AI芯片混战，谁能挑战英伟达？(14)_：AI芯片混战

给一万名工程师一个大沙盒

现在，快到三年到2019年。再一次，竞争对手声称他们的芯片有10倍甚至100倍的性能优势，而这一切都还在开发中。英伟达仍拥有一万名工程师队伍，并与全球顶尖的研究人员和终端用户保持着技术合作关系。现在，他们都在为英伟达的下一代7nm芯片献技，在我看来，这基本上将使该公司的产品从“带AI的GPU芯片”转变为“带GPU的AI芯片”。

图1：英伟达的DGX-2超级计算机用连接在NVSwitch上的16 V100 GPU提供了2 peta-ops的AI性能。

英伟达工程师需要为公司的下一代产品添加多少额外的逻辑区域？虽然下面的分析很简单，但它可以有效地构建对这个关键问题的答案。

让我们从第一款貌似具有出色性能的ASIC开始，即谷歌TPU。我看到分析说每个谷歌TPU芯片大约是2-2.5B个晶体管。Volta V100在12nm制造工艺中拥有大约21B晶体管。它是台积电可以制造的最大芯片。随着英伟达从12nm迁移到7nm，芯片可以包含大约1.96（1.4x1.4）倍的晶体管。因此，从理论上讲，如果英伟达不添加任何图形逻辑（当然不太可能），它将会有另外200亿个晶体管可以使用，大约是整个Google TPU逻辑量的十倍。假设我的逻辑部分占去2倍。在这种情况下，英伟达工程师仍然有5倍的逻辑可用于新AI功能。现在，所有这一切都假设英伟达将全力追求性能，而不去降低成本或电力。不过，在训练市场上，这正是用户所需要的：缩短训练时间。关于英伟达可能提供什么，有很多想法，包括处理器内存和更多版本的tensorcore。