如今的英伟达，稳坐GPU霸主王座。

ChatGPT诞生后，带来生成式AI大爆发，彻底掀起了全球的算力争夺战。

前段时间，一篇文章揭露，全球对H100总需求量超43万张，而且这样的趋势至少持续到2024年底。

过去的10年里，英伟达成功地将自家芯片在AI任务上的性能提升了千倍。

对于一个刚刚迈入万亿美元的公司来说，是如何取得成功的？

近日，英伟达首席科学家Bill Dally在硅谷举行的IEEE 2023年热门芯片研讨会上，发表了关于高性能微处理器的主题演讲。

在他演讲PPT中的一页，总结了英伟达迄今为止取得成功的4个要素。

摩尔定律在英伟达的「神奇魔法」中只占很小的一部分，而全新「数字表示」占据很大一部分。

英伟达如何在10年内将其GPU在AI任务上的性能提高了千倍

把以上所有这些加在一起，你就会得到「黄氏定律」（Huang's Law）。

黄教主曾表示，「由于图形处理器的出现，摩尔定律已经站不住脚了，代之以一个新的超强定律。」

数字表示：16倍提升

Dally表示，总的来说，我们最大的收获是来自更好的「数字表示」。

这些数字，代表着神经网络的「关键参数」。

其中一个参数是权重，模型中神经元与神经元之间的连接强度。

另一个是激活度，神经元的加权输入之和乘以多少才能决定它是否激活，从而将信息传播到下一层。

在P100之前，英伟达GPU使用单精度浮点数来表示这些权重。

根据IEEE 754标准定义，这些数字长度为32位，其中23位表示分数，8位基本上是分数的指数，还有1位表示数字的符号。

但机器学习研究人员很快发现，在许多计算中，可以使用不太精确的数字，而神经网络仍然会给出同样精确的答案。

这样做的明显优势是，如果机器学习的关键计算——乘法和累加——需要处理更少的比特，可以使逻辑变得更快、更小、更高效。

因此，在P100中，英伟达使用了半精度FP16。

谷歌甚至提出了自己的版本，称作bfloat16。

两者的区别在于分数位和指数位的相对数量：分数位提供精度，指数位提供范围。Bfloat16的范围位数与FP32相同，因此在两种格式之间来回切换更容易。

回到现在，英伟达领先的图形处理器H100，可以使用8位数完成大规模Transformer神经网络的某些任务，如ChatGPT和其他大型语言模型。

然而，英伟达却发现这不是一个万能的解决方案。

例如，英伟达的Hopper图形处理器架构实际上使用两种不同的FP8格式进行计算，一种精度稍高，另一种范围稍大。英伟达的特殊优势在于知道何时使用哪种格式。

Dally和他的团队有各种各样有趣的想法，可以从更少的比特中榨取更多的人工智能性能。显然，浮点系统显然并不理想。

一个主要问题是，无论数字有多大或多小，浮点精度都非常一致。

但是神经网络的参数不使用大数，而是主要集聚在0附近。因此，英伟达的R&D重点是寻找有效的方法来表示数字，以便它们在0附近更准确。

复杂指令：12.5倍

「提取和解码指令的开销远远超过执行简单算术操作的开销，」 Dally说道。

他以一个乘法指令为例，执行这个指令的固定开销达到了执行数学运算本身所需的1.5焦耳的20倍。通过将GPU设计为在单个指令中执行大规模计算，而不是一系列的多个指令，英伟达有效地降低了单个计算的开销，取得了巨大的收益。

Dally表示，虽然仍然存在一些开销，但在复杂指令的情况下，这些开销会分摊到更多的数学运算中。例如，复杂指令整数矩阵乘积累加（IMMA）的开销仅占数学计算能量成本的16％。

摩尔定律：2.5倍

保持摩尔定律的有效性需要数十亿美元的投资、非常复杂的工程上的设计，甚至还会带来国际关系的不稳定。但这些投入都不是造成英伟达GPU的成功的主要原因。

英伟达一直在使用全球最先进的制造技术来生产GPU——H100采用台积电的的N5（5纳米）工艺制造。这家芯片工厂直到2022年底才开始建设它的其下一代N3工艺。在建好之前，N5就是业内最顶尖的制造工艺。

稀疏性：2倍

将这些网络变得「稀疏」以减少计算负荷是一项棘手的工作。

但是在A100，H100的前身中，英伟达引入了他们的新技术：「结构化稀疏性」。这种硬件设计可以强制实现每四个可能的剪枝事件中的两次，从而带来了一种新的更小的矩阵计算。

Dally表示：「我们在稀疏性方面的工作尚未结束。我们需要再对激活函数进行加工，并且权重中也可以有更大的稀疏性。」