谷歌、亚马逊、微软(MS)、Meta。它们都是运营大规模计算基础设施的超大规模云服务商。创立初期,它们的主力领域分别是搜索、零售、PC、社交媒体(SNS),各不相同,但业务结构正日益趋同。因为除了产品或服务名称不同之外,它们都自研人工智能(AI)芯片,在搭载该芯片的数据中心构建云服务,并开发自有AI模型,在这些方面十分相似。
这样的业务结构被称为全栈(full stack)或垂直一体化。即从定制芯片到消费者使用的应用程序(App),掌控AI所有层级的结构。超大规模云服务商正把充裕的现金和从外部募集的巨额投资投入垂直一体化。今年主要超大规模云服务商决定投向AI基础设施的7000亿美元资本支出,也是构建全栈的弹药。
虽然尚不及超大规模云服务商,但与其展开激烈AI模型竞争的超大型初创企业也是如此。特斯拉的关联企业xAI,以及估值逼近1万亿美元的OpenAI和Anthropic,也纷纷投身自研芯片或建设数据中心。那么,AI的代表性玩家为何都在高呼垂直一体化?
全栈的先驱无疑是谷歌。谷歌于2014年收购由“阿尔法围棋之父”戴米斯·哈萨比斯创立的DeepMind,正式推进AI业务。次年,即2015年,谷歌首次自研AI芯片张量处理器(TPU),引领定制AI芯片市场。开发初期TPU仅供内部使用,2018年第一代云端TPU推出后,企业得以间接使用TPU。今年4月,谷歌首次将TPU(第八代)分为训练用和推理用推出。
谷歌构建了从第一层AI基础设施、第二层安全、第三层研究、第四层模型与工具,到第五层产品及平台的AI全栈。谷歌云负责AI芯片开发、数据中心建设和安全。DeepMind负责研究与模型开发。从TPU到Gemini(谷歌AI模型)的AI技术集合体,最终体现为谷歌搜索、YouTube、Gmail等全球消费者爱用的应用程序。
全球第一大云(通过互联网连接的虚拟存储空间)企业亚马逊云科技(AWS)也继谷歌之后着手构建全栈。亚马逊的云业务部门AWS自2018年起开发推理用芯片“Inferentia”和训练用芯片“Trainium”。虽然未像谷歌Gemini那样商业化,但亚马逊在内部使用自有AI模型“Nova”。
随着AI开发热潮汹涌,亚马逊也决定将自研芯片对外销售。亚马逊首席执行官(CEO)安迪·贾西在今年4月的股东信中表示:“自研AI芯片的年营收估算额已超过200亿美元。如果今年销售芯片,年营收规模将达到500亿美元”,“由于芯片需求非常大,今后向第三方大量销售的可能性非常高。”这意味着目前是通过出租AWS数据中心提供芯片,但也可以单独售卖芯片。
继AWS之后位居云市场第二的微软,也是加入AI全栈行列的科技巨头。微软在2023年11月公开首款AI芯片“Maia 100”后,于今年1月推出提升了推理能力的“Maia 200”。Maia 200反映了AI重心从大语言模型(LLM)转向自主判断的AI智能体(助手)、推理性能变得重要的形势。微软表示,Maia 200的低精度运算(FP4)性能达到亚马逊“Trainium”第三代版本的3倍,也领先于谷歌第七代张量处理器(TPU)“Ironwood”。
Maia已部署于微软爱荷华州的数据中心,并将应用于亚利桑那州的设施。它将先投入公司内部超级智能研究团队的开发以及企业级AI助手Copilot,随后扩大到供其云服务“Azure”客户使用。微软还新推出了可基于Maia 200构建AI模型的软件开发工具(SDK)。业界认为该SDK对标AI开发者常用的英伟达软件平台“CUDA”。
