AI芯片的战役正愈演愈烈。

　　7月11日，英特尔面向中国市场推出了AI芯片Habana Gaudi 2，Gaudi 2直接对标英伟达GPU的100系列，欲争夺AI算力市场的宝座。

　　众所周知，目前GPU资源紧缺，英伟达的100系列在国内禁售，而百模大战之下算力的需求还在飙升。对于中国市场而言，当前急需AI芯片“解渴”，对于英特尔而言，眼下正值算力紧缺的窗口期，也是进攻的绝佳时机。

　　英特尔也强调，Gaudi 2芯片是专为训练大语言模型而构建，采用7纳米制程，有24个张量处理器核心。事实上，去年英特尔就已经在海外发布了Gaudi 2，此次在中国推出的是“中国特供版”。

　　由于各国的出口管制限制，外界首要关心的是AI芯片在中国市场的供应可持续性。对此，英特尔公司执行副总裁、数据中心与人工智能事业部总经理Sandra Rivera在接受21世纪经济报道记者采访时做出了肯定的回答。

　　Sandra Rivera说道：“这张卡也是中国定制版的产品，对于出口或者是支持中国的客户是没有任何问题的。英特尔肯定是合法合规地在中国继续支持我们的客户，不管是Gaudi 2或者是未来的Gaudi 3，我们一定是在合法合规的情况下做出一些中国定制的产品，以满足中国的客户的需求。”

　　同时，芯片的性能并没有打折，她表示：“在网络速度上，（中国版）和国际版相比，是从24个网口变成21个网口，但是整体性能还是基本一致的。”

　　随着大模型的日新月异，英特尔在近几个月内围绕着Gaudi2继续进行优化。

　　Sandra Rivera介绍道，在性能上，根据机器学习与人工智能开放产业联盟MLCommons在6月底公布的AI性能基准测试MLPerf Training 3.0结果显示，Gaudi 2是除了英伟达产品外，唯一能把MLPerf GPT 3.0模型跑起来的芯片。

　　在发布会现场，英特尔也直接将Gaudi2和英伟达的A100进行比较，其野心可见一斑。根据英特尔公布的数据，从计算机视觉模型训练到1760亿参数的BLOOMZ推理，Gaudi 2每瓦性能约A100的2倍，模型训练和部署的功耗降低约一半。

　　同时，英特尔高管还介绍道，目前相比A100，Gaudi 2价格更有竞争力，且性能更高。接下来到9月，采用FP8软件的Gaudi 2预计能够提供比H100更高的性价比。

　　整体而言，除了芯片，在此次发布会上，英特尔展示了一系列支持大模型的算力解决体系，接下来具体的落地应用和产品迭代状况也受到关注。

　　一方面，目前在中国市场上，英特尔已经和浪潮信息、新华三、超聚变等国内主要的服务器厂商合作，其中，浪潮信息的NF5698G7是专为面向生成式AI市场的新款AI服务器，支持8颗OAM高速互联的Gaudi2加速器，而在终端客户方面，Sandra Rivera表示：“中国市场对人工智能解决方案的需求非常强劲，我们正在与几乎所有传统客户洽谈。我们的云服务提供商、通信服务提供商都是企业客户，因此对人工智能解决方案有着强烈的需求。”

　　另一方面，在产品路线上，英特尔近年一直强调XPU，即多样化、多组合的异构计算。在AI相关的产品线上，既有集成AI加速器的CPU处理器、有GPU产品，以及Habana Gaudi系列代表的ASIC类型AI芯片。

　　Habana Labs成立于2016年，主要研发方向为人工智能、深度学习计算等，创业初期就得到了英特尔的投资，而后在2019年12月以20亿美元被其正式收购。

　　对于GPU和AI芯片的组合，Sandra Rivera透露：“Gaudi是一个人工智能加速的专属产品，在英特尔产品里，如果是针对大模型这个工作负载，它是性能最佳、最优的一个产品。明年我们还会有下一代产品Gaudi 3发布。在2025年的时候，我们会把Gaudi的AI芯片跟GPU路线图合二为一，推出一个更整合的GPU的产品。”

　　大模型的火热还在持续拉动AI芯片的需求。

　　Sandra Rivera告诉21世纪经济报道记者：“在4月份回顾一季度的情况时，我们看到了各种人工智能带来的芯片需求，包括Gaudi在内，需求至少翻了两倍以上。”

　　TrendForce集邦咨询向21世纪经济报道记者提供的数据显示，目前主要由搭载NVIDIA A100、H100、AMD MI300，以及大型CSP业者如Google、AWS等自主研发ASIC的AI服务器成长需求较为强劲，2023年AI服务器出货量（包含搭载GPU、FPGA、ASIC等）出货量预估近120万台，年增率近38%，AI芯片出货量同步看涨，可望成长突破五成。

　　芯片厂商们也在AI领域开足马力。英伟达不必多言，当前不论是100系列还是800系列，都十分紧缺，在AI芯片市场上占据先发优势；在6月中旬，AMD推出了新一代AI芯片、数据中心CPU以及DPU，其中AI芯片Instinct MI 300X，直接对标英伟达H100；此外，谷歌、亚马逊、百度等大厂也都在自研AI芯片，在算力市场上的竞争维度更加丰富。

　　而除了硬件之外，软件也同样关键。比如，目前大部分AI芯片都绕不开英伟达的CUDA平台，CUDA建立了一套软硬件间的开发标准。如何从CUDA迁移、如何建立自己的优势生态都是挑战者的重要课题。

　　对于软件生态的竞争，Sandra Rivera表示：“软件开发或者是开发者生态，其实是英特尔多年的一个强项，在整个数据中心领域的软件生态中，一个是x86的软件生态，另外一个是CUDA。而且我们注意到，随着越来越多的公司希望使用人工智能，软件生态系统也正在加速挖掘更多硬件潜能，以大幅提高生产力。”

　　她进一步谈道：“英特尔希望能在多种语言环境中，能够提供更简便的应用。通过软件、库和工具提供一种模块化的方法，来优化并加速跨多种架构的异构负载。当然在人工智能或者是AI运算的时候，确实很多人在用CUDA，但是大部分开发者不会做那么底层的开发，他们是在一个比较高的框架，比如说在PyTorch、TensorFlow上面去创新。”

　　Habana Labs首席运营官Eitan Medina进一步向21世纪经济报道记者指出：“在Gaudi2之前，我们已经有一代产品，在软件上也做了好几年的积累，底层的软件库都已经开发好了，我们希望让开发者能够在最上层的20%的比例能够做他的开发，这里的开发和CUDA并没有那么直接的关联。”

　　Gaudi系列作为英特尔AI的一艘旗舰，外界也拭目以待Gaudi 2在实际应用中的性能表现、算力实力。从硬件迭代到软件生态，AI芯片的竞争故事还将继续。