每次討論到Nvidia 就會引戰，
但是看到一堆不實的指控，
又會讓我忍不住想說明，
然後就引戰刪文，無限循環
先說結論：CUDA
就此打住，再多說就是引戰
這幾家大型軟體公司有自己的晶片與硬體研發團隊已經十幾年以上，
當然有自己的AI晶片一點都不會意外，
就以新聞說的微軟來討論，
微軟AI晶片主要有兩個項目: OpenAI, Cloud
OpenAI 用的晶片是微軟跟AMD合作，
由AMD主力開發賣給微軟
Cloud的部分才是新聞說的首款自製晶片，
這款自製晶片的研發團隊由兩個主力組成:
xbox硬體團隊 + 原snapdragon cpu core團隊，
原snapdragon cpu core團隊被高通整組裁員之後全部被微軟收下，
改作微軟Cloud 的晶片,
xbox硬體團隊除了xbox之外，
比較有名的是hololen project,
這個團隊實力很強，
做出來的AI晶片應該是不錯,
不過微軟很多時候做硬體只是為了殺價用，
讓人懷疑他們自己軟體部門是否會願意使用這款自製的晶片
同樣情況Amazon AWS有一堆自製的晶片與硬體，
最有名的是AWS ARM CPU 跟 lab126,
同樣的Google Cloud 也有一堆自制晶片與硬體，
甚至安卓/pixel/nest 也有一堆自製晶片，
所以不要以為市場只有Nvidia 能做AI晶片，
這些大型軟體公司都有能力做AI晶片，
效能都不輸Nvidia，
問題在CUDA (我不多做解釋了)
※ 引述《Lushen (pttlushen)》之銘言：
: 上次台裔Google科學家紀懷新Ed H. Chi (L9)來台灣接受訪問的時候就有談到這個:
: 今天記者會上，紀懷新也解密，其實 Google 在訓練 AI 時，100% 使用的都是自家的
: TPU，「Google 很早就在 AI 領域投入了大量資源，包括硬體，包括裡頭的數學、算法等
: ，這些都是我們的強項。」
並不是100% 使用的都是自家的TPU，
最多就只是他的部門的某一兩個project 用自家的TPU,
我沒有詳細數字，
但是我猜大概50%用自家的TPU
原因很簡單，
自家的TPU是對自家特殊的算法做加速,
每個TPU的設計都不同，不能共用，
比方說，
現在最熱門的LLM需要極大的記憶體空間，
對運算速度需求反而不是最大瓶頸，
所以會有一款特製TPU把記憶體拉到最大來符合LLM需要，
但是這款TPU拿去做search, youtube 圖像辨識等等卻又不適用了，
並不是每個算法與專案項目都有相對應的TPU，
可能難度過大或是需要的資源過多，
也有可能這個專案只需要一些機器就夠用，
也有可能這個專案只需要一次性短時間train data,
所以很多算法與專案項目是直接拿Nvidia or AMD GPU
: Google 2023 最新的論文
: TPU v4: An Optically Reconfigurable Supercomputer for Machine Learning with
: Hardware Support for Embeddings
: Abstract
: 1.2x–1.7x faster and uses
: 1.3x–1.9x less power than the Nvidia A100
客製化的TPU or ASIC一定比GPU快，
某些TPU在某些特殊算法上面的應用甚至比H100 快很多，
但是這些TPU or ASIC並不是通用AI 晶片，
無法通用在各式各樣的算法與應用
: 大公司自己搞這些東西沒問題
: 沒資源搞這些有的沒的 還是只能跟Nvidia買沒衝突
: 至於什麼生態
: 大公司完全可以自己在公司搞一套自己專用的工具
: 進來的人自然會想辦法學會這套工具怎麼用
: https://www.inside.com.tw/article/32510-Google-Bard-Ed
: 微軟要搞鏟子好啊
: 還是只能找台積電代工
: 代工鏟子94舒服
: ※ 引述《jerrychuang ()》之銘言：
: : 原文標題：
: : 減少依賴輝達 傳微軟將推自研首款AI晶片
: : 原文連結：
: : https://ec.ltn.com.tw/article/breakingnews/4451397
: : 發布時間：
: : 2023/10/07 11:13
: : 記者署名：
: : 原文內容：
: : 〔財經頻道／綜合報導〕根據《The Information》報導，微軟（Microsoft）可能下個月
: : 在其年度開發者大會上，推出首款專為人工智慧 （AI）設計的晶片。