AI芯片之争正在升温。

7月11日，英特尔针对中国市场推出了AI芯片Habana Gaudi 2。 Gaudi 2直接与Nvidia 100系列GPU竞争，争夺AI算力市场的王座。

众所周知，目前GPU资源紧缺，英伟达100系列在国内被禁，百模大战下对算力的需求仍在飙升。 就中国市场而言，迫切需要AI芯片“解渴”。 对于英特尔来说，当前算力短缺的窗口期也是绝佳的出击时机。

英特尔还强调，Gaudi 2芯片是专门为训练大型语言模型而打造的，采用7纳米工艺，拥有24个张量处理器核心。 事实上，英特尔去年在海外发布了Gaudi 2，这次在国内推出了“中国特别版”。

由于各国出口管制限制，外界首要关注的是中国市场AI芯片供应的可持续性。 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桑德拉·里维拉在接受21世纪经济报道记者采访时给出了肯定的答案。

Sandra Rivera表示：“这款卡也是在中国定制的产品，出口或支持中国客户没有问题。英特尔必须继续合法合规地支持我们在中国的客户，无论是Gaudi 2还是Gaudi 2。”未来的高迪3，我们必须做一些符合法律法规的中国定制产品，满足中国客户的需求。”

与此同时，芯片的性能并没有打折扣。 她说：“在网速方面，与国际版相比，（中国版）从24个网口变成了21个网口，但整体性能基本相同。”

近几个月来，随着更大的型号日新月异，英特尔继续围绕 Gaudi2 进行优化。

Sandra Rivera表示，在性能方面，根据机器学习和人工智能开放产业联盟MLCommons在6月底发布的AI性能基准MLPerf Training 3.0的结果，Gaudi 2是唯一的除了 Nvidia 产品之外，还可以运行 MLPerf GPT 3.0 模型。 筹码。

发布会上，Intel还直接将Gaudi2与Nvidia的A100进行了对比，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1760亿个参数的BLOOMZ推理，Gaudi 2的每瓦性能约为A100的两倍，模型训练和部署的功耗降低了约一半。

同时，英特尔高管还介绍，与A100相比，Gaudi 2在价格上更具竞争力，性能也更高。 接下来的9月，搭载FP8软件的Gaudi 2预计将提供比H100更高的性价比。

总体而言，除了芯片之外，在本次发布会上，英特尔展示了一系列支持大型机型的算力解决方案系统，具体落地应用和产品迭代状况也将受到关注。

一方面，目前在中国市场，英特尔已与浪潮信息、H3C、超融合等国内主要服务器厂商合作。 其中，浪潮信息NF5698G7是专为生成式AI市场设计的全新AI服务器，支持8个OAM的高速互联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“我们的实力非常强大，而且我们正在和几乎所有传统客户进行谈判。我们的云服务提供商和通信服务提供商都是企业客户，因此对AI解决方案的需求非常强烈。”

另一方面，在产品路线上，Intel近年来一直在强调XPU，即多样化、多组合的异构计算。 在AI相关产品线中，既有集成AI加速器的CPU处理器、GPU产品，也有以Habana Gaudi系列为代表的ASIC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，创业初期获得英特尔投资，并于2019年12月正式被其以20亿美元收购。

对于GPU与AI芯片的结合，Sandra Rivera透露：“Gaudi是人工智能加速的专属产品。在Intel的产品中，如果针对大型模型的工作负载，它是性能最好的产品。明年我们还将发布下一代产品Gaudi 3。2025年，我们将Gaudi的AI芯片与GPU路线图结合起来，推出集成度更高的GPU产品。”

大机型的普及持续带动AI芯片的需求。

Sandra Rivera告诉21世纪经济报道记者：“在回顾4月份第一季度的情况时，我们看到包括高迪在内的各种人工智能带来的芯片需求，需求至少翻了一番。”

根据TrendForce向21世纪经济报道记者提供的数据，目前AI服务器主要搭载NVIDIA A100、H100、AMD MI300，大型CSP厂商如Google、AWS等自研ASIC增长较为强劲。要求。 服务器出货量（包括配备GPU、FPGA、ASIC等的服务器）预计接近120万台，年增长率接近38%。 AI芯片出货量也看涨，预计增长50%以上。

芯片厂商也在AI领域发力。 不用说，英伟达目前无论是100系列还是800系列都供不应求，在AI芯片市场拥有先发优势； 6月中旬，AMD推出了新一代AI芯片、数据中心CPU和DPU。 Instinct MI 300X直接与Nvidia H100竞争； 此外，谷歌、亚马逊、百度等各大厂商也在研发自己的AI芯片，算力市场的竞争维度更加丰富。

除了硬件之外，软件也同样重要。 例如，目前大多数AI芯片都无法绕过Nvidia的CUDA平台。 CUDA建立了一套软件和硬件之间的开发标准。 如何从CUDA迁移，如何建立自己的优势生态，是挑战者的重要课题。

对于软件生态的竞争，Sandra Rivera表示：“软件开发或者说开发者生态其实一直是英特尔多年来的强项。在整个数据中心领域的软件生态中，一个是x86软件生态，一个是x86软件生态。” “CUDA 就是 CUDA。我们注意到，随着越来越多的公司寻求使用人工智能，软件生态系统正在加速释放更多硬件潜力，从而大幅提高生产力。”

她进一步谈到：“英特尔希望在多语言环境下提供更简单的应用程序。通过软件、库和工具提供模块化方法，以优化和加速跨多种架构的异构工作负载。当然，当谈到人工智能或AI计算时，许多人们确实在使用 CUDA，但大多数开发者并不会进行如此底层的开发。他们在相对较高的框架上进行创新，例如 PyTorch 和 TensorFlow。”

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，我们已经有了一代产品，我们已经积累了几年的软件，底层软件库已经开发出来。”我们希望让开发者能够在前20%中做他的开发，而这里的开发与CUDA没有那么直接的关系。”

Gaudi系列是Intel AI的旗舰，外界也在拭目以待Gaudi 2在实际应用中的性能和算力。 从硬件迭代到软件生态，AI芯片的竞争故事还将继续。

开户炒股享福利，6.XX%新客户理财，盘前信号灯工具为您服务，一对一指导服务！

海量信息，精准解读，尽在新浪财经APP

搜虎网转载此文目的在于传递更多信息，不代表本网的观点和立场。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。