“通用芯片”之夢

AI時代誕生新的「摩爾定律」：AI所需算力每100天將翻一倍。算力就像曾經的石油，成為新時代進程最稀缺的資源。

英偉達已成為全球最大的新一代AI產品專用芯片制造商，因為ChatGPT的快速爆紅讓全球幾乎每家公司都在把AI融入其運營。而英偉達之所以能獨領風騷，一個關鍵原因在于其廣受人工智能領域追捧的芯片產品 —— 即A100芯片及更高一代的H100芯片，目前這些高端芯片及相應的顯卡已是一卡難求。

有業內人士稱，確有英偉達急件訂單大量涌入臺積電，包括英偉達AI芯片H100、A100、H800、A800，將臺積電5nm工藝平臺的產能利用率推高至接近滿負荷。臺積電以「超級急件」生產英偉達，訂單已至年底。

為何只有英偉達的芯片成為人工智能領域獨一無二的玩家？向來在顯卡稱霸的公司為何能在深度學習和人工智能領域脫穎而出？

1999年，初露頭角的英偉達首次推出了GPU這一概念。在此之前，包括英特爾在內的CPU廠商都認為將圖形工作獨立到另一附屬處理器上的想法十分雞肋，GPU并沒有得到多少市場空間。

而微軟開發出了Direct X這一標準化的API圖形接口，大量的圖形功能從CPU里面移植出來，轉到GPU之上。此后，微軟又引入統一渲染技術，即讓GPU將圖形繪制的頂點計算和之后的渲染兩個步驟進行合并。

在微軟統一渲染架構之后，英偉達果斷的把自己從前的GPU架構推倒重來：其GPU流處理器被進行了細致的分組，變成一個個小型流處理器且能單獨運行，解決了流處理器此前被綁定無法獨立運行而被迫閑置的問題。

這奠定了英偉達后來革命性CUDA架構（Compute Unified Device Architecture，通用并行計算架構）的出世。由于英偉達的流處理器是很獨立且標準的單元，極易控制和調度，這讓原本只能串行處理的任務可以被并行處理，這讓編程難度大大降低。

英偉達又在2017年引入了Tensor Core計算單元概念，其專門為深度學習而設計，支持更低精度的運算從而大幅節省了模型算力。這一專用的加速單元很大程度上排擠了CUDA處理深度學習的空間，但也同時打了英偉達競爭對手一個措手不及，讓AI專用芯片也不再吸引人。

真正讓英偉達脫穎而出的，還是其將GPU用在了通用計算上 —— 通過CUDA編程，能夠讓多個GPU并行運算，從而大幅提升計算性能。讓GPU脫離了圖像處理的單一用途，開始真正具備通用計算的能力，并逐步被用到了AI的深度學習之中。

事實上，當AI一瞬間爆發，行業內的企業無奈發現，GPU是簡單高效運行生成式AI模型的最好選擇。一個本用來玩游戲的GPU不太可能切換去跑AI程序，目前只有英偉達的GPU能夠做到運行AI模型。

財報證實，GPU巨頭英偉達已占據AI芯片供應商中的領先地位，在其財報電話會上稱，眾多云公司競相部署AI芯片，令其業績的“大幅增長”來自于數據中心業務，個人電腦GPU需求穩固。

除了強勁的財務表現外，英偉達還在不斷拓展其在AI領域的影響力和合作關系，面對外界龐大的AI芯片需求，英偉達已經不滿足于芯片設計者的角色，而是將觸角伸向基礎服務設施領域。

在GTC大會上，英偉達又推出了一項新的AI超級計算服務 —— DGX Cloud 云服務，可以讓企業快速訪問為生成式人工智能和其他開創性應用訓練高級模型所需的基礎設施和軟件。簡單理解，就是通過這個云平臺，用戶可以直接調用英偉達的超級計算機DGX的AI算力，而不是去“堆”A100、H100。

目前，英偉達與微軟 Azure、谷歌 OCP、Oracle OCI等其他云廠商一起托管DGX Cloud基礎設施。黃仁勛還表示，未來中國也可以采用這項服務，中國創業公司可以期待阿里、百度、騰訊提供的底層算力服務。

同時，英偉達還發布了“NVIDIA AI Foundations”，為需要定制大型語言模型和生成AI的客戶提供幫助。這些客戶可以通過英偉達的DGX Cloud AI超級計算機云服務直接訓練和訪問大型模型產品，無需自己配置超級計算機服務。

除了計算中心，英偉達也將觸角伸到了芯片代工制造領域：與臺積電、ASML和新思科技等芯片代工制造企業合作，推出一款新的計算光刻應用，可大幅降低芯片代工企業在光刻工藝上的芯片消耗時間和能力，為生產2nm芯片和未來更先進的芯片做好技術儲備。

