GPU大廠輝達（NVIDIA）在AI浪潮下獨領風騷，國際電機電子工程學會（IEEE）旗下雜誌《IEEE Spectrum》近期的一篇報導，盤點能和輝達一較高下的IC設計大廠、AI晶片新創，它們各自有哪些強項？有可能搶到輝達的生意嗎？
IC設計大廠｜軟體、硬體各擅勝場
輝達挑戰者1：超微
- 優勢：GPU為輝達的有力替代品
- 劣勢：軟體生態系難和輝達的CUDA相比
《IEEE Spectrum》指出，超微（AMD）的GPU銷售和市佔雖難以和輝達匹敵，但在硬體仍有不俗成績。
超微擁有廣泛的GPU產品組合，從筆記型電腦到資料中心的GPU皆有，並且也是高頻寬記憶體（HBM）的早期支持者和採用者。超微的MI300X獲得微軟、Meta、戴爾（Dell）等企業採用，並且預計在今年第4季推出的MI325X，將成輝達H100的競爭對手。
然而， 軟體是超微較大的弱項 ，例如GPU開發平台ROCm的普及度，便不如輝達的CUDA。但超微也努力補上軟體生態系的不足，近期陸續宣佈收購芬蘭AI新創Silo AI、伺服器供應商ZT Systems；並將過去針對消費市場的RDNA架構，與資料中心用的CDNA架構整合為「UDNA」，更方便於開發 。
輝達挑戰者2：英特爾
- 優勢：Gaudi 3 AI加速器表現強勁
- 劣勢：下一代主要AI晶片2025年底才面世
儘管英特爾（Intel）沒有和輝達的CUDA、超微的ROCm相對應的開發平台，不過2018年所推出的OneAPI開發平台，涵蓋CPU、GPU和FPGA等硬體都可用其開發，軟體生態系甚為強大。
相對地， 硬體方面則是英特爾的弱點 。《IEEE Spectrum》提到，英特爾的Gaudi AI加速器是2019年收購AI新創Habana Labs的成果，最新的Gaudi 3更與輝達H100性能相當。然而，英特爾下一代AI晶片「Falcon Shores」的架構和性能尚不明確，並預計要到2025年底才會推出。
輝達挑戰者3：高通
- 優勢：擁有廣泛具備AI功能的晶片
- 劣勢：缺乏用於AI訓練的大型領先晶片
在通訊晶片之外，高通（Qualcomm）以許多安卓手機搭載的Snapdragon處理器聞名。《IEEE Spectrum》指出，和英特爾、超微等對手不同的是，高通更專注於 「AI推論」及「針對特定任務的能效優化」。
高通並積極拓展手機之外的版圖，例如針對筆電市場，今年高通與微軟合作推出第一波Copilot+ PC；在智慧車用領域，高通的「Snapdragon Ride」和輝達「Nvidia DRIVE」互別苗頭。
不過《IEEE Spectrum》也點出，高通在現階段為止，較缺乏用於AI訓練的大型領先晶片。
AI晶片新創｜專攻特定利基領域
輝達挑戰者4：Cerebras
- 優勢：晶圓級晶片提供強大性能、大量記憶體
- 劣勢：由於體積和成本，應用範圍較為狹窄
2015年成立於美國加州的Cerebras，專注於超級電腦的AI運算，2019年以超大型晶片「晶圓級引擎」（Wafer Scale Engine）震撼業界。
該款龐大的晶圓級晶片上有1.2兆個電晶體，最新一代Wafer Scale Engine 3更提升至4兆個。作為比較，輝達最大且最新的B200 GPU「只有」2080億個電晶體。
Cerebras的客戶，包括總部位於阿布達比的企業集團G42，以及美國國防部等。不過《IEEE Spectrum》認為，Cerebras的晶片在大多數情況下，難以挑戰輝達、超微、英特爾，因為它太大、成本太高且過於專業化，但在超級電腦領域有獨特的利基。
輝達挑戰者5：SambaNova
- 優勢：「可重新配置架構」有助提高AI模型效率
- 劣勢：硬體在大眾市場中的應用仍需驗證
2017年成立於美國加州的SambaNova，致力於AI訓練的晶片設計，採用與眾不同的「可重新配置的數據流架構」（reconfigurable dataflow architecture），促進大型神經網路數據的快速傳輸。
SambaNova的客戶包括軟銀（SoftBank）和亞德諾半導體（Analog Devices），不過能否廣泛推展至大眾市場中，尚有待應證。
輝達挑戰者6：Groq
- 優勢：出色的AI推論性能
- 劣勢：目前應用僅限於推論
2016年成立於美國加州的Groq，專注於將記憶體與運算資源緊密結合，以加快大型語言模型對提示（prompt）的反應速度。
《IEEE Spectrum》指出，Groq的晶片運用格羅方德（GlobalFoundries） 的14奈米技術所製造，落後於輝達H100的台積電5奈米技術，但優異的性能令人印象深刻。
參考資料：《IEEE Spectrum》、《Tom’s Hardware》
本文授權自數位時代，原文見此。
.jpg_1140x855.jpg_280x210.jpg)
