據媒體最新報道，英偉達即將推出至少三款新的 AI 芯片，包括 H20 SXM、PCIe L20 和 PCIe L2，以替代被美國限制出口的 H100。這三款芯片均基於 Hopper GPU 架構，最高理論性能可達 296TFLOP（每秒浮點運算次數，也叫每秒峯值速度）。幾乎可以肯定的是，這三款 AI 芯片均是 H100 的 “閹割版” 或 “縮水版”。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2023/1cc870aba31360034f7e56c207e634d1?x-oss-process=style/lg" width="1024" height="762" original-src="https://pub.pbkrs.com/uploads/2023/1cc870aba31360034f7e56c207e634d1"/></figure>理論上 H100 比 H20 的速度快了 6.68 倍。據分析師 Dylan Petal 最新發布的一篇博文，即使 H20 的實際利用率能達到 90%，其在實際多卡互聯環境中的性能仍只能接近 H100 的 50%。也有媒體稱，H20 的綜合算力僅相當於 H100 的 20%，且由於增加了 HBM 顯存和 NVLink 互聯模塊，算力成本顯著提高。不過，H20 的優點也很明顯，在大語言模型（LLM）推理方面比 H100 快了 20% 以上。理由是 H20 在某些方面與明年要發佈的下一代超級 AI 芯片 H200 相似。英偉達已經做出這三款芯片的樣品，H20 和 L20 預計將於今年 12 月推出，而 L2 將於明年 1 月推出。產品採樣將於發佈前一個月開始。<h2 id="h01o0j9qs">H20 Vs. H100</h2>先來看 H100，擁有 80GB HBM3 內存，內存帶寬為 3.4Tb/s，理論性能為 1979 TFLOP，性能密度（TFLOPs/Die size ）高達 19.4，是英偉達當前產品線中最強大的 GPU。H20，擁有 96GB HBM3 內存，內存帶寬高達 4.0 Tb/s，均高於 H100，但計算能力僅為 296 TFLOP，性能密度為 2.9，遠不如 H100。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2023/c12f5a84706e871465ec0b4935588547?x-oss-process=style/lg" width="1024" height="335" original-src="https://pub.pbkrs.com/uploads/2023/c12f5a84706e871465ec0b4935588547"/></figure>理論上 H100 相比 H20 的速度快了 6.68 倍。但值得注意的是，這個比較是基於 FP16 Tensor Core 的浮點計算能力 (FP16 Tensor Core FLOPs)，且啓用了稀疏計算（大大減少運算量，因此速度會有顯著提升），因此並不能全面反映其所有的計算能力。另外，該 GPU 的熱設計功耗為 400W，低於 H100 的 700W，並且在 HGX 解決方案 (英偉達的 GPU 服務器方案) 中可以進行 8 路 GPU 的配置，它還保留了 900 GB/s 的 NVLink 高速互聯功能，同時還提供了 7 路 MIG(Multi-Instance GPU，多實例 GPU) 的功能。H100 SXM TF16（Sparsity）FLOPS = 1979 H20 SXM TF16（Sparsity）FLOPS = 296根據 Peta 的 LLM 性能對比模型表明，H20 在 moderate batch size 下峯值 token/秒，比 H100 高出 20%，在 low batch size 下的 token to token 延遲比 H100 還要低 25%。這是由於將推理所需的芯片數量從 2 個減少到 1 個，如果再使用 8 位量化，LLAMA 70B 模型可以在單個 H20 上有效運行，而不是需要 2 個 H100。值得一提的是，H20 的計算能力雖然只有 296 個 TFLOP，遠不及 H100 的 1979 個，但如果 H20 的實際利用率 MFU（目前 H100 的 MFU 僅為 38.1%），這意味着 H20 實際能跑出 270 TFLOPS，那麼 H20 在實際多卡互聯環境中的性能接近 H100 的 50%。從傳統計算的角度來看，H20 相比 H100 有所降級，但在 LLM 推理這一方面，H20 實際上會比 H100 快了 20% 以上，理由是 H20 在某些方面與明年要發佈的 H200 相似。注意，H200 是 H100 的後繼產品，複雜 AI 和 HPC 工作負載的超級芯片。<h2 id="omyn14da">L20 和 L2 配置更加精簡</h2>與此同時，L20 配備 48 GB 內存和計算性能為 239 個 TFLOP，而 L2 配置為 24 GB 內存和計算性能 193 個 TFLOP。L20 基於 L40，L2 基於 L4，但這兩款芯片在 LLM 推理和訓練中並不常用。L20 和 L2 均採用 PCIe 外形規格，採用了適合工作站和服務器的 PCIe 規格，相比 Hopper H800 和 A800 這些規格更高的型號，配置也更加精簡。但是英偉達用於 AI 和高性能計算的軟件堆棧對某些客户來説非常有價值，以至於他們不願放棄 Hopper 架構，即使規格降級也在所不惜。L40 TF16 (Sparsity) FLOPs = 362 L20 TF16 (Sparsity) FLOPs = 239 L4 TF16 (Sparsity) FLOPs = 242 L2 TF16 (Sparsity) FLOPs = 193

英偉達

理論上 H100 比 H20 的速度快 6 倍以上，但在 LLM 推理方面，H20 比 H100 快了超過 20%。

和 H100 相比，英偉達特供中國的 AI 芯片性能如何？