實(shí)時更新中芯匯金最新動態(tài)，了解中芯匯金
簡介
隨著 ChatGPT 和 Sora 等應(yīng)用的廣泛應(yīng)用，生成式人工智能（gen AI）已風(fēng)靡全球。但在這些令人印象深刻的功能背后，是對計(jì)算能力的巨大需求。這一浪潮將推動半導(dǎo)體行業(yè)進(jìn)入一個新的發(fā)展和創(chuàng)新階段。我們從麥肯錫在三月出版的報(bào)告中獲得啟發(fā)，解析其內(nèi)容，探討 Gen AI 如何塑造半導(dǎo)體的未來，研究需求場景、硬件趨勢以及芯片制造商面臨的挑戰(zhàn) [1]。
新一代人工智能計(jì)算需求格局
要了解 Gen AI 的影響，我們需要同時關(guān)注消費(fèi)者（B2C）和企業(yè)（B2B）應(yīng)用。麥肯錫的分析估計(jì)，到 2030 年，B2C 應(yīng)用將占新一代人工智能計(jì)算需求的 70%，B2B 將占其余的 30%。
B2C 應(yīng)用包括起草電子郵件等基本的消費(fèi)者互動，以及根據(jù)文本創(chuàng)建視覺效果等更高級的任務(wù)。B2B 用例橫跨各個行業(yè)和功能，從軟件開發(fā)到客戶參與。
B2B 用例原型
麥肯錫為基因人工智能確定了六種關(guān)鍵的 B2B 用例原型：
1. 編碼和軟件開發(fā)
2. 創(chuàng)意內(nèi)容生成
3. 客戶參與
4. 創(chuàng)新（如研發(fā)流程）
5. 簡明扼要（總結(jié)結(jié)構(gòu)化數(shù)據(jù)）
6. 復(fù)雜簡明（總結(jié)非結(jié)構(gòu)化或大型數(shù)據(jù)集）
這些原型是根據(jù)其價(jià)值創(chuàng)造潛力和服務(wù)成本定義的。讓我們來看看它們是如何疊加的：
從圖表中我們可以看出，預(yù)計(jì)到 2030 年，六種原型中有五種在經(jīng)濟(jì)上可行，可以廣泛采用。復(fù)雜簡潔 "原型面臨挑戰(zhàn)，因?yàn)橄鄬τ谄鋬r(jià)值創(chuàng)造潛力，它的計(jì)算要求較高。
需求情景
麥肯錫為基因人工智能的應(yīng)用制定了三種情景：基礎(chǔ)、保守和加速。這些情景考慮了技術(shù)進(jìn)步、監(jiān)管發(fā)展和用戶接受度等因素。
在基礎(chǔ)情景下，到 2030 年
B2C 需求驅(qū)動因素：
B2B 需求驅(qū)動因素：
隨著人工智能應(yīng)用的普及，它們正在推動數(shù)據(jù)中心基礎(chǔ)設(shè)施和服務(wù)器設(shè)計(jì)發(fā)生重大變化。
人工智能數(shù)據(jù)中心與傳統(tǒng)數(shù)據(jù)中心的比較
關(guān)鍵區(qū)別在于功率密度：
功率密度的增加要求從風(fēng)冷系統(tǒng)轉(zhuǎn)向液冷系統(tǒng)，包括直接到芯片和全浸入式冷卻技術(shù)。
人工智能服務(wù)器的組件
為滿足基因 AI 工作負(fù)載的需求，AI 服務(wù)器集成了多個專用組件：
1. 中央處理器
2. 圖形處理器（GPU）
3. 人工智能加速器
4. DDR 內(nèi)存（雙倍數(shù)據(jù)速率內(nèi)存）
5. HBM（高帶寬內(nèi)存）
6. NAND 存儲器
7. 互聯(lián)
8. 主板
9. 電源裝置
服務(wù)器架構(gòu)演變
我們看到服務(wù)器架構(gòu)正在發(fā)生變化，以適應(yīng)不斷變化的人工智能工作負(fù)載的性質(zhì)：
訓(xùn)練服務(wù)器：
推理服務(wù)器：
本圖表說明了服務(wù)器架構(gòu)從 2024 年到 2030 年的預(yù)計(jì)轉(zhuǎn)變，其中 CPU + AI 加速器配置將成為推理工作負(fù)載的主導(dǎo)。
新一代人工智能晶圓需求和半導(dǎo)體行業(yè)影響
新一代人工智能應(yīng)用的激增正在推動各種芯片類型對半導(dǎo)體晶圓的空前需求。
邏輯芯片
內(nèi)存芯片
該圖全面展示了 2030 年的預(yù)計(jì)晶圓供需狀況，突出顯示了人工智能技術(shù)對邏輯和存儲器細(xì)分市場的重大影響。
挑戰(zhàn)與創(chuàng)新
滿足這一爆炸性需求給半導(dǎo)體行業(yè)帶來了多項(xiàng)挑戰(zhàn)：
1. 存儲器墻：隨著人工智能模型越來越大，內(nèi)存容量和帶寬正成為系統(tǒng)級性能的瓶頸。
2. 算法效率：未來的算法可能需要提高內(nèi)存效率，以緩解需求增長。
3. 新架構(gòu)：業(yè)界正在探索新型芯片設(shè)計(jì)和系統(tǒng)級優(yōu)化，以提高性能和效率。
4. 制造能力：為滿足需求，有必要對新的晶圓廠和生產(chǎn)線進(jìn)行大量投資。
5. 能耗：人工智能服務(wù)器的能耗極高，到 2030 年，其耗電量可能超過全球總耗電量的 10%。
為應(yīng)對這些挑戰(zhàn)，整個價(jià)值鏈都需要創(chuàng)新：
結(jié)論
生成式人工智能的興起代表著半導(dǎo)體行業(yè)的潛在拐點(diǎn)。它推動了對更強(qiáng)大、更高效、更專業(yè)的邏輯、內(nèi)存和其他類別芯片的需求。要滿足這一需求，就需要對制造能力進(jìn)行大量投資，并在芯片設(shè)計(jì)和系統(tǒng)架構(gòu)方面持續(xù)創(chuàng)新。
對于半導(dǎo)體行業(yè)的領(lǐng)導(dǎo)者來說，主要的啟示有
1. 評估哪種需求情景（基本、保守或加速）符合您的市場前景。
2. 評估當(dāng)前的產(chǎn)品組合，確定以人工智能為重點(diǎn)的芯片專業(yè)化領(lǐng)域。
3. 投資研發(fā)，應(yīng)對內(nèi)存墻和能效等關(guān)鍵挑戰(zhàn)。
4. 考慮到新建晶圓廠的周期較長，制定產(chǎn)能擴(kuò)張計(jì)劃。
5. 與人工智能軟件開發(fā)商合作，更好地了解不斷變化的硬件需求。
通過領(lǐng)先于這些趨勢并進(jìn)行戰(zhàn)略性投資，半導(dǎo)體公司可以定位自己，抓住人工智能革命的巨大價(jià)值創(chuàng)造潛力。未來幾年將是塑造行業(yè)發(fā)展軌跡的關(guān)鍵時期，那些行動迅速、果斷的公司很可能成為這個計(jì)算新時代的領(lǐng)導(dǎo)者。
參考文獻(xiàn)
[1]Burkacky, M. Patel, K. Pototzky, D. Tang, R. Vrijen, and W. Zhu, "Generative AI: The next S-curve for the semiconductor industry?" McKinsey & Company, Mar. 麥肯錫公司，2024 年 3 月。
- END -
