英偉達CEO黃仁勳（Jensen Huang）
由於ChatGPT爆火引發 AI 算力需求熱潮， AI 晶片供不應求、大規模短缺。如今，英偉達似乎遭遇到了更多挑戰。
北京時間2月21日，據報道，科技巨頭正在開發一種新的網絡卡晶片，替代英偉達ConnectX SmartNIC智慧網絡卡產品，以確保 AI 模型資料可以在微軟雲伺服器之間快速傳輸。
微軟方面確認了此訊息。該公司在一份宣告中表示，作為微軟Azure基礎設施系統方法的一部分，公司經常開發新技術來滿足客戶的需求，包括網路晶片。
實際上，作為英偉達GPU（圖形處理器）的最大客戶之一，微軟事件是一個重要“訊號”。除了省成本之外，微軟還希望新網絡卡能夠提高其英偉達晶片伺服器的效能，將有助於使用微軟雲的OpenAI 研發更多 AI 大模型。
不止是微軟。
近兩天，一家名為Groq的美國 AI 公司一夜“爆火”，主要因其自研的LPU晶片在 AI 推理技術上，透過最佳化架構和減少記憶體瓶頸，實現了高效率和低延遲，在處理大模型時的速度遠超英偉達GPU，每秒生成速度接近500 tokens，而GPT-4僅40 tokens。
因此，Groq LPU被譽為“史上最快的大模型技術”。
受上述訊息以及外部環境影響，截至2月20日美股收盤，英偉達單日股價下跌4.35%，創下去年10月以來的最大單日跌幅，一夜之間總市值縮水780億美元（約逾5600億元人民幣）。
2月20日，IDC分析師對鈦媒體App等表示，隨著Sora的推出，多模態大模型對 AI 算力的消耗更高，算力的可獲取性以及成本將是行業挑戰之一。
那麼，面對這種新的競爭局勢，英偉達真的危險了嗎？
Groq到底是誰？為什麼這麼強？
據悉，Groq公司成立於2016年，總部位於美國加利福尼亞，創始團隊中有很多人都參與過谷歌TPU專案。
其中，Groq創始人兼 CEO喬納森·羅斯（Jonathan Ross）曾設計並製作出了第一代谷歌TPU晶片的核心元件，TPU 20%的研發專案都由他完成。
公司領導層的10人中，有8人都有在谷歌、英特爾等科技巨頭的工作經歷。
Groq創始人兼 CEO喬納森·羅斯（Jonathan Ross）
融資方面，截至目前，Groq共完成了3輪融資，總共融資到了3.67億美元。最後一輪融資在2021年4月完成，融資金額為3億美元，由老虎環球基金（Tiger Global Management）和投資公司D1 Capital領投。
Groq之所以能夠在此次 AI 熱潮中“爆火”，主要得益於其使用了自研晶片LPU（Language Processing Units），而不是英偉達的GPU（圖形處理器）晶片，它能實現高速度和低延遲。
據Groq在2024年1月的第一個公開基準測試，由Groq LPU驅動的Meta Llama 2-70B模型，推理效能比其他頂級雲計算供應商快18倍。
Groq LPU的工作原理與英偉達的GPU不同，它採用了名為時序指令集計算機（Temporal Instruction Set Computer）架構，使用儲存器為靜態隨機存取儲存器（SRAM），其速度比GPU所用的高頻寬儲存器（HBM）快約20倍。
從晶片的規格中，SRAM容量是230MB，頻寬80TB/s，FP16的算力是188TFLOPs。
這一區別造成了 LPU和GPU在生成速度的差別。據Groq表示，英偉達GPU生成每個tokens需要約10焦耳（J）到30焦耳，而 Groq 僅需1焦耳到3焦耳。
值得注意的是，雖然Groq做到了足夠快，但背後成本卻非常高昂。
2月20日，前阿里巴巴集團副總裁、Lepton AI創始人兼CEO 賈揚清在社交平臺上表示，由於每一張Groq卡的記憶體容量僅為230MB，因此在執行Llama-2 70B模型時，需要305-572張Groq卡才足夠，而用H100則只需要8張卡。
賈揚清認為，如果按未來執行三年的成本算，Groq的硬體採購成本是1144萬美元，運營成本至少要76.2萬美元。從目前的價格來看，這意味著在同等吞吐量下，這幾乎是H100硬體成本的40倍、能耗成本的10倍
