凤凰网科技 出品

作者｜蒋浇

编辑｜于浩

10月7日，微软和Open AI宣布了各自的英伟造芯计划。在此之前，对抗达O动谷歌、英伟亚马逊、对抗达O动Meta已系数下场自研AI芯片，英伟对英伟达的对抗达O动霸主地位发起围攻。

ChatGPT的英伟爆红让所有科技公司红了眼。大模型竞赛一触即发，对抗达O动巨头和新贵你追我干，英伟催生出的对抗达O动巨大算力需求也让“AI卖铲人”英伟达，成为了实际的英伟受益者。

靠着庞大的对抗达O动芯片出货量，英伟达赚的英伟盆满钵满，市值直接突破万亿美元。对抗达O动财报数据显示，2024财年第二季度，英伟达营收135亿美元，创历史新高。其中，数据中心业营收103.2亿美元，仅这一季度就翻了一倍多。

目前，英伟达几乎控制着全球80%的芯片市场。据行业人士透露，英伟达用于AI和高性能计算应用的H100 GPU早已销售一空，即便现在交钱订货，也要等到明年中旬才能到货。

算力压顶，玩家们显然不甘被英伟达永远“卡脖子”。

01.年亏37亿

Open AI想摆脱英伟达

生成式人工智能，来源于GPU支持。强大的算力，意味着更快的数据处理速度。

随着越来越多的公司加入AI模型竞赛，A100 和 H100 等高端 GPU供不应求，这给英伟达和其制造商台积电带来巨大生产压力。今年第一季度的财报会上，英伟达创始人黄仁勋就表示，订单多到不可思议，公司核心目标就是生产更可能多的先进芯片。

英伟达的GPU不仅不愁卖，实际售价也水涨船高。市面上，H100 GPU已是原价2万美元的两倍，约为 29 万元人民币。

没有算力支撑，大模型难以更新迭代。这对于人工智能企业来说，无疑是发展的阻碍。

据《金融时报》报道，今年8月，百度、字节跳动、腾讯和阿里巴巴向英伟达共订购了价值50亿美元的芯片。但业内人士表示，仅有10亿美元的A800 GPU处理器，能在年内交付。这款处理器由英伟达为中国客户打造，性能与A100接近。

Open AI的CEO Sam Altman也曾多次抱怨算力短缺问题。在伦敦听证会上，他称算力的短缺让API可用性低于标准，这让许多用户感到不满，更阻碍了ChatGPT推出更大的“上下文窗口”。上下文窗口决定了模型的响应速度，和单次提示使用的数据。

而算力成本问题，更是让Open AI苦恼。据路透社报道，2022年OpenAI营收2800万美元，亏损为5.4亿美元（约合人民币37亿元）。亏损的主要算因就是算力开销。

根据分析师 Stacy Rasgon 曾估算，ChatGPT每次查询成本约 4 美分。若ChatGPT 查询增长到 Google 搜索规模的十分之一，需要价值约 481 亿美元的 GPU，每年则需160 亿美元的芯片才能保持运行。

想要GPT越聪明，就得投入更多的算力。据摩根士丹利预测，GPT-5大概要使用2.5万个GPU，是GPT-4的三倍之多。

Sam Altman对此感到焦虑，他表示2023年OpenAI 的目标就是是尽可能降低成本，减少不必要的花销。

据路透援引知情人士消息，从去年开始，Open AI就探讨各种方案来解决AI 芯片的短缺问题。目前，该公司正在探索自研芯片，并评估潜在的收购目标来完成芯片开发任务。

与此同时，Open AI官网也挂出了AI芯片工程师等职位。一月前，该公司还从Meta挖来了人工智能编译器领域的牛人Andrew Tulloch。

Andrew Tulloch此前是Meta人工智能实验室（FAIR）杰出工程师。他是机器学习领域的知名人物，擅长处理机器训练中的大规模问题，发表了大量有关该主题的论文，并被业内广泛引用。

