英伟达超级芯片更新 首度引入H3Be

近年来人工智能的火热，已经对算力的需求，已经不再是什么新鲜事了。

而围绕着这个市场，除了有几无敌手的英伟达GPU外，还有Graphcore、Cerebra、Sambanova和Tenstorrent等芯片新入者携带着各自打造的“武器”跃跃欲试，以求占有一席之地。

此外，AMD和Intel这些传统芯片巨头也不甘人后，纷纷加码这个赛道。他们一方面升级自己原有的CPU产品，与此同时还在升级GPU产品，其中英特尔甚至还通过对Habana的收购，通过多路进攻的方式押注人工智能。

进来，他们又更新了“武器库”，为新一轮的AI芯片竞赛做好准备。

英伟达超级芯片更新，首度引入H3Be

作为AI市场迄今为止最大的赢家，遥遥领先的英伟达虽然不至于被突然击败，但面对咄咄逼人的竞争对手，他们应该还是有点危机感。于是，在昨晚，英伟达CEO黄仁勋又带来了公司全新的 GH200“superchip”的新变体——世界上第一个配备 HBM3e 内存的 GPU 芯片。

因为人工智能对数据“搬运”的需求，HBM在过去几个月里已经成为产业关注的重中之重，也成为了限制GPU产能的关键因素之一。为此三星和SK海力士等厂商除了在提高HBM产能之余，也在升级其HBM技术，而HBM 3e就是他们正在最新推动的产品。

关于这个尚未敲定的标准，其很多参数也没有定论。但按照集邦咨询所说，HBM3e将采用24Gb单晶芯片堆叠，在8层（8Hi）基础下，单个HBM3e的容量将跃升至24GB。集邦认为，主要制造商预计将在 2024 年第一季度发布 HBM3e 样品，并计划在 2024 年下半年实现量产。而英伟达的GH200“superchip”的新变体计划于明年二季度发货，这体现了AI芯片巨头在其上的迫切。

自 2021 年该公司披露初步细节以来，Grace Hopper superchip一直是 Nvidia 首席执行官黄仁勋的一个大话题。Superchip集成了广泛应用于移动设备、可与英特尔和AMD的基于x86的芯片竞争Arm架构。而之所以Nvidia 称其为“Superchip”，是因为它将基于 Arm 的 Nvidia Grace CPU 与 Hopper GPU 架构结合在一起。而这个芯片在早几个月的发布，已经引起了市场的广泛讨论。

GH200的规格

而在时隔没多久，英伟达带来了全新的升级版本芯片。

据介绍，全新 GH200 Grace Hopper Superchip 同样是基于 72 核 Grace CPU，配备 480 GB ECC LPDDR5X 内存以及 GH100 计算 GPU，搭配 141 GB HBM3E 内存，采用 6 个 24 GB 堆栈，使用 6,144位存储器接口。虽然 Nvidia 物理安装了 144 GB 内存，但只有 141 GB 可用才能获得更高的良率。

作为世界上第一款配备HBM3e 内存的芯片，英伟达新版本的 GH200能够将其本地 GPU 内存增加 50%，这对于人工智能市场来说尤其受欢迎，因为顶级模型尺寸巨大且通常内存容量有限。而在双配置设置中，它将配备高达 282 GB 的 HBM3e 内存，NVIDIA 表示，与当前一代产品相比，内存容量高出 3.5 倍，带宽高出 3 倍。Nvidia还声称，HBM3e内存将使下一代GH200运行AI模型的速度比当前模型快3.5倍。

“我们对这款新的 GH200 感到非常兴奋。它将配备 141 GB 的 HBM3e 内存，”Nvidia 超大规模和 HPC 副总裁兼总经理 Ian Buck 在与媒体和分析师的会议上表示。“HBM3e 不仅增加了 GPU 的容量和内存量，而且速度也更快。”

在 SIGGRAPH 2023 的主题演讲中，NVIDIA 总裁兼首席执行官黄仁勋 (Jensen Huang) 表示：“为了满足生成式 AI 不断增长的需求，数据中心需要具有特殊需求的加速计算平台。”Jensen 还接着说道：“全新 GH200 Grace Hopper Superchip 平台通过卓越的内存技术和带宽来实现这一点，以提高吞吐量、连接 GPU 以不妥协地聚合性能的能力，以及可以在整个数据中心轻松部署的服务器设计。“

从昨晚英伟达的介绍中我们可以看到，他们不仅制造更快的芯片，还在新的服务器设计中对其进行扩展。

如Ian Buck就表示，Nvidia正在开发一种新的基于双GH200的Nvidia MGX服务器系统，该系统将集成两个下一代Grace Hopper Superchip。他解释说，新的GH200将与Nvidia的互连技术NVLink连接。借助新型双 GH200 服务器中的 NVLink，系统中的 CPU 和 GPU 将通过完全一致的内存互连进行连接。

“CPU 可以看到其他 CPU 的内存，GPU 可以看到其他 GPU 内存，当然 GPU 也可以看到 CPU 内存，”Buck说。“因此，合并后的超大超级 GPU 可以作为一个整体运行，提供 144 个 Grace CPU 核心，超过 8 petaflops 的计算性能以及 282 GB 的 HBM3e 内存。”他强调。

