一張頂20張H100！首款大模型專(zhuān)用芯片挑戰(zhàn)英偉達(dá)，哈佛輟學(xué)華人創(chuàng)辦

夢(mèng)晨 2024-06-26 12:48:30 來(lái)源：量子位

夢(mèng)晨 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

首款大模型推理專(zhuān)用ASIC芯片問(wèn)世，一上來(lái)就要挑戰(zhàn)英偉達(dá)——

• 一張頂20張H100
• 700億參數(shù)Llama 3吞吐量達(dá)到每秒500000（五十萬(wàn)）tokens
• 比英偉達(dá)下一代芯片GB200快一個(gè)數(shù)量級(jí)，還更便宜

Sohu芯片，來(lái)自初創(chuàng)公司Etched，一經(jīng)推出就引起業(yè)界墻裂關(guān)注。

作為專(zhuān)用集成電路ASIC，與通用計(jì)算的GPU不同，它只支持Transformer一種算法，無(wú)法運(yùn)行同為神經(jīng)網(wǎng)絡(luò)的CNN、LSTM、以及Mamba等狀態(tài)空間模型。

Etched公司也剛剛完成1.2億美元A輪融資（約8.7億元人民幣），Peter Thiel、GitHub現(xiàn)任CEO Thomas Dohmke等重量級(jí)天使投資人參與。公司還透露，已有某客戶(hù)預(yù)定了價(jià)值數(shù)千萬(wàn)美元的硬件產(chǎn)品。

今天的每個(gè)SOTA模型都基于Transformer，ChatGPT、Sora、Gemini、Stable Diffusion 3等。

假如有一天Transformer被SSM、RWKV或任何新架構(gòu)取代，我們的芯片將毫無(wú)價(jià)值。

但如果我們是對(duì)的，Sohu將改變世界。

對(duì)此，Mamba作者Tri Dao也感嘆：

這是一場(chǎng)豪賭，不過(guò)大模型推理需求正盛，所以可能是正確的入場(chǎng)時(shí)機(jī)。

有網(wǎng)友一算，人平均每天說(shuō)1.8萬(wàn)個(gè)單詞，那Sohu芯片一秒內(nèi)就能生成21個(gè)人一天說(shuō)的所有話(huà)，感覺(jué)太虛幻了。

（但實(shí)際上每秒500000tokens吞吐量包含輸入和輸出，不是純生成這么多）

那么Sohu能威脅到英偉達(dá)的地位么？

考慮到Sohu更適合推理而不是訓(xùn)練，對(duì)于其他注重AI推理的芯片如Groq和SambaNova更是一種挑戰(zhàn)，而不是威脅英偉達(dá)。

實(shí)在不行，老黃也可以使用鈔能力把整個(gè)Etched買(mǎi)下來(lái)嘛（手動(dòng)狗頭）。

把Transformer燒錄到芯片里

ASIC全稱(chēng)是應(yīng)用專(zhuān)用集成電路（Application-Specific Integrated Circuit），相當(dāng)于把某種特定的程序“硬件化”。并且只為一種任務(wù)優(yōu)化，去掉不必要的功能，以達(dá)到比通用芯片更快并且功耗更低的目的。

如比特幣后期，礦工們就拋棄了GPU，使用挖礦專(zhuān)用ASIC芯片能帶來(lái)更多的利潤(rùn)。又或者手機(jī)里的視頻解碼芯片，通常也是一種ASIC。

具體到Sohu，就相當(dāng)于把Transformer網(wǎng)絡(luò)架構(gòu)“燒錄”到芯片里，公司名稱(chēng)Etched也是取自“蝕刻”的意思。

Sohu由臺(tái)積電4nm工藝制造，只有1個(gè)核心，每張芯片配有144GB HBM3E高帶寬內(nèi)存。

一張芯片最高能支持100萬(wàn)億參數(shù)大模型（現(xiàn)在根本還沒(méi)有這么大的），支持MoE架構(gòu)和各種Transformer變體，支持束搜索和蒙特卡洛樹(shù)搜索解碼。

基本上今天主流大模型需要的支持都考慮到了。

在Etched自己給出的測(cè)試結(jié)果中，Sohu比推理Llama-3 70B比H100快20倍以上，

具體設(shè)置如下：

• FP8精度的Llama-3 70B，無(wú)稀疏性，8倍模型并行，2048輸入長(zhǎng)度/128輸出長(zhǎng)度
• 使用TensorRT-LLM 0.10.08（最新版本）評(píng)估H100性能，B200的數(shù)字是估計(jì)的

