2026-02-08 | 김태호 기자

备战“独立AI模型”首秀的NPU…大规模验证前需跨越哪些关卡?

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

“自主人工智能(AI)基础模型”项目即将进入第二轮,可以察觉到参与项目的联合体有意使用韩国初创企业的神经网络处理器(NPU)。政府连日强调AI技术主权,因此在AI模型开发中也希望采用国产AI半导体。而围绕国产NPU实用性的疑虑仍是有待解决的课题。

据业界8日消息,挑战该自主基础模型项目的LG AI研究院联合体正在讨论未来将FuriosaAI第二代NPU产品RNGD投入“K-EXAONE”开发的方案。在投入项目之前,验证RNGD实用性的角色由联合体成员LG CNS承担。LG CNS于上月30日与FuriosaAI签署业务协议,决定在运行LG CNS的AI服务时使用RNGD。LG CNS将在此过程中验证RNGD用于高效AI模型开发的应用方案。

表示将再次挑战该项目的Trillion Labs联合体,内部已形成共识:若正式加入项目,将采用国产NPU。联合体主管企业Trillion Labs过去曾利用Rebellions的NPU开发AI模型。其构想是在此次再度挑战中发挥当时积累的经验与诀窍。

各联合体积极探讨采用国产NPU的原因,是要突出契合政府政策意图的姿态。该项目的主管部门韩国科学技术情报通信部从项目规划阶段起便连日强调AI技术主权,不仅在AI模型设计方式上,还试图将模型开发所需的基础设施资源也实现国产化。

不过,对国产NPU是否适合该基础模型开发的担忧依然存在。有观点指出,在打造AI初期模型的项目中投入并不适合大规模数据训练的NPU,反而会降低模型开发效率。一位要求匿名的参与该项目的初创企业代表表示:“与其拘泥于国产化,当务之急是充分利用政府支持的图形处理器(GPU),做出性能优异的AI模型成果。”

优化算子基础薄弱也是NPU必须跨越的一座山。算子指自动分配和管理AI半导体资源的软件,是帮助服务器使用者最大限度发挥AI半导体性能的工具,但大多数算子软件都是针对英伟达GPU设计的。因此有意见指出,即便想使用能效比出色的NPU,也因缺乏合适的算子而无法享受最佳能效比。

一位云服务企业相关人士透露:“在单人使用服务器基础设施的环境下,NPU的每瓦性能超过GPU,但在大规模基础设施环境中,最新架构GPU的能效比更占优势。”

阅读韩文原文