值得一提的是，在此前，我们已经介绍了围绕 NVIDIA Grace Hopper 平台构建的已发布的 DGX GH200 AI 超级计算机。DGX GH200 是完全基于 NVIDIA 架构构建的 24 机架集群，每个 DGX GH200 都结合了 256 个芯片，并提供 120 TB 的 CPU 连接内存。它们使用 NVIDIA 的 NVLink 进行连接，该 NVLink 具有多达 96 个本地 L1 交换机，可在 GH200 刀片之间提供即时通信。NVIDIA 的 NVLink 允许部署与高速一致的互连一起工作，使 GH200 能够完全访问 CPU 内存，并在双配置时允许访问高达 1.2 TB 的内存。

英特尔 Falcon Shores 2，卷土重来

为了应对来自英伟达和AMD的竞争，英特尔最初计划为其称为 Falcon Shores 的 芯片配备 GPU 和 CPU 内核，打造该公司首款用于高性能计算的“XPU”。但是在几个月前，他们意外宣布，Falcon Shores将转向纯 GPU 设计并将芯片推迟到 2025 年，这让行业观察家感到震惊——因为这使得英特尔无法与AMD 的 Instinct MI300和Nvidia 的 Grace Hopper处理器竞争，后两者均采用 CPU+GPU的混合处理器设计。

然而在近日的财报说明会上，英特尔首席执行官 Pat Gelsinger 透露，公司计划于 2026 年推出新版本的 Falcon Shores 芯片，代号为 Falcon Shores 2。Falcon Shores 2 芯片将于 2025年接替首款 Falcon Shores 芯片，后者是一款用于人工智能和超级计算的高性能 GPU。 

“当我们将 GPU 和加速器整合到一个产品中时，我们有一个简化的路线图，”

虽然英特尔并未过多谈论这款将于2026 年推出的产品，但英特尔方面曾表示，因为Falcon Shores 芯片将使用Chiplet设计，因此英特尔将能够混合搭配 GPU、AI 加速器和第三方 CPU。

英特尔公司副总裁兼超级计算事业部总经理 Jeff McVeigh 在 5 月份的电话会议上更是表示：“这为跨供应商提供了将 Falcon Shores GPU 与其他 CPU 以及 CPU 与 GPU 比例结合起来的灵活性。”

McVeigh 表示，独立GPU Falcon Shores 产品模型使用基于 GPU 的通用编程接口，CPU 和 GPU 的 CXL 接口将提高代码的生产力和性能。 

此外，2026 年的发布Falcon Shores 2，这也许意味着该芯片采用 Angstrom 时代的工艺制作。该芯片制造商将重点放在 2025 年之前的产品发布上，届时将实现四年内启动五个节点的目标。又因为Falcon Shores 2 的发布日期为 2026 年，这似乎代表着原始版本的 Falcon Shores GPU 的生命周期很短，是一个过渡产品。

如之前很多报道中所说，Falcon Shores 芯片是专为 HPC 和 AI 计算而设计，英特尔已经讨论过将 GPU 与 Gaudi 芯片系列合并。Gelsinger在财报电话会议上表示，Falcon Shores 的执行情况“良好”。他同时还表示Falcon Shores 将拥有最好的 GPU 和最好的矩阵加速。

对于其GPU和Gaudi等面向AI的芯片，英特尔的目标是确保人工智能软件堆栈通过其 OneAPI 软件堆栈在 Gaudi 和 Falcon Shores 芯片上向前兼容。

“我们将扩大该软件堆栈的灵活性。我们正在添加 FP8。我们刚刚添加了 PyTorch 2 支持。一路走来的每一步，它都会变得更好、更广泛的用例。正在支持更多语言模型。软件堆栈支持更多的可编程性，”Gelsinger强调。

此外，英特尔还在通过 OneAPI 采用部分开放的软件方法，该方法以名为 SYCLomatic 的工具为中心，可以转换专有的 CUDA 代码以在包括 Ponte Vecchio 在内的各种 GPU 上运行。

AMD也不甘人后

在英特尔和英伟达在为未来倾囊而出的同时，AMD也不甘人后。几个月前，公司就带来了全新的MI 300系列芯片，这也是公司面向AI市场祭出的一个杀手锏。具体信息参考半导体行业观察之前的报道《1530亿晶体管芯片发布，AMD正式叫板英伟达》。而在AMD最近的财报发布会上，该公司CEO Lisa Su也披露，AMD的AI芯片参与度在本季度增加了七倍多。

Lisa同时还表示，公司在遵守美国的出口管制之余。正在寻找机会为中国客户提供定制的人工智能解决方案。

众所周知，随着生成式人工智能的出现，市场对 GPU 的需求猛增。特斯拉的Elon Musk在该公司最近的财报电话会议上谈到了 Nvidia GPU 的短缺问题，微软也在其年报中谈到了GPU短缺可能带来的风险，为此这些公司正在寻找人工智能芯片替代品的机会。

其中，AMD无疑是最值得关注的一家。

审核编辑：刘清