ChatGPT大戰(zhàn)，Meta為何遲遲沒有動作？

就在今天，路透社記者挖出了一個大瓜，原因讓人瞠目結(jié)舌——相比谷歌、微軟等大廠，Meta跑AI時，用的竟然是CPU！

很難想象，在深度學(xué)習(xí)幾乎占機(jī)器學(xué)習(xí)半壁江山的時代，一個科技巨頭竟然能用CPU堅持這么久。雖然他們也曾嘗試過自研AI芯片，但最終遭遇滑鐵盧。

現(xiàn)在，ChatGPT引爆的生成式AI大戰(zhàn)打得昏天黑地，這就更加劇了Meta的產(chǎn)能緊縮。

用CPU訓(xùn)練AI，Meta怎么想的？

Meta遲遲不肯接受用GPU的原因，令人匪夷所思。

GPU芯片非常適合AI處理，因為它們可以同時執(zhí)行大量任務(wù)，從而減少處理數(shù)十億條數(shù)據(jù)所需的時間。然而，GPU 也比其他芯片更昂貴，英偉達(dá)控制著80%的市場份額，并在配套軟件上，也保持著絕對的領(lǐng)先地位。

直到去年，Meta在處理AI工作負(fù)載時，主要使用的還是CPU。CPU是計算機(jī)的主力芯片，幾十年來數(shù)據(jù)中心用的也是CPU，但它在AI工作上表現(xiàn)并不佳。

據(jù)悉，Meta還曾自研芯片，在內(nèi)部設(shè)計的定制芯片上進(jìn)行推理。但在2021年，Meta還是失望地發(fā)現(xiàn)，比起GPU，這種雙管齊下的方法速度更慢、效率更低。而且GPU在運(yùn)行不同類型的模型上，遠(yuǎn)比Meta的芯片更靈活。

而且，小扎決定All In元宇宙這一舉措，也直接榨干了Meta的算力。不管是AI的部署，還是威脅的應(yīng)對上，都遭到了極大的削弱。

這些失誤，引起了前Meta董事會成員Peter Thiel的注意，隨后，他于2022年初辭職。

據(jù)內(nèi)部人士透露，在離開前的一次董事會會議上，Thiel告訴小扎和高管們，他們對Meta的社交媒體業(yè)務(wù)太自滿，并且過分關(guān)注元宇宙了，這讓公司很容易被TikTok的挑戰(zhàn)所撼動。

AI為什么使用GPU而不是CPU？

隨著人工智能技術(shù)的快速發(fā)展，AI越來越多地使用GPU（圖形處理器）來加速計算，而不是傳統(tǒng)的CPU（中央處理器）。那么為什么AI使用GPU而不是CPU呢？


1、GPU的結(jié)構(gòu)

GPU是專門用于并行處理的設(shè)備，具備大量的核心，可以同時處理數(shù)百個線程，而CPU則一般只有幾個核心，每秒能夠處理的線程數(shù)量較少。這就使得GPU比CPU更加適合于并行計算，使得訓(xùn)練深度學(xué)習(xí)模型更高效。

舉個例子：如果你需要計算一個高清電影的每一幀畫面，CPU計算需要循環(huán)處理每個像素點，因為每個像素點都是單獨的。每個像素點計算需要幾個步驟，但是循環(huán)重復(fù)多少次，一個像素點的計算都是獨立的。但是，使用GPU可并行化處理每一個像素，這樣相當(dāng)于在一秒鐘內(nèi)同時處理數(shù)百個像素點，大大節(jié)省了時間。這就是GPU的并行處理能力的優(yōu)越性。

此外，GPU還擁有高速緩存和顯存，而且顯存的容量比CPU要大得多，可以同時存儲大量的數(shù)據(jù)。AI訓(xùn)練需要處理大量的矩陣和向量運(yùn)算，這就需要大量的數(shù)據(jù)存儲和高速訪問，而GPU的顯存就能很好地滿足這個需求。

2、AI的特點

AI的訓(xùn)練需要處理大量的數(shù)據(jù)，具有計算密集型特點，因此需要使用高性能的計算設(shè)備。另外，AI的模型越來越復(fù)雜，需要更多的計算資源才能完成訓(xùn)練。而GPU的高性能和并行計算能力，正好解決了這個問題。

而CPU是為了兼容處理各種任務(wù)所設(shè)計的，因此具有處理多種語言和控制任務(wù)的優(yōu)勢，對于AI訓(xùn)練的計算密集型任務(wù)相對較弱。這就導(dǎo)致使用CPU來訓(xùn)練AI需要更長的時間，并且更難以滿足計算資源的需求。

此外，隨著GPU技術(shù)的發(fā)展，GPU價格越來越實惠，越來越多的公司和個人都選擇使用GPU來訓(xùn)練他們的AI模型。有些GPU甚至是搶占市場，一發(fā)布網(wǎng)即被購買一空。