據騰訊科技，晶片專家姚金鑫（J叔）表示，Groq對Llama2-7B的Token生成速度是750 Tokens/s。如果從成本的角度，9臺的Groq伺服器，也是遠遠貴過2臺總共16顆的H100晶片的伺服器，即使目前價格已經非常高了。
“英偉達在本次AI浪潮中的絕對領先地位，使得全球都翹首以盼挑戰者。每次吸引眼球的文章，總會在最初被人相信，除了這個原因之外，還是因為在做對比時的‘套路’，故意忽略其他因素，用單一維度來做比較。”姚金鑫表示。
不止是成本高昂。SRAM技術面積大、功耗比較高，早就以IP核心形式整合到SoC（系統級晶片）裡面，並非單獨用，遠不如HBM的未來發展潛力。不管是比單位容量價格、還是效能和功耗，英偉達GPU所使用的HBM技術都優於SRAM。
雖然Groq的晶片成本較高，但其創始人Jonathan Ross已表示，隨著GPU短缺和成本上升，Groq的LPU將有巨大的市場潛力。
不僅是Groq。
據The information 2月21日報道，英偉達的重要客戶、全球最高市值的科技巨頭微軟計劃設計一款新的網絡卡晶片，以替代英偉達相關產品。
知情人士稱，微軟執行長薩蒂亞·納德拉 (Satya Nadella) 已任命網路裝置開發商瞻博網路 (Juniper Networks) 聯合創始人普拉迪普·辛杜 (Pradeep Sindhu) 來領導網絡卡工作。據悉，微軟一年前收購了辛杜創立的伺服器晶片初創公司Fungible。
據悉，網絡卡是資料中心與伺服器內部的一項重要技術，旨在加速伺服器之間的流量，解決大流量網路資料包處理佔用CPU的問題。
在此之前，英偉達曾釋出NVIDIA ConnectX SmartNIC 智慧網絡卡，最新的ConnectX-7 透過加速交換和資料包處理（ASAP2）、高階RoCE、GPUDirect Storage，以及用於TLS、IPsec 和MACsec 加密和解密的內聯硬體加速等功能，為敏捷、高效能網路解決資料傳輸問題。
69億美元收購Mellanox 之後，近兩年，英偉達已研發出一種新的DPU（資料處理器）晶片，最新產品為BlueField-3 SuperNIC，將SmartNIC智慧網絡卡整合內部。
據悉，DPU是面向基礎設施層（IaaS）的專用處理器，具備靈活可程式設計性。BlueField利用英偉達DOCA（集資料中心於晶片的架構）軟體開發包的優勢，為開發者提供一個完整、開放的軟硬體平臺。除了BlueField，英偉達還有NVLink、NVSwitch等多種技術整合，從而增強資料傳輸能力。
報道引述微軟內部人士稱，當微軟在其資料中心使用英偉達製造的 AI 晶片時，由於OpenAI等客戶擁有的大量資料傳輸需求，伺服器可能會過載。目前，微軟已釋出了首款Maia AI 伺服器晶片。
The information稱，微軟的網絡卡晶片與ConnectX-7卡類似，將其與GPU和 AI 晶片“捆綁”銷售。
AI 晶片競爭加劇，英偉達真的危險了嗎？
除了微軟，亞馬遜旗下雲計算部門AWS、Meta等科技巨頭也在自研對標英偉達A100的多款 AI 晶片產品。
去年11月，AWS 推出全新基於ARM架構、自研的高效能計算伺服器CPU晶片Graviton 3E，同時釋出第五代Nitro網路晶片硬體，藉此提升雲端虛擬機器的計算效率，並支援天氣預報、基因測序等場景任務；2月5日Meta正式計劃今年部署一款新的自研 AI 晶片，即第二代自研AI晶片Artemis，預計將於2024年正式投產，以減少對英偉達晶片的依賴。
如今，奧爾特曼和孫正義也加入到了 AI 算力晶片戰場。
其中，奧爾特曼已公佈透過籌集8萬億美元製造 AI 晶片半導體網路，目前正與日本軟銀集團、阿聯酋政府、美國商務部以及其他中東主權財富基金等投資者洽談，有望擴大OpenAI技術能力；軟銀創始人孫正義被曝正在籌集1000億美元研發 AI 半導體產品。
AWS高階副總裁彼得·德桑蒂斯 (Peter DeSantis) 曾表示，AWS希望客戶用新的Graviton 3E處理器執行更多工，從而獲得高效能計算能力。他認為，與購買英特爾、英偉達或AMD晶片相比，亞馬遜自研晶片將為客戶提供更具價效比的算力支援。
