，國內在這方面已開始強力推進。今年2月，國務院國資委召開中央企業人工智能專題推進會，10家中央企業簽訂倡議書，這對于國產AI芯片來說無疑是重要的機遇。當央企開放場景，國產AI芯片才有了訓練場。

以AI為代表的數字化變革大幕已然拉開，國內大模型的持續升級也推動著生成式AI技術獲得廣泛應用，國產AI芯片面臨難得的機遇窗口期，通過從硬件性能到軟件生態的持續打造和夯實，以及上下游的通力協作，全面開花、落地生根也指日可待。