0

揭竿而起!他们都想干掉英伟达

 1 year ago
source link: https://www.qianzhan.com/analyst/detail/329/230508-42a8700d.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

揭竿而起!他们都想干掉英伟达

 格隆汇 • 2023-05-08 15:40:39  来源:格隆 E774G0

作者|万连山 来源|格隆(ID:guru-lama)

数据支持 | 勾股大数据(www.gogudata.com)

1848年,美国加州发现金矿,无数淘金客蜂拥而至。

短短4年,跟风来此的人就多达30万,当地客栈、餐厅、酒吧、妓院、赌场,价格水涨船高。

绝大多数人就算凭运气得到了金子,也都把钱散在了这些地方。

真的赚到钱,攒到钱的,没有一个是淘金者,反倒是那些给淘金者提供服务的人。

有一位叫布兰南的商人,他没有自己去挖金子,而是大量囤积锄头、锤子、筛网,每天向矿工们出售,单日利润高达5000美元。

靠着倒腾装备,他成为加州第一位百万富翁。

百年后,相似的故事又在重演。

ChatGPT引领的AI革命,是当下最火的“金矿”,微软最先淘到金块,各大巨头闻风而后动,小厂也不甘落伍。

大家都想去淘块金子。

其中,能有几个淘到黄金还不好说。但能确定的是,不管别的企业赚不赚钱,英伟达肯定赚的盆满钵满。

它是目前唯一一个在AI这个金矿边上,卖铲子的角色。

如同70年代OPEC一限产,全球工业都得熄火。

现在,只要英伟达一断供芯片,全球至少有一半科技公司都要地震。

黄仁勋和他的算力帝国,已经扼住了这个科技时代的命脉。

AI背后的新帝国

自古时势造英雄,风口出巨头。

2018年初,《财富》杂志举办的活动中,有人问黄仁勋:你何时知道英伟达公司将会改变世界的?

答:1993年2月17日,我成立公司的日子。不改变世界,我创个什么业?

可能有吹牛的成份,但历史本就是由胜者书写。

从一开始,英伟达就是靠开发游戏显卡起家的。而显卡的升级,依赖的是算力提高。

电子游戏带来了针对算力的需求,而这些算力又用在了更多地方。

迄今为止,几乎所有AI里程碑,都发生在英伟达的硬件上。

2010年,计算机科学家吴恩达在谷歌X实验室,意图构建一个可以自行学习的神经网络。

这个模型在YouTube上观看了1000万个视频,并学会了如何认出人脸、身体和猫。但想要准确做到这一点,预计需要1.6万块CPU提供算力。

就算是家大业大的谷歌,也不能轻松批下这么大的预算。

英伟达首席科学比尔·戴利,是吴的好友。听闻此事大笑两声,直道这有何难:“我只需要几块GPU就可以做到同样的事情。”

他解释道,CPU注重的是逻辑运算能力,它可以完成极其复杂的工作,但缺点是每次处理的工作量有限。GPU没有那么强的逻辑能力,但可以同时进行大量简单计算。

戴利找到刚入职英伟达的研究员布莱恩· 卡坦扎罗,很快就找到了解决方案:并联12块GPU成功驱动了吴恩达的神经网络模型,并联48块GPU就能得到预计要用1.6万块CPU才有的理想效果。

两年后,Alex团队在两块GeForce GTX 580上,使用1400万张图像成功训练了AlexNet,首次证明GPU可以用于训练人工智能。

AI技术飞跃的奇点,自此开始。

20230508-57b2d317f607bdfe_600x5000.png

2016年8月,黄仁勋把全球第一台AI超级计算机DGX-1捐给了成立不到一年的OpenAI。

这台 DGX-1 ,能把 OpenAI 一年的训练时间,压缩到短短一个月。

老黄在机器上写下一句话:

致 Elon 和 OpenAI 团队!为了计算和人类的未来,我捐出世界上第一台 DGX-1!

数年过去,ChatGPT面世,被称为AI技术革命的开始。

据报道,OpenAI 用了10000个GPU来训练 ChatGPT,这些硬件可能会在 12 个月内为英伟达带来30-110亿美元的销售额。

这是非常恐怖的收益。

同时,随着越来越多的企业开始使用AI来理解收集的海量数据,各国政府也在向深度学习研究领域投入资金以保持领先地位。AI已成为“下一个超级大国”竞争的焦点领域。

但因为技术越发成熟,AI参数规模、数据量这些软件指标也会叠加上来,诞生AI时代的新「摩尔定律」

按照现在的趋势,根据预测,AI所需算力每100天将翻一倍。

算力就像曾经的石油,成为新时代进程最稀缺的资源。

而早从2015年开始,英伟达的GPU在超算中心的市场份额一路上涨,这几年稳居 90% 左右。

这也就无怪乎,为什么在人工智能产业浪潮中,英伟达被视为全球科技行业最大的赢家。

毕竟,在这场淘汰赛中,不论谁胜谁负,都绕不开基础的算力和硬件。

20230508-050466199f786525_600x5000.png

它就像曾经卖铲子的那个商人,甚至犹有过之,扼住了所有下游的咽喉。

但没人乐意被卡脖子。

就像全世界的游戏玩家,基本都用着N卡,还是对英伟达骂声一片。

用N卡,是因为它在笔记本上无可替代。骂他,是因为太贵了。

AMD的显卡,看着跑分高,但在实际游戏中的表现就不尽人意;英特尔的ARC独立显卡,性能连英伟达的RTX入门级显卡的性能都够不到。

有什么办法?为了体验,只能选N卡。

再贵也得捏着鼻子,当冤大头。

1

有人揭竿而起

过去,英伟达在显卡领域为所欲为。现在,在算力方面,依然能如此。

随着算力军备竞赛开启,市场对AI芯片需求大增。如马斯克此前表示,为他刚刚创立的人工智能公司采购了数千个GPU,这些暴增的需求导致英伟达AI芯片供应持续短缺。

供不应求,价格自然暴涨。

据国内渠道商透露,之前拿货周期大约为一个月左右,现在基本都得三个月,甚至更长。

“一台通用计算服务器的成本大约在5万块钱左右,现在符合美国技术出口规范的A800一块价格已经涨到10万块钱,对于投入算力基础设施的公司来说,整个采购成本都在增加。”

