半岛彩票人工智能（AI）基础设施，正在吸引大批科技巨头“重金”投资。美国当地时间11月15日，微软在总部所在地美国西雅图亮相了“微软硅”计划，并推出两款为AI基础设施打造的自研芯片：AI加速芯片Maia 100及服务器CPU芯片Cobalt 100。
微软是继亚马逊、谷歌、Meta等之后，又一亲手打造芯片的AI基建开发商。自研芯片既是这些科技巨头降本增效的有效手段，也是维护其行业地位的必要措施。
不过，微软尚未立即使用自研芯片取代外部供应的芯片。该公司同时宣布，将在云服务中率先采用AMD新款服务器芯片MI300 X及英伟达H200芯片，显示出该公司希望捍卫AI基建中的技术领军者地位。
人工智能仍在如火如荼地发展，令人惊艳的应用背后，是高昂的硬件、软件、人工成本。在接受南方财经全媒体记者采访时，有创业者介绍，降低硬件成本的需求十分迫切，因为未来还将面临其他成本的上升。
“2016年之前，微软云基建主要依赖于第三方采购。”微软云硬件（AHSI）部门项目经理Pat Stemen坦言。继亚马逊、谷歌、Meta推出自研芯片后，微软的“硅计划”一直为市场期待，因为这一度被视为微软的短板。从此次发布来看，微软仍未放弃第三方供货芯片，但自研芯片取得了重要进展。
此次亮相的Maia 100是一款AI加速器芯片，用于大型语言模型的训练和推理；Cobalt 100则是微软为微软云Azure开发的第一款CPU。
Maia正是传说中的微软“雅典娜（Athena）计划”，该计划起步于2019年左右。由于生成式AI在2023年急速发展，微软的这项计划获得了极高的关注，大半年来的市场讨论持续升温。这反映出微软可能会推出与英伟达等公司竞争的芯片。
而有关自研发服务器CPU，微软硬件产品开发副总裁Wes McCullough介绍，Cobalt 100选用了Arm架构，旨在优化整个数据中心的“每瓦性能”，也就是令消耗的每个单位能源形成更多的计算能力。多名同行已经在早前开发出Arm架构的服务器CPU，微软属于“后来者”。
要开发大模型和运营大模型下的应用，AI加速器芯片和服务器CPU必不可少。但此前这些芯片和服务器主要依赖于少数巨头的供货，例如英伟达、AMD、英特尔等，这给作为采购者的微软等公司带来巨大的成本压力。SemiAnalysis首席分析师Dylan Patel称：“和英伟达产品相比，若Athena具有竞争力，便可以将每片芯片的成本降低三分之一。”
不过，自研芯片并不代表微软“切割”与其他芯片供应商的关系。在本次Ignite大会上，微软还公布了对AMD和英伟达新款芯片的采用计划。
微软表示，云服务将采用AMD的最新款芯片Instinct MI300X，建立具有高宽带内存（HBM）的虚拟机（VM），每个虚拟机有1.5TB的HBM容量，这也是目前云服务中可用的最高HBM容量。
此外，微软云正采用英伟达H100芯片打造新款虚拟机，明年也会准备好采用英伟达最新款的服务器芯片H200。H200是英伟达在11月13日刚刚亮相的新产品，亚马逊云AWS、谷歌云、微软云Azure和Oracle云也将是首批用上H200的云服务商。
“微软硅”的亮相，反映出AI相关公司试图打破硬件端的垄断，降低整体建设成本。生成式AI解决方案从业者告诉南方财经全媒体记者，整体而言，人工智能开发成本依然水涨船高，而硬件成本是目前实现“降本增效”的关键一环。
生成式AI建模服务供应商Akkio联合创始人Jon Reilly向南方财经全媒体记者介绍，要利用人工智能开展工作，需要付出的成本包括硬件、软件、人工等。“目前而言，硬件成本占比十分可观。”
AI硬件是指能够处理大量数据和运算、进行数据存储的芯片，这些芯片比大众日常接触的计算机要昂贵许多。
数据中心所需要的硬件类型多元化，其中GPU知名度最高，但也并非唯一选择。根据计算需求、编程难度、应用复杂度，数据中心可能会采用不同的硬件方案。Jon Reilly介绍，GPU提供高水平的计算能力，但可能很昂贵；FPGA通常比GPU便宜，计算能力较高，但可能很难编程；ASIC可能很昂贵，但性能很高，有时用于复杂的人工智能应用。
尽管“自研”的目的是为了降低购买芯片的支出，但从事“自研”这件事情本身就可能耗资不菲。
以微软AI芯片计划“雅典娜”为例，其招聘成本可能十分高昂。有市场数据称，“雅典娜”有大约300名雇员。Dylan Patel认为，在高昂的人工开支下，“雅典娜”每年的开发成本可能高达1亿美元。11月16日，南方财经全媒体记者在微软招聘官网上看到，一名7年工作经验的高级芯片工程师底薪为每年11.2万至21.84万美元，若工作地点在旧金山湾区或纽约大都会地区，底薪还将小幅增加。
据Jon Reilly介绍，对于人工智能创业公司而言，招聘的通常是数据科学家、机器学习工程师和软件开发人员，这些职位在美国的年薪大约在10万至12万美元之间。
越来越多的公司需要为人工智能付出成本。尽管它们不像微软、谷歌等公司一般需要建立数据中心，但仍然需要租用云上服务器，并招聘相关的人才，这意味着云服务商仍然需要通过AI芯片增强市场竞争力。
人工智能成本因人而异，除了硬件成本和人工成本，部分从业者还将面临着持续上涨的软件成本。软件与数据收集、分析和处理相关，“用于AI训练的标记数据，需要收集、清理、组织和处理，过程非常耗时，因此也可能十分昂贵。”Jon Reilly称。展望未来，软件成本可能持续上升。
投资者关系关于同花顺软件下载法律声明运营许可联系我们友情链接招聘英才用户体验计划
不良信息举报电话举报邮箱：增值电信业务经营许可证：B2-20090237
