作者：萬連山

來源：格隆

1848年，美國加州發現金礦，無數淘金客蜂擁而至。

短短4年，跟風來此的人就多達30萬，當地客棧、餐廳、酒吧、妓院、賭場，價格水漲船高。

絕大多數人就算憑運氣得到了金子，也都把錢散在了這些地方。

真的賺到錢，攢到錢的，沒有一個是淘金者，反倒是那些給淘金者提供服務的人。

有一位叫布蘭南的商人，他沒有自己去挖金子，而是大量囤積鋤頭、錘子、篩網，每天向礦工們出售，單日利潤高達5000美元。

靠着倒騰裝備，他成爲加州第一位百萬富翁。

百年後，相似的故事又在重演。

ChatGPT引領的AI革命，是當下最火的“金礦”，微軟最先淘到金塊，各大巨頭聞風而後動，小廠也不甘落伍。

大家都想去淘塊金子。

其中，能有幾個淘到黃金還不好說。但能確定的是，不管別的企業賺不賺錢，英偉達肯定賺的盆滿鉢滿。

它是目前唯一一個在AI這個金礦邊上，賣鏟子的角色。

如同70年代OPEC一限產，全球工業都得熄火。

現在，只要英偉達一斷供芯片，全球至少有一半科技公司都要地震。

黃仁勳和他的算力帝國，已經扼住了這個科技時代的命脈。

1

AI背後的新帝國

自古時勢造英雄，風口出巨頭。

2018年初，《財富》雜誌舉辦的活動中，有人問黃仁勳：你何時知道英偉達公司將會改變世界的？

答：1993年2月17日，我成立公司的日子。不改變世界，我創個什麼業？

可能有吹牛的成份，但歷史本就是由勝者書寫。

從一開始，英偉達就是靠開發遊戲顯卡起家的。而顯卡的升級，依賴的是算力提高。

電子遊戲帶來了針對算力的需求，而這些算力又用在了更多地方。

迄今爲止，幾乎所有AI里程碑，都發生在英偉達的硬件上。

2010年，計算機科學家吳恩達在谷歌X實驗室，意圖構建一個可以自行學習的神經網絡。

這個模型在YouTube上觀看了1000萬個視頻，並學會了如何認出人臉、身體和貓。但想要準確做到這一點，預計需要1.6萬塊CPU提供算力。

就算是家大業大的谷歌，也不能輕鬆批下這麼大的預算。

英偉達首席科學比爾·戴利，是吳的好友。聽聞此事大笑兩聲，直道這有何難：“我只需要幾塊GPU就可以做到同樣的事情。”

他解釋道，CPU注重的是邏輯運算能力，它可以完成極其複雜的工作，但缺點是每次處理的工作量有限。GPU沒有那麼強的邏輯能力，但可以同時進行大量簡單計算。

戴利找到剛入職英偉達的研究員布萊恩· 卡坦扎羅，很快就找到了解決方案：並聯12塊GPU成功驅動了吳恩達的神經網絡模型，並聯48塊GPU就能得到預計要用1.6萬塊CPU纔有的理想效果。