綜上所述，AI使用GPU而非CPU是因為GPU具有并行處理、高性能以及更大程序的數(shù)據(jù)存儲空間等優(yōu)越性能，能更好地滿足AI計算的要求。對于AI來說，選擇GPU訓(xùn)練和應(yīng)用，能大幅提高AI算法的效率和性能，從而更好地應(yīng)用到各個領(lǐng)域中。

搭上人工智能的快車，GPU未來取代CPU？

AI人工智能、虛擬現(xiàn)實與自動駕駛等技術(shù)，近年來引起了很高的市場關(guān)注，成為當(dāng)下科技領(lǐng)域和投資領(lǐng)域最為火熱的話題。特別是以深度學(xué)習(xí)為首的AI應(yīng)用，因為AlphaGo在人機(jī)對戰(zhàn)中的大獲全勝，更是在全世界吹起一股AI風(fēng)潮。

隨著科學(xué)技術(shù)的發(fā)展，GPU早已不是計算機(jī)當(dāng)中最為基礎(chǔ)的“搬運(yùn)工”，因為擅長大規(guī)模并發(fā)計算，所以GPU除了圖像處理，也越來越多地參與到計算當(dāng)中來，在人工智能、金融學(xué)、密碼學(xué)、云服務(wù)等領(lǐng)域開始發(fā)揮越來越重要的作用。尤其是人工智能產(chǎn)業(yè)中，甚至成為行業(yè)內(nèi)公認(rèn)的“利器”之一。

GPU為何在AI應(yīng)用當(dāng)中嶄露頭角？楊旭東解釋說，除了機(jī)器學(xué)習(xí)的幫忙，深度學(xué)習(xí)的類神經(jīng)演算法也在人工智能應(yīng)用當(dāng)中發(fā)揮著重要的作用。深度學(xué)習(xí)當(dāng)中有一種技術(shù)叫“卷積神經(jīng)網(wǎng)絡(luò)CNN”，這種網(wǎng)絡(luò)在數(shù)學(xué)上是許多卷積運(yùn)算和矩陣運(yùn)算的組合，恰恰和GPU本來能做的矩陣運(yùn)算十分相似，因此深度學(xué)習(xí)就可以用GPU進(jìn)行加速。

從2011年人工智能研究人員首次使用GPU為深度學(xué)習(xí)加速之后，GPU就開始在人工智能領(lǐng)域發(fā)揮巨大作用，這也讓GPU本身有了跨越式的發(fā)展。十年時間內(nèi)，不僅在性能上提升了20多倍，市場規(guī)模也得到了大幅提升。有機(jī)構(gòu)預(yù)測，到2027年，全球GPU市場規(guī)模有望突破2000億美元，從2020年到2027年，復(fù)合增長率有望高達(dá)33%。

因此有觀點認(rèn)為，按照現(xiàn)在的發(fā)展速率，因為CPU處理器已經(jīng)出現(xiàn)了性能過剩等問題，若干年以后，GPU有望取代CPU。而在2017年的某場會議當(dāng)中，英偉達(dá)（NVIDIA）CEO黃仁勛也曾公開表示，摩爾定律已經(jīng)失效，GPU最終會取代CPU。

摩爾定律是由英特爾創(chuàng)始人之一戈登?摩爾所提出，其主要內(nèi)容為：集成電路（芯片）上可容納的晶體管數(shù)目，約每隔18至24個月便會增加一倍，性能也將提升一倍。

但近年來，隨著以智能手機(jī)處理器性能的過剩以及性能提升的放緩，摩爾定律開始受到越來越多的質(zhì)疑。

“GPU很難取代CPU，甚至在未來很長一段時間都無法實現(xiàn)?！睏钚駯|對這樣的觀點給予了否認(rèn)。他解釋說，這是因為從設(shè)計邏輯上來看，兩者就有著根本的區(qū)別，CPU要統(tǒng)籌控制整個系統(tǒng)，各種復(fù)雜的指令都要它來執(zhí)行，GPU如果也要這樣做，自身就會變得復(fù)雜起來，連本職工作也無法完成了，所以GPU是無法取代CPU的。

“目前主流CPU晶體管數(shù)量在10億左右，而頂級GPU晶體管數(shù)量已經(jīng)達(dá)到了100億甚至更多，所以CPU做不了GPU的事情，GPU也完成不了CPU的工作。”但楊旭東強(qiáng)調(diào)，未來隨著制造技術(shù)進(jìn)步和芯片的縮小，CPU和GPU架構(gòu)之間將得到很好的融合。也就是說，CPU進(jìn)一步強(qiáng)化處理數(shù)據(jù)模塊的能力，GPU也可以承擔(dān)更復(fù)雜的指令，最終促進(jìn)計算機(jī)性能的大幅提升。