后起之秀Meta也为从Facebook、Instagram的运营商转型为AI企业,向云三巨头发起挑战。除不对外销售云服务之外,Meta从自研芯片制造到AI模型开发都在自建体系,在这一点上与谷歌、AWS、微软的业务模式重叠。近来有报道称Meta将把闲置的计算容量对外出售,引发其进军云业务的猜测。Meta正投资500亿美元在路易斯安那州建设5吉瓦(GW)级数据中心,并着手在加拿大建设设施。Meta去年提出开发超越人类的人工超级智能(ASI)目标,并在引进AI数据初创企业Scale AI创始人亚历山大·王后,公开了自有AI模型“Muse Spark”。
2018年推出首款定制芯片的Meta,于今年3月公开了“Meta训练与推理加速器(MTIA)”产品系列MTIA 300、400、450、500等4款,并宣布今后将以6个月为周期推出新型芯片。MTIA是Meta为驱动数据中心而在内部开发的定制芯片(ASIC)。路透社本月9日援引内部备忘录报道,Meta将从今年9月起量产新产品。Meta工程副总裁李智云·宋在3月发布时解释称:“每6个月推出新芯片,周期之快极为罕见”,“由于目前正在极快地扩张产能并对资本支出进行巨额投资,我们希望随时都能用上最尖端的芯片。”
正在争夺首次公开募股(IPO)最高纪录的Anthropic与OpenAI,也在瞄准超大规模,努力构建接近全栈的业务结构。分别租用搭载英伟达图形处理器(GPU)和亚马逊、谷歌芯片的数据中心,开发出AI模型“Claude”和“GPT”的这两家企业,正在筹备芯片自主。
路透社今年4月援引消息人士报道称,Anthropic正在考虑自研芯片。The Information本月2日报道称,Anthropic已启动自研AI芯片的初期阶段工作,并正与潜在制造合作伙伴Samsung Electronics的代工(半导体受托生产)部门进行协商。
去年10月宣布与博通合作开发定制芯片的OpenAI,上月公开了首款自研推理专用芯片“Jalapeño”。预计Jalapeño将按OpenAI的构想设计,并搭载于OpenAI自建的数据中心。
超大规模云服务商与超大型AI初创企业如此力图具备全栈,背后最主要的原因首先是不愿依附于英伟达这样的巨型基础设施企业。它们把具备自主获取AI产业核心——AI芯片的能力视为最大课题。由于英伟达掌控着AI核心的数据中心芯片市场90%的份额,AI开发企业只能死守着争取英伟达GPU。它们认为,要摆脱GPU供应量和供应时点左右业务的结构,必须拥有自研芯片。
具备全栈后,可通过构建针对自家AI模型优化的基础设施提高成本效率,这也是优势。拥有自研芯片,就能对包括冷却、电力基础设施设计在内的数据中心设计进行定制化调整,在相同电力、相同面积下获得更强的运算能力。由于GPU是通用运算芯片,引入专为推理模型定制的芯片还可提升运行速度、减少热损耗。博通CEO陈福阳在上月公开Jalapeño时表示:“其性能与英伟达的Blackwell芯片或谷歌的张量处理器(TPU)相当。”微软CEO萨提亚·纳德拉今年1月公开Maia 200时强调:“这款为业界最高推理效率而设计的产品,每美元性能比现有系统高出30%。”
能够向客户提供从芯片到AI模型的全部所需资源,实现端到端(End-to-End)服务,也是需要全栈的原因。谷歌云的理查德·塞罗特上月通过谷歌博客表示:“AI栈(结构)要完成工作,需要计算基础设施、AI模型、编排(协调)平台以及用户环境等多个层级的有机组合”,“谷歌数十年来有意识地对所有这些层级进行投资。谷歌是直接为客户找齐并提供了所需的全部构成要素。”他还表示:“对TPU的投资早在十多年前就已开始。我们很早就意识到,在提供全球最重要的互联网服务时,拥有自己的供应链和核心基础设施具有巨大价值”,“通过在整个栈上直接管理核心基础设施,我们能够提供依赖多家厂商时无法比拟的高水平服务、性能和稳定性。”