研究公司 DellOro Group 的資料中心基礎設施負責人 Baron Fung 表示，微軟和其他雲提供商“不想受制於英偉達（Nvidia）生態系統”。
OpenAI CEO奧爾特曼（Sam Altman）曾私下表示，與谷歌相比，OpenAI在算力上處於劣勢。
那麼，面對 AI 晶片競爭加劇局面，英偉達真的危險了嗎？
英偉達曾表示，微軟的網路元件可能會蠶食其網路裝置每年超過100億美元的銷售規模。
不過，賈揚清認為，如果執行未來三年的話，Grog的硬體採購成本是1144萬美元，運營成本遠高於76.2萬美元，而8卡英偉達H100 的硬體採購成本僅30萬美元，運營成本大約為7.2萬美元以內，價效比更高。
整體來看，英偉達H100產品在 AI 晶片市場上仍具有很強的競爭能力。
黃仁勳2月中旬表示，每個國家都需要擁有自己的 AI基礎設施，以便在保護自己文化的同時利用經濟潛力。接下來的4到5年裡，我們將擁有價值2萬億美元的資料中心，它將為世界各地的 AI 軟體提供動力，所有 AI 技術都會加速，而英偉達正取代通用計算核心，體系結構的效能將同時得到提高。
對於奧爾特曼的7萬億美元計劃，黃仁勳稱，（7萬億美元）顯然能買下所有GPU。
“如果你假設計算機不會變得更快，可能就會得出這樣的結論：我們需要14顆行星、3個星系和4個太陽來為這一切提供燃料。但計算機架構仍在不斷進步。”黃仁勳表示。
黃仁勳曾坦言，這些雲計算廠商自研 AI 晶片是有一定理由的，主要還是服務自家的資料中心，但這不會影響英偉達在全球的 AI 生態系統發展。
北京時間2月22日凌晨，英偉達預計將釋出2023年財報，根據該公司對上年最後一個季度的預測，2023財年總營收將達到近590億美元，是2022財年的兩倍多。
據標普全球市場資料，蘋果公司、微軟、亞馬遜以及谷歌的母公司和Facebook的母公司——都從未像英偉達一樣，在一年內從類似的起點上實現如此快的收入增長。按年收入計算，英偉達將超越英特爾，成為全球第二大晶片公司。
資本市場目前猜測，英偉達將預計4月當季收入達到216億美元，是去年同期的三倍。
截至發稿前，英偉達市值達到1.72億美元，接近2萬億美元。據FactSet的資料，按這一市值計算，英偉達股票的遠期市盈率約為38倍，比其三年平均水平低約9%。
對於3月英偉達GTC將釋出B100 AI 晶片，摩根士丹利分析師Joseph Moore在一份最新報告中表示，基於早先有關該系統的一些披露，B100是“最先進技術的巨大進步”。
另外，面對微軟、AWS的 AI 晶片競爭局面，英偉達正推出自己的超算雲服務DGX Cloud，透過在資料中心內執行英偉達產品，實現更大的收入規模，以對抗這些舉措。有行業人士向鈦媒體App表示，英偉達內部對於DGX Cloud和英偉達 A100/H100卡預期營收佔比分別為20%、80%。
“AI 算力似乎無處不在。”Rosenblatt Securities分析師漢斯·莫塞曼（Hans Mosesmann）稱。
Meta公司CEO馬克·扎克伯格曾表示，構建“通用人工智慧”（AGI）需要的首要條件是“世界級的計算基礎設施”。
支付寶CTO陳亮（花名：俊義）近期對鈦媒體App等表示，目前 AI 大規模應用在實施過程中，依然面臨多個“瓶頸”，包括算力成本高、硬體限制等問題。儘管GPU卡的效率已經非常高，但如何使其適應不同的技術棧（與不同技術相容）依然是一項重要難題。
阿爾特曼曾透露，OpenAI 希望保證到 2030 年都有足夠的 AI 晶片供應。
彭博在一份最新報告中預估，未來10年，生成式 AI 技術有望在硬體、軟體、服務、廣告、遊戲等領域創造1.3萬億美元收入，佔科技領域總支出的10%-12%。
其中在硬體領域，基於大資料、機器學習和神經網路演算法的AI模型訓練將會成為一個巨大市場。到2032年，其銷售規模有望達到4740億美元，年複合增長率達30%，加上 AI 推理，整個全球算力規模屆時將超過6000億美元。
（本文首發鈦媒體App，作者｜任穎文、林志佳，編輯｜林志佳）