02.谷歌、微软纷纷下场造芯

不止Open AI，微软、Meta 、谷歌等科技大厂也在打造自己的芯片。

OpenAI自研芯片计划曝光的同一天，其合作伙伴微软也表示要下场做芯片了。据知情人士报道，微软计划在下个月的年度开发者大会上，推出首款为人工智能设计的芯片。

据The Information报道，微软在2019年就已经开始芯片研发工作了，研发投入累计近20亿美元。这款芯片代号为雅典娜”（Athena），将会使用台积电的5nm工艺打造。若成功投产，预计每颗芯片的成本降低1/3。

不过，The Information报道称，微软并不认为自己的AI芯片可以直接替代英伟达的高端GPU，而是想要大幅削减成本，以及吸引更多云客户。此外，微软还与AMD进行合作，共同开发人工智能芯片MI300X。

实际上，在芯片大战中，微软一直处于落后地位，谷歌、亚马逊等科技巨头早已发布其自研的芯片。

2016年，谷歌自研芯片TPU问世，该款芯片能为深度学习模型执行矩阵运算，随后相继推出了AI芯片TPU v3 、TPU v4。亚马逊是最早涉足自研芯片的云厂商，2018年推出自研AI推理芯片Inferentia；今年年初，性能更强的Inferentia 2发布。

此外，Meta也公布了内部芯片研发计划，芯片代号为MTIA。这种定制芯片将采用开源芯片架构RISC-V，属于ASIC专用集成电路，将涵盖所有类型的人工智能工作。

03.英伟达地位难以撼动？

但各巨头纷纷下场，就能撼动英伟达的芯片霸主地位吗？

资深芯片研究专家、科普作者汪波向凤凰网科技表示，英伟达最大的护城河就是CUDA开发系统，如同苹果的IOS系统一样，CUDA生态系统面向开发者。

目前CUDA有400万开发者，且只能用英伟达的 GPU 并行计算框架，这也是AI行业普遍依赖英伟达芯片的主要原因。

汪波表示，有了CUDA系统，程序员能用自己熟悉的编程语言控制GPU。用户一旦习惯了程CUDA系统的编程语言，不愿再去学习其他公司的编程语言，这使得ADM等公司不得开发适配CUDA的软件。“由于CUDA生态的优势，即便其他公司在追赶英伟达，也会比英伟达慢一拍。”

国内某芯片公司工程师告诉凤凰网科技，软件生态的建立和发展没有捷径，只有通过大量时间、投入和用户反馈的积累才能做到，英伟达的CUDA生态做了20多年，已经形成了壁垒。“我们预计，在理想的情况下，软件生态建设也需要5-10年时间才能看到成效。”

该工程师表示，OpenAI自研芯片也有其独特的优势， 若不像谷歌、微软一样服务于行业，而是满足自身模型训练的定制化需求，就不用考虑兼容性的问题。

半导体观察作者李飞指出，若Open AI自研芯片成功，将大幅降低模型成本成本。当前，英伟达8卡H100 GPU服务器采购成本约为30万美元，由于溢价原因这台服务器三年总成本为100万美元左右。Open AI自研芯片成功，有望将这一服务器成本成本降低到10万美元以下。

人工智能初创公司 SambaNova Systems 的总经理 Alex White 则认为，自研芯片成本投入巨大，需要具备专业技术和稀缺资源，这并非一朝一夕的事情，Open AI投入了也不一定能够成功。

参考资料与链接：

1.https://www.reuters.com/technology/chatgpt-owner-openai-is-exploring-making-its-own-ai-chips-sources-2023-10-06/

2.《英伟达是如何成为AI 芯片霸主的？》

3.《谁卡了英伟达的脖子？》

4.https://www.theinformation.com/articles/microsoft-to-debut-ai-chip-next-month-that-could-cut-nvidia-gpu-costs?rc=bw8enl

(责任编辑：百科)