Etched團(tuán)隊(duì)表示，H100有800億個(gè)晶體管，卻只有3.3%用于矩陣乘法，這種大模型推理時(shí)最常見(jiàn)的運(yùn)算。

只支持Tranformer的Sohu芯片F(xiàn)LOPS有效利用率超過(guò)90%（GPU大約是30%），無(wú)需用低精度量化或稀疏性等降低推理成本，同時(shí)也在一定程度上削弱模型能力的方法了。

讓AI模型快了20倍、同時(shí)更便宜，能帶來(lái)哪些改變？

Etched團(tuán)隊(duì)列舉了今天SOTA模型的幾個(gè)痛點(diǎn)：

• Gemini需要60秒才能回答與視頻有關(guān)的問(wèn)題
• 編程智能體的成本還高于人類(lèi)軟件工程師
• 視頻生成模型每秒約生成一幀

同時(shí)它們也給出了3個(gè)應(yīng)用場(chǎng)景參考：

實(shí)時(shí)語(yǔ)音客服，幾毫秒理解幾千字并給出回復(fù)。

具體場(chǎng)景是飯店顧客問(wèn)還需要等多長(zhǎng)時(shí)間才有座位，AI查詢(xún)系統(tǒng)中每桌預(yù)定情況數(shù)據(jù)后，計(jì)算出還要等45分鐘，并引導(dǎo)用戶(hù)預(yù)定位置。

代碼場(chǎng)景，使用樹(shù)搜索算法并行比較幾百個(gè)方案，選擇最好的。

文本生成，也能更好地利用投機(jī)解碼提高生成的質(zhì)量和速度。

目前Sohu開(kāi)發(fā)者云已開(kāi)啟搶先體驗(yàn)申請(qǐng)，在實(shí)際場(chǎng)景中能取得什么樣的效果，量子位將持續(xù)關(guān)注。

兩哈佛輟學(xué)生創(chuàng)辦

Etched公司成立僅兩年，由兩位哈佛輟學(xué)生Gavin Uberti和Chris Zhu創(chuàng)辦。

兩人聲稱(chēng)在2022年就賭Transformer將改變世界。領(lǐng)英資料也顯示公司創(chuàng)立時(shí)間在2022年10月，比ChatGPT問(wèn)世還早一個(gè)月。

Etched剛剛完成1.2億美元的A輪融資，由Primary Venture Partners和Positive Sum Ventures共同領(lǐng)投，主要投資人還包括Peter Thiel、GitHub首席執(zhí)行官Thomas Dohmke、Cruise聯(lián)合創(chuàng)始人Kyle Vogt和Quora聯(lián)合創(chuàng)始人Charlie Cheever。

除了這些大咖之外，我們發(fā)現(xiàn)也有不少AI初創(chuàng)公司創(chuàng)始人投資了Etched后激情“曬單”。

投資者中的不少人都認(rèn)同Transformer專(zhuān)用芯片是不可避免的新趨勢(shì)。

四年間，GPU并沒(méi)有變得更好

Etched提出，GPU在過(guò)去四年間效率并沒(méi)有變得更好，只是變得更大了：芯片每平方毫米的的TFLOPS幾乎持平。

事實(shí)上老黃本人也在今年GTC大會(huì)上提出：“我們需要更大的GPU，如果不能更大，就把更多GPU組合在一起，變成更大的虛擬GPU?！?/p>

在Etched看來(lái)，隨著摩爾定律放緩，同時(shí)在性能和效率上取得突破的方法只剩下專(zhuān)用化。

不過(guò)對(duì)Etched和Sohu芯片，業(yè)界也有人提出質(zhì)疑。

曾撰寫(xiě)爆火教程“2023年性?xún)r(jià)比GPU選購(gòu)指南”的華盛頓大學(xué)博士生Tim Dettmers指出，Etched官方的測(cè)試數(shù)據(jù)中GPU的性能可能并不是當(dāng)前SOTA方法。

創(chuàng)始人Uberti解釋H100的數(shù)據(jù)取自英偉達(dá)官方測(cè)試。

也有人不看好的原因是，Transformer之后還是會(huì)有下一個(gè)重大架構(gòu)突破。

曾有投資人透露，至少有6家公司正在秘密開(kāi)發(fā)Transformer專(zhuān)用ASIC芯片，現(xiàn)在看來(lái)Etched只是浮出水面的第一家。

你看好Transformer專(zhuān)用芯片嗎？歡迎在評(píng)論區(qū)留下你的看法。

參考鏈接：
[1]https://www.etched.com/announcing-etched
[2]https://x.com/Etched/status/1805625693113663834
[3]https://x.com/Object_Zero_/status/1769673722057662821