人工智能技术的使用预计将在相对较短的时间内呈指数级增长。贝恩公司最近的一份报告估计，到2027年，全球AI市场可能达到近1万亿美元。生成式AI和自然语言处理工具的迅猛崛起意味着对支持这些技术的半导体需求增加。图形处理单元被认为是高性能计算的最佳芯片。多个行业使用GPU芯片，包括汽车、金融和区块链行业。
随着AI技术在医疗领域的不断扩展，其应用范围涵盖了医学诊断、药物发现、机器人手术和数据管理，医疗系统也越来越依赖GPU的计算能力。全球对GPU的广泛需求导致了全球短缺，引发了关于医疗AI受影响的问题。
“我认为GPU是AI的大脑，”Pure Storage的生命科学战略联盟和基因组学负责人Bill Lynch说，“你需要GPU来使AI工作，因此你会看到对它们的持续需求。”
医疗应用中的GPU
虽然ChatGPT在2022年的推出加速了全球对AI的讨论，但GPU在医疗领域的应用远早于此。过去二十多年来，GPU一直用于增强医学影像，帮助医生做出更精确的诊断。
GPU支持医学研究的进步。它们被用于加速基因组测序，研究人员利用这种方法研究癌症等疾病的发生机制。
由GPU驱动的AI技术提升了药物发现的效率。NVIDIA的医疗保健和生命科学全球业务开发主管Rory Kelleher表示：“借助NVIDIA的BioNeMo等生成式AI平台，科学家可以设计具有所需特性的药物，这些药物更有可能在临床试验中取得成功。”
GPU还用于训练大型语言模型，以改善医生和患者的体验。这种类型的AI用于临床文档和医疗聊天机器人。专家表示，GPU更快、更强的计算能力使其成为医疗AI持续发展的关键。“如果你正在构建一个文本转语音模型、蛋白质设计模型或计算机视觉模型，GPU可以更高效地大规模训练和运行这些模型，”Kelleher说。“中央处理器适用于顺序任务，但AI需要并行处理能力，而GPU在这方面表现更好，”Lynch补充道。
医疗领域的半导体供应链
NVIDIA首席执行官Jensen Huang最近描述了公司Blackwell GPU芯片的需求为“疯狂”。2024年10月，摩根士丹利的一位分析师报告称，这些GPU已经预订了12个月。CDW认为，来自亚马逊网络服务、微软Azure和谷歌Web平台等超大规模企业的高需求可能是导致全球芯片短缺的原因之一。
Sharp HealthCare的副总裁兼首席数据、AI和发展官Jon McManus将先进的半导体供应链描述为“脆弱”，因为它依赖于“数千个供应商需要完美协作”来生产芯片。“由于COVID-19大流行期间的动荡，该行业已经受到削弱，随后又面临巨大的需求压力，”McManus说。Lynch同意这一观点，但他认为即使没有疫情，对AI的兴趣激增也会导致芯片短缺。“我的市场看法是，由于AI工作负载需求的增加，我们会看到这种放缓。很难仅仅因为从未见过这种对原材料的需求而增加更多芯片的生产，”他说。
芯片短缺对医疗行业的影响
大多数医疗系统使用云服务。根据TechTarget报道，2023年Forrester关于医疗云的报告显示，73%的医疗组织与多个公共云供应商合作。McManus表示，像Sharp Healthcare这样的组织通过这些合作伙伴关系获得了GPU驱动的AI功能。“这就是为什么我认为医疗行业并没有真正感受到芯片短缺的影响，因为大多数大型云供应商已经批量采购了GPU。”他推测，如果芯片短缺长期持续，那些有技术债务或主要使用本地服务器的医疗系统可能会难以部署AI。如果大型云供应商没有足够的GPU，后来加入AI竞赛的组织可能无法获得这些合作伙伴关系。“除非你有自己的AI开发人才，否则许多AI功能几乎只能通过云合作伙伴关系获得，”McManus说。“尚未涉足这一领域的医疗系统可能会遇到获取这些功能的困难。”
如何应对芯片短缺
为了应对芯片短缺，一种选择是使用大型云公司的AI资源来训练大型语言模型或运行分析，然后再将专有数据带回本地。“我不需要购买GPU并将它们保留在自己的数据中心，”Lynch解释说。“我基本上可以从亚马逊、微软Azure和其他公司租用它们，而且只对我实际使用的数据收费。”McManus建议与多个供应商合作，以确保组织始终能够获得所需的云计算服务和AI功能。另一种选择是尝试替代方案，如Google的张量处理单元（TPU），这些单元专门设计用于处理AI工作负载。McManus补充说，风险缓解应该是任何组织规划的一部分。“如果出现大规模的GPU短缺，经济影响可能会非常深远。在某个时候，如果供应中断，准备好暂停AI计划，直到市场稳定。”
(全文结束)
