Elon Musk买了10000个GPU，入局大模型

来源:半导体行业观察发布时间:2023-04-121333浏览

来源：内容由半导体行业观察（ID：icbank）编译自tomshardware，谢谢。

尽管提倡在整个行业范围内停止人工智能训练，但据报道，埃隆·马斯克 (Elon Musk)已经在 Twitter 内启动了一个重大的人工智能项目。据Business Insider报道，该公司已经购买了大约 10,000 个 GPU，并从 DeepMind 招募了 AI 人才，用于涉及大型语言模型 (LLM) 的项目。

一位知情人士表示，马斯克的 AI 项目仍处于初始阶段。然而，根据另一个人的说法，获得大量额外的计算能力表明他致力于推进该项目。同时，生成人工智能的确切目的尚不清楚，但潜在的应用包括改进搜索功能或生成有针对性的广告内容。

目前，尚不清楚 Twitter 采购了哪些具体硬件。然而，据报道，尽管 Twitter 一直存在财务问题，但据报道 Twitter 在这些计算 GPU 上花费了数千万美元，马斯克将其描述为“不稳定的财务状况”。这些 GPU 预计将部署在 Twitter 剩余的两个数据中心之一，亚特兰大是最有可能的目的地。有趣的是，马斯克在 12 月下旬关闭了 Twitter 在萨克拉门托的主要数据中心，这显然降低了公司的计算能力。

除了为其生成式 AI 项目购买 GPU 硬件外，Twitter 还在招聘更多的工程师。今年早些时候，该公司从Alphabet 的子公司AI Research DeepMind招募了工程师 Igor Babuschkin 和 Manuel Kroiss。至少从 2 月开始，马斯克一直在积极寻找 AI 行业的人才，以与 OpenAI 的 ChatGPT 竞争。

OpenAI使用Nvidia 的 A100 GPU 来训练其 ChatGPT 机器人，并继续使用这些机器来运行它。到目前为止，Nvidia 已经推出了 A100 的后继产品，其H100计算 GPU 在大约相同的功率下速度快了几倍。Twitter 可能会在其 AI 项目中使用 Nvidia 的 Hopper H100 或类似硬件，尽管我们在此进行推测。考虑到该公司尚未确定其 AI 项目的用途，因此很难估计它可能需要多少个 Hopper GPU。

通常Twitter 这样的大公司购买硬件时，他们会以特价购买，因为他们采购了数千台。与此同时，如果单独从 CDW 等零售商处购买，Nvidia 的 H100 主板单价可能超过 10,000 美元，由此可以看出该公司可能为其 AI 计划在硬件上花费了多少。

ChatGPT迈向商用，GPU需求上看3万颗

ChatGPT近期掀起云端与AI产业话题，Microsoft、Google、百度等相继推出基于生成式AI衍生的产品服务，根据集邦（TrendForce）最新报告「从AIGC看云端AI应用趋势与挑战」，未来迈向商用将上看3万颗；在此热潮下， GPU及AI芯片相关供应链业者可望受惠。

不过，集邦指出，市场普及度和产品服务的功能优化仍待考验，且由于AI是以用户体验为核心，涉及个资及内容提供的正确性，因此下个发展阶段或将还会面临法规问题。

TrendForce表示，生成式AI是透过GAN、CLIP、Transformer、Diffusion等演算法、预训练模型、多模态等AI技术的整合，在既有数据或资料中寻找规律，并在资料汇整、社交互动、文案产出等领域带出高效的内容产出，以及与用户互动体验。现行市面上已有不少生成式AI之应用，较常见的产出类别包括文字、图像、音乐、编码等。

集邦表示，数据、算力、算法是深耕生成式AI不可或缺的三大关键，且产品服务易做但优化困难，因此，握有相关资源的云端大厂在发展上将更具优势。就厂商角度而言，由于ChatGPT等生成式AI聊天机器人不仅能与用户自然对话，「类理解需求」的能力使其针对各式咨询能进一步提供建议，加上使用搜寻引擎已相当普遍，因此透过强化搜寻引擎已是各云端大厂的首要任务。

据TrendForce调查，目前全球搜寻引擎市场以超过9成的Google引擎为首，Microsoft Bing仅占3%，短期间不致造成威胁，但随着用户扩大、数据回馈与模型优化的循环，是否会产生服务差异甚或抢占广告商机，也是Google不得不预防的潜在风险。

集邦表示，由于生成式AI必须投入巨量资料进行训练，为缩短训练就得采用大量高效能GPU。以ChatGPT背后的GPT模型为例，其训练参数从2018年约1.2亿个到2020年已暴增至近1,800亿个，估GPU需求量预估约2万颗，未来迈向商用将上看3万颗。

集邦表示，生成式AI发展将成为趋势，将带动GPU需求显著提升，连带使相关供应链受惠，其中最大受益者是GPU芯片龙头的英伟达（NVIDIA），旗下可达到5 PetaFLOPS运算效能的DGX A100，几乎是目前用于大规模资料分析、AI加速运算的首选；此外，尚有推出MI100、MI200、MI300系列芯片的超微（AMD）。

👇👇点击文末【阅读原文】，可查看原文链接！

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第3369内容，欢迎关注。

Elon Musk买了10000个GPU，入局大模型

全部评论

热门搜索