兩年後，Alex團隊在兩塊GeForce GTX 580上，使用1400萬張圖像成功訓練了AlexNet，首次證明GPU可以用於訓練人工智能。

AI技術飛躍的奇點，自此開始。

2016年8月，黃仁勳把全球第一臺AI超級計算機DGX-1捐給了成立不到一年的OpenAI。

這臺 DGX-1 ，能把 OpenAI 一年的訓練時間，壓縮到短短一個月。

老黃在機器上寫下一句話：

致 Elon 和 OpenAI 團隊！爲了計算和人類的未來，我捐出世界上第一臺 DGX-1！

數年過去，ChatGPT面世，被稱爲AI技術革命的開始。

據報道，OpenAI 用了10000個GPU來訓練 ChatGPT，這些硬件可能會在 12 個月內爲英偉達帶來30-110億美元的銷售額。

這是非常恐怖的收益。

同時，隨着越來越多的企業開始使用AI來理解收集的海量數據，各國政府也在向深度學習研究領域投入資金以保持領先地位。AI已成爲“下一個超級大國”競爭的焦點領域。

但因爲技術越發成熟，AI參數規模、數據量這些軟件指標也會疊加上來，誕生AI時代的新「摩爾定律」。

按照現在的趨勢，根據預測，AI所需算力每100天將翻一倍。

算力就像曾經的石油，成爲新時代進程最稀缺的資源。

而早從2015年開始，英偉達的GPU在超算中心的市場份額一路上漲，這幾年穩居 90% 左右。

這也就無怪乎，爲什麼在人工智能產業浪潮中，英偉達被視爲全球科技行業最大的贏家。

畢竟，在這場淘汰賽中，不論誰勝誰負，都繞不開基礎的算力和硬件。

它就像曾經賣鏟子的那個商人，甚至猶有過之，扼住了所有下遊的咽喉。

但沒人樂意被卡脖子。

就像全世界的遊戲玩家，基本都用着N卡，還是對英偉達罵聲一片。

用N卡，是因爲它在筆記本上無可替代。罵他，是因爲太貴了。

AMD的顯卡，看着跑分高，但在實際遊戲中的表現就不盡人意；英特爾的ARC獨立顯卡，性能連英偉達的RTX入門級顯卡的性能都夠不到。

有什麼辦法？爲了體驗，只能選N卡。

再貴也得捏着鼻子，當冤大頭。

2

有人揭竿而起

過去，英偉達在顯卡領域爲所欲爲。現在，在算力方面，依然能如此。

隨着算力軍備競賽開啓，市場對AI芯片需求大增。如馬斯克此前表示，爲他剛剛創立的人工智能公司採購了數千個GPU，這些暴增的需求導致英偉達AI芯片供應持續短缺。

供不應求，價格自然暴漲。

據國內渠道商透露，之前拿貨週期大約爲一個月左右，現在基本都得三個月，甚至更長。

“一臺通用計算服務器的成本大約在5萬塊錢左右，現在符合美國技術出口規範的A800一塊價格已經漲到10萬塊錢，對於投入算力基礎設施的公司來說，整個採購成本都在增加。”

即便是PC時代的賣鏟人微軟，也只能作爲英偉達最大的礦工。

據估計，OpenAI將需要超過3萬個A100GPU用於ChatGPT的商業化。而此前，微軟稱已經用了1萬個A100來訓練ChatGPT。

研究公司SemiAnalysis表示，ChatGPT的運營成本大概是每天70萬美元，大概每次查詢0.36美分。而這些成本的主要來源，就是服務器，實在是太貴了。

而早在幾年前，微軟就招攬了英特爾前高管Rani Borkar組建Athena項目，目前已經擁有近1000名員工。

不過製造一個好的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。

所以，最近市場傳出微軟與AMD合作開發新款AI芯片，加快推出相關產品，爲自身及市場提供英偉達GPU之外的另一種底層硬件選擇。

“如果 Athena 具有競爭力，與 Nvidia 的產品相比，它可以將每芯片的成本降低三分之一。”

其他所有有志於AI的大廠，都沒有閒着。

4月初，谷歌首次公佈了自家AI超算的細節——性能相較上代v3提升10倍，比A100強1.7倍。

此外，據說能和H100對打的芯片，也已經在研發了。

他們並非沒有勝出的機會。

前文已經說了，AI所需算力每100天將翻一倍。

也就是說，到2030年，AI所需算力是現在的3000萬倍。（2的25次方）

顯然，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。

即便是英偉達，也不可能。

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，微軟爲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採取“配額供給”機制。

顯然，英偉達雖然強大，但並沒有能力覆蓋整個市場。

這很像2021-2022年席捲全球的缺芯潮：成千上萬的AI初創公司、甚至是大型雲服務商，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。

極度焦慮之下，多家公司開始尋求其他品牌的替代品。

爲了攬客，英特爾已率先掀起了GPU價格戰。

什麼？價格戰？這不是國內廠商的拿手好戲嗎。

的確，雖然技術上尚有差距，但這確實是國產芯片的一個機會。

國內已有多家科技公司已經進入到AI芯片領域中來，如寒武紀、雲知聲、海光信息、景嘉微、壁仞科技、摩爾線程、地平線等。

隨着微軟開始加大與AMD的合作力度，共同推出專用AI芯片後，市場中其他公司也有可能將效仿，導致整個AI芯片市場的競爭加劇。

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，或慢慢轉變爲羣雄割據。

但不是所有公司，都這麼有種的。

3

有人……

“算力不能保證我們在通用人工智能技術上領先，算力是可以買來的，創新的能力是買不來的。”

兩天前，國內某科技巨頭創始人，在一次內部分享中表示。

類似的話語，我們其實聽得不少。

有人說中國別的科技領域都在勃勃生機萬物競發，受限的只有芯片，所以問題不大。

這話說得令人噴飯。

芯片是幾乎所有產業的基礎，正如寫字用筆、踢球用腳，我們目力所及的所有大規模產業，包括AI、電動車、機器人、智能製造、新能源，哪一條跟高端芯片沒關係？

很多號稱“自由”的經濟學家，他們吃慣了過去二十年拿來主義的紅利，於是通過各種論證，試圖說明自主研發是一件ROI（回報率）極低的事情。

這種鼠目寸光的論調，真侮辱了經濟學家的稱號。

難有難的價值。

難的事情一旦能做成，帶來的收穫才更大。看看這些年的英偉達，怎麼從一個賣遊戲顯卡的小企業迅速成爲市值數千億美元，扼住全球科技發展命脈的超級巨頭的？

現在亡羊補牢，並不算晚。

從上至下，政策、產業、市場加強半導體基礎研究建設，完全可以做到拉近與世界先進水平的差距。

我們跟美國人荷蘭人同在一個地球，共享同一套物理規律，只要不迴避問題，從第一性原理出發，謎題總是會被解開的。

難道誰比誰笨不成？

黑暗森林里，每個存在都是獵人，永遠別去奢望靠外力保住獵物。

從來沒有共贏，只有贏者通吃。