以臺積電為例，使用500臺裝有H100芯片的DGX即可替代需要4萬個用驅動計算光刻的CPU服務器，可以將工廠的性能從35兆瓦直接降至5兆瓦，預計臺積電將于6月開始準備生產這種技術。

誰能打敗英偉達？

AMD最新AI芯片Instinct MI3000預計將于今年推出；最近市場還傳出微軟與AMD合作開發新款AI芯片，加快推出相關產品，為自身及市場提供英偉達GPU之外的另一種底層硬件選擇。

英特爾披露了旨在為AI技術提供動力的產品路線圖細節，下一代GPU“Falcon Shores”芯片預計2025年推出；Meta公司也披露其正在構建首款專門用于運行AI模型的定制芯片MTIA（Meta Training and Inference Accelerator）芯片，使用名為RISC-V的開源芯片架構，預計于2025年問世。

但與英偉達相比，AMD和英特爾的競爭實力要弱得多。例如，英偉達的數據中心業務在第一季度增長了14%，AMD數據中心業務增長持平，英特爾的AI與數據中心業務卻下降了39%。

據The Information報道，微軟正在秘密研發自己的AI芯片，代號雅典娜（Athena）。據悉，這些芯片是為訓練大語言模型等軟件而設計，首個目標是為OpenAI提供算力引擎。微軟希望這款芯片的性能比其斥資數億美元從其他供應商側購置的芯片性能更優，這樣就可以為價值高昂的人工智能工作節省成本。至于推出時間，尚未有明確說法。

更別提AI芯片領域的競爭本就愈發激烈，不少初創公司正在專門為AI開發新型芯片，高通和蘋果等專注于移動設備的公司也在不斷推動這項技術，谷歌和亞馬遜都在設計自己的人工智能芯片。

制造一個好的AI芯片，至少需要數年的時間，而英偉達目前已經取得了巨大的領先優勢。但是值得注意的是，前文已經說了，AI所需算力每100天將翻一倍。如果不在當前的軟硬件基礎上做出更多創新，人類目前的算力發展不可能達到如此恐怖的需求增長。顯然，英偉達雖然強大，但并沒有能力覆蓋整個市場。

據報道，微軟等客戶對英偉達A100/H100芯片訂單需求追到了2024年，微軟為了給必應聊天機器人與Office365留下足夠資源，內部已陷入AI服務器短缺，甚至必須對GPU采取“配額供給”機制。

這很像2021-2022年席卷全球的缺芯潮：成千上萬的AI初創公司、甚至是大型云服務商，將如當年因缺少關鍵芯片而停產的車企，或因缺少GPU面臨相似困境。

此外，英偉達還要應對全球芯片供應短缺、地緣政治風險、監管審查等問題。例如，英偉達去年宣布以400億美元收購ARM，但該交易遭到了多國反壟斷機構和ARM客戶的質疑和反對。

在資源緊缺的極度焦慮之下，必將開始尋求其他品牌的替代品。疊加全球供應鏈安全的考量，AI芯片市場從過去的英偉達一家獨大，或慢慢轉變為群雄割據。

總體看來，在這場競賽中亞馬遜似乎占據了先機，已擁有兩款AI專用芯片 —— 訓練芯片Trainium和推理芯片Inferentia；谷歌則擁有第四代TPU（張量處理單元）。相比之下，微軟等還在很大程度上依賴于英偉達、AMD和英特爾等芯片制造商的現成或定制硬件。

結語

從長遠來看，未來大模型的研發和部署是必然趨勢，每個大模型訓練和部署的背后，都需要成千上萬個GPU芯片支持。隨著谷歌、微軟、亞馬遜等科技巨頭開始設計自己的定制芯片，競爭也在加劇，并有望像GPU打敗CPU一樣，改寫黃仁勛在AI芯片領域的絕對主導地位。

算力是運行模型的基礎，場景是運用模型的環境。To C的大模型是大廠的主戰場，但它們在To B上卻無法做到贏家通吃。要將“ChatGPT”送入千行百業，在通用大模型之外，低算力消耗的專用“小”模型也將誕生更多機會。

目前，AI場景并未固定，而是不斷擴展和演進。未來，隨著新的應用場景涌現，也許會催生新的細分需求，從而影響芯片產品的形態。因此，對于國內創業公司而言，通過觸達更多的實際使用場景來夯實自己在芯片領域的算力優勢，打造其他競爭對手難以逾越的技術障礙，將是新的成長機會。