盡管提倡在整個行業(yè)范圍內(nèi)停止人工智能訓練，但據(jù)報道，埃隆·馬斯克 （Elon Musk）已經(jīng)在 Twitter 內(nèi)啟動了一個重大的人工智能項目。據(jù)Business Insider報道，該公司已經(jīng)購買了大約 10，000 個 GPU，并從 DeepMind 招募了 AI 人才，用于涉及大型語言模型 （LLM） 的項目 。

以昇思為基，盤古生態(tài)引領(lǐng)中國AI未來

一位知情人士表示，馬斯克的 AI 項目仍處于初始階段。然而，根據(jù)另一個人的說法，獲得大量額外的計算能力表明他致力于推進該項目。同時，生成人工智能的確切目的尚不清楚，但潛在的應(yīng)用包括改進搜索功能或生成有針對性的廣告內(nèi)容。

目前，尚不清楚 Twitter 采購了哪些具體硬件。然而，據(jù)報道，盡管 Twitter 一直存在財務(wù)問題，但據(jù)報道 Twitter 在這些計算 GPU 上花費了數(shù)千萬美元，馬斯克將其描述為“不穩(wěn)定的財務(wù)狀況”。這些 GPU 預(yù)計將部署在 Twitter 剩余的兩個數(shù)據(jù)中心之一，亞特蘭大是最有可能的目的地。有趣的是，馬斯克在 12 月下旬關(guān)閉了 Twitter 在薩克拉門托的主要數(shù)據(jù)中心，這顯然降低了公司的計算能力。

除了為其生成式 AI 項目購買 GPU 硬件外，Twitter 還在招聘更多的工程師。今年早些時候，該公司從Alphabet 的子公司AI Research DeepMind招募了工程師 Igor Babuschkin 和 Manuel Kroiss。至少從 2 月開始，馬斯克一直在積極尋找 AI 行業(yè)的人才，以與 OpenAI 的 ChatGPT 競爭。

OpenAI使用Nvidia 的 A100 GPU 來訓練其 ChatGPT 機器人，并繼續(xù)使用這些機器來運行它。到目前為止，Nvidia 已經(jīng)推出了 A100 的后繼產(chǎn)品，其H100計算 GPU 在大約相同的功率下速度快了幾倍。

Twitter 可能會在其 AI 項目中使用 Nvidia 的 Hopper H100 或類似硬件，盡管我們在此進行推測。考慮到該公司尚未確定其 AI 項目的用途，因此很難估計它可能需要多少個 Hopper GPU。

通常Twitter 這樣的大公司購買硬件時，他們會以特價購買，因為他們采購了數(shù)千臺。與此同時，如果單獨從 CDW 等零售商處購買，Nvidia 的 H100 主板單價可能超過 10，000 美元，由此可以看出該公司可能為其 AI 計劃在硬件上花費了多少。

ChatGPT邁向商用，GPU需求上看3萬顆

ChatGPT近期掀起云端與AI產(chǎn)業(yè)話題，Microsoft、Google、百度等相繼推出基于生成式AI衍生的產(chǎn)品服務(wù)，根據(jù)集邦（TrendForce）最新報告「從AIGC看云端AI應(yīng)用趨勢與挑戰(zhàn)」，未來邁向商用將上看3萬顆；在此熱潮下， GPU及AI芯片相關(guān)供應(yīng)鏈業(yè)者可望受惠。

不過，集邦指出，市場普及度和產(chǎn)品服務(wù)的功能優(yōu)化仍待考驗，且由于AI是以用戶體驗為核心，涉及個資及內(nèi)容提供的正確性，因此下個發(fā)展階段或?qū)⑦€會面臨法規(guī)問題。

TrendForce表示，生成式AI是透過GAN、CLIP、Transformer、Diffusion等演算法、預(yù)訓練模型、多模態(tài)等AI技術(shù)的整合，在既有數(shù)據(jù)或資料中尋找規(guī)律，并在資料匯整、社交互動、文案產(chǎn)出等領(lǐng)域帶出高效的內(nèi)容產(chǎn)出，以及與用戶互動體驗?，F(xiàn)行市面上已有不少生成式AI之應(yīng)用，較常見的產(chǎn)出類別包括文字、圖像、音樂、編碼等。

集邦表示，數(shù)據(jù)、算力、算法是深耕生成式AI不可或缺的三大關(guān)鍵，且產(chǎn)品服務(wù)易做但優(yōu)化困難，因此，握有相關(guān)資源的云端大廠在發(fā)展上將更具優(yōu)勢。就廠商角度而言，由于ChatGPT等生成式AI聊天機器人不僅能與用戶自然對話，「類理解需求」的能力使其針對各式咨詢能進一步提供建議，加上使用搜尋引擎已相當普遍，因此透過強化搜尋引擎已是各云端大廠的首要任務(wù)。

據(jù)TrendForce調(diào)查，目前全球搜尋引擎市場以超過9成的Google引擎為首，Microsoft Bing僅占3%，短期間不致造成威脅，但隨著用戶擴大、數(shù)據(jù)回饋與模型優(yōu)化的循環(huán)，是否會產(chǎn)生服務(wù)差異甚或搶占廣告商機，也是Google不得不預(yù)防的潛在風險。

集邦表示，由于生成式AI必須投入巨量資料進行訓練，為縮短訓練就得采用大量高效能GPU。以ChatGPT背后的GPT模型為例，其訓練參數(shù)從2018年約1.2億個到2020年已暴增至近1，800億個，估GPU需求量預(yù)估約2萬顆，未來邁向商用將上看3萬顆。

集邦表示，生成式AI發(fā)展將成為趨勢，將帶動GPU需求顯著提升，連帶使相關(guān)供應(yīng)鏈受惠，其中最大受益者是GPU芯片龍頭的英偉達（NVIDIA），旗下可達到5 PetaFLOPS運算效能的DGX A100，幾乎是目前用于大規(guī)模資料分析、AI加速運算的首選；此外，尚有推出MI100、MI200、MI300系列芯片的超微（AMD）。

審核編輯 ：李倩