即便是PC时代的卖铲人微软,也只能作为英伟达最大的矿工。

1

H100在eBay上售价超过4W美元

据估计,OpenAI将需要超过3万个A100GPU用于ChatGPT的商业化。而此前,微软称已经用了1万个A100来训练ChatGPT。

研究公司SemiAnalysis表示,ChatGPT的运营成本大概是每天70万美元,大概每次查询0.36美分。而这些成本的主要来源,就是服务器,实在是太贵了。

而早在几年前,微软就招揽了英特尔前高管Rani Borkar组建Athena项目,目前已经拥有近1000名员工。

不过制造一个好的AI芯片,至少需要数年的时间,而英伟达目前已经取得了巨大的领先优势。

所以,最近市场传出微软与AMD合作开发新款AI芯片,加快推出相关产品,为自身及市场提供英伟达GPU之外的另一种底层硬件选择。

“如果 Athena 具有竞争力,与 Nvidia 的产品相比,它可以将每芯片的成本降低三分之一。”

其他所有有志于AI的大厂,都没有闲着。

4月初,谷歌首次公布了自家AI超算的细节——性能相较上代v3提升10倍,比A100强1.7倍。

此外,据说能和H100对打的芯片,也已经在研发了。

他们并非没有胜出的机会。

前文已经说了,AI所需算力每100天将翻一倍。

也就是说,到2030年,AI所需算力是现在的3000万倍。(2的25次方)

显然,如果不在当前的软硬件基础上做出更多创新,人类目前的算力发展不可能达到如此恐怖的需求增长。

即便是英伟达,也不可能。

据报道,微软等客户对英伟达A100/H100芯片订单需求追到了2024年,微软为了给必应聊天机器人与Office365留下足够资源,内部已陷入AI服务器短缺,甚至必须对GPU采取“配额供给”机制。

显然,英伟达虽然强大,但并没有能力覆盖整个市场。

这很像2021-2022年席卷全球的缺芯潮:成千上万的AI初创公司、甚至是大型云服务商,将如当年因缺少关键芯片而停产的车企,或因缺少GPU面临相似困境。

1

极度焦虑之下,多家公司开始寻求其他品牌的替代品。

为了揽客,英特尔已率先掀起了GPU价格战。

什么?价格战?这不是国内厂商的拿手好戏吗。

的确,虽然技术上尚有差距,但这确实是国产芯片的一个机会。

国内已有多家科技公司已经进入到AI芯片领域中来,如寒武纪、云知声、海光信息、景嘉微、壁仞科技、摩尔线程、地平线等。

随着微软开始加大与AMD的合作力度,共同推出专用AI芯片后,市场中其他公司也有可能将效仿,导致整个AI芯片市场的竞争加剧。

叠加全球供应链安全的考量,AI芯片市场从过去的英伟达一家独大,或慢慢转变为群雄割据。

但不是所有公司,都这么有种的。

有人......

“算力不能保证我们在通用人工智能技术上领先,算力是可以买来的,创新的能力是买不来的。”

两天前,国内某科技巨头创始人,在一次内部分享中表示。

类似的话语,我们其实听得不少。

有人说中国别的科技领域都在勃勃生机万物竞发,受限的只有芯片,所以问题不大。

这话说得令人喷饭。

芯片是几乎所有产业的基础,正如写字用笔、踢球用脚,我们目力所及的所有大规模产业,包括AI、电动车、机器人、智能制造、新能源,哪一条跟高端芯片没关系?

很多号称“自由”的经济学家,他们吃惯了过去二十年拿来主义的红利,于是通过各种论证,试图说明自主研发是一件ROI(回报率)极低的事情。

这种鼠目寸光的论调,真侮辱了经济学家的称号。

难有难的价值。

难的事情一旦能做成,带来的收获才更大。看看这些年的英伟达,怎么从一个卖游戏显卡的小企业迅速成为市值数千亿美元,扼住全球科技发展命脉的超级巨头的?

1

现在亡羊补牢,并不算晚。

从上至下,政策、产业、市场加强半导体基础研究建设,完全可以做到拉近与世界先进水平的差距。

我们跟美国人荷兰人同在一个地球,共享同一套物理规律,只要不回避问题,从第一性原理出发,谜题总是会被解开的。

难道谁比谁笨不成?

黑暗森林里,每个存在都是猎人,永远别去奢望靠外力保住猎物。

从来没有共赢,只有赢者通吃。(全文完)

编者按:本文转载自微信公众号:格隆(ID:guru-lama),作者:万连山 

本文来源格隆,内容仅代表作者本人观点,不代表前瞻网的立场。本站只提供参考并不构成任何投资及应用建议。(若存在内容、版权或其它问题,请联系:[email protected]) 品牌合作与广告投放请联系:0755-33015062 或 [email protected]

About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK