國產GPU在AI大模型領域的應用案例一覽

電子發燒友網報道（文/李彎彎）近一年多時間，隨著大模型的發展，GPU在AI領域的重要性再次凸顯。雖然相比英偉達等國際大廠，國產GPU起步較晚、聲勢較小。不過近幾年，國內不少GPU廠商成長非?？?，并且不斷推出新品，產品也逐漸在各個領域取得應用，而且在大模型的訓練和推理方面，也有所建樹。

國產GPU在大模型上的應用進展

電子發燒友此前就統計過目前國內主要的GPU廠商，也介紹了這些廠商主要的產品及產品發布、量產進展情況?？梢钥吹?，其實近幾年已經有不少產品面世并應用。

如沐曦集成，其N系列用于AI推理的GPU芯片早已量產。去年9月，該公司宣布，其與眸瑞科技聯合發布了首個AI模型“貼圖超分”技術。該技術依托曦思N系列AI推理GPU首款產品曦思N100的強大算力，結合眸瑞科技豐富的算法庫資源和先進的AI超分算法，首次將AI超分成功應用到了3D模型領域。

曦思N100是沐曦面向人工智能推理場景推出的高效能GPU產品，針對AI推理及AI應用場景中大量的視頻圖像處理任務，提供強大的AI算力和視頻/圖像編解碼功能。據稱，目前沐曦已聯合合作伙伴打造了多種基于曦思N100 的解決方案，如高密度視頻結構化分析解決方案、高并發智能轉碼解決方案、光電混合異構計算解決方案等，這些方案可廣泛應用于城市安防、智慧交通、工業視覺、短視頻、云計算和智算中心等多個領域。

再如天數智芯，其提供的算力集群具有支持百億級參數大模型訓練的能力。早前有消息，天數智芯與智源研究院、愛特云翔合作，開展基于自主通用GPU的大模型CodeGen（高效編碼）項目，通過中文描述來生成可用的C、Java、Python代碼以實現高效編碼。

智源研究院負責算法設計、訓練框架開發、大模型的訓練與調優，天數智芯負責提供天垓100加速卡、構建算力集群及全程技術支持，愛特云翔負責提供算存網基礎硬件及智能化運維服務。在天垓100加速卡的算力集群，基于智源研究院70億參數的Aquila語言基礎模型，使用代碼數據進行繼續訓練，穩定運行19天，模型收斂效果符合預期。

近一年多來，隨著大模型的發展，國產GPU公司都在朝著大模型領域布局。摩爾線程此前也透露，公司已經可以支持3億參數量模型的訓練，2022年底就提前布局了自然語言模型預訓練，自研了MusaBert模型。

還有登臨科技，該公司此前也表示，公司首款產品Goldwasser已規?；\用在多家行業知名企業的主營業務中，新一代Goldwasser產品針對基于Transformer的網絡和生成式AI類大模型的應用在性能有大幅提升。

國產GPU應用于AI領域的多個方面

除了上述談到應用案例，國產GPU在AI領域的應用案例還有很多，主要涉及到深度學習、自然語言處理以及計算機視覺等多個方面。

如，在計算機視覺領域，國產GPU被廣泛應用于圖像識別和目標檢測等任務。例如，利用GPU加速的深度學習模型可以大幅提升算法的準確性和實時性，這在安防監控、自動駕駛等實際應用中具有重要的價值。

在自然語言處理方面，國產GPU也在發揮重要作用。通過GPU加速的循環神經網絡、Transformer等模型，可以實現高效的機器翻譯、文本生成等任務。這對于提升智能客服、智能寫作等應用的性能具有關鍵作用。

國產GPU還在強化學習領域得到了應用。強化學習是AI領域的一個重要分支，其目標是通過與環境的交互來學習策略。GPU加速的價值網絡、策略網絡等模型可以應用于游戲AI、機器人控制等領域，從而提高智能體的學習效率和性能。

另外值得關注的還有，國產GPU在自動駕駛領域的應用也比較多。自動駕駛系統需要處理大量的傳感器數據，包括來自攝像頭、雷達、激光雷達等的信息。GPU通過其強大的并行計算能力和高效的內存管理，可以實時處理這些數據，并為自動駕駛系統提供準確的決策依據。

例如，一些國產汽車廠商已經開始在其自動駕駛系統中采用國產GPU。這些GPU不僅用于圖像處理和計算機視覺任務，如目標檢測、車道線識別等，還用于深度學習模型的推理和決策。通過GPU的加速，自動駕駛系統可以更快地識別交通信號、障礙物以及其他重要信息，從而提高行車安全性。

此外，國產GPU還在自動駕駛的地圖構建和定位方面發揮了重要作用。通過利用GPU進行高效的地圖數據處理和實時定位計算，自動駕駛系統可以更加準確地感知周圍環境，并實現精確的導航和路徑規劃。

具體來說，百度Apollo、小馬智行等自動駕駛技術公司，都在其自動駕駛解決方案中采用了國產GPU。這些解決方案不僅應用于乘用車，還擴展到商用車、物流車等多個領域。

寫在最后

從目前的情況來看，國內外GPU廠商都在追逐大模型應用帶來的機會。當前無論是大模型訓練還是推理，英偉達GPU都占據了絕大部分市場。對于國產廠商來說，為了在大模型方面擁有更多自主權，仍然需要持續在大模型訓練方面發力，同時相對大模型訓練來說，大模型接下來大面積的部署，對于推理芯片的需要將會很大，這將是一個更容易把握的機會。