作者丨黃澤正 

  編輯丨張麗娟 

最近，中美的大模型廠商們都在干同一件事——卷AI芯片。

在硅谷，谷歌給最新款的Pixel手機裝上了Tensor G3芯片，讓用戶可以在手機端解鎖生成式AI應用；微軟宣布將在11月推出首款自研AI芯片，以此降低算力成本并減少對英偉達的依賴；OpenAI也表示正嘗試自研AI芯片，并已開始評估潛在的收購目標；亞馬遜以40億美金投資大模型創企Anthropic后，要求其使用亞馬遜自研AI芯片來構建、訓練和部署大模型……

總結起來就是，有AI芯片生產能力的，如谷歌、亞馬遜，想用自研芯片替換英偉達。沒有AI芯片生產能力的，如微軟、OpenAI，創造條件也要替換英偉達。

而在國內，AI芯片市場也再起波瀾。華為發布AI芯片昇騰910，配合全新架構的昇騰AI計算集群，可支持超萬億參數的大模型訓練；AI芯片廠商燧原科技宣布完成D輪融資，融資規模達到20億人民幣……

為什么大家都不約而同地將大模型，卷向了AI芯片？很顯然，AI芯片研發是一項長周期、重投入的工作，也已經有了行業巨頭英偉達，可以提供高性能的AI芯片。

細究起來，恐怕只能概括為“成也英偉達，敗也英偉達”。英偉達對AI算力的壟斷，讓全球AI公司都要不斷承擔英偉達芯片的溢價，并且由于英偉達生產能力有限，算力短缺正在制約一些AI公司的發展。

根據dealroom.co數據，在這波生成式AI的熱浪中，美國獲得了全球投融資的89%，而在AI芯片的投融資中，中國AI芯片投融資世界第一，超過美國兩倍。

也就是說，盡管在大模型發展方式、發展階段上，中美大模型企業還存在諸多差異，但在掌控算力這件事上，大家卻顯得格外一致。

讓英偉達少賺點錢

實際上，無論是OpenAI還是微軟、谷歌，亦或是國產芯片廠商，與其說是要搶英偉達的生意，不如說是想讓英偉達少賺自己點錢。

比如微軟就大方承認，自己即將發布的AI芯片并不能直接替代英偉達的芯片，但隨著微軟繼續推動在Bing、Office、GitHub和其他方面推出AI驅動的功能，自研芯片可能會大幅削減運算成本。

換言之，微軟等大廠自研AI芯片，其實并非想取代英偉達，而更像是想自研一款平替產品，以緩解算力不足和算力成本過高的問題。

畢竟英偉達對AI算力的壟斷，已經到了令人瞠目結舌的地步，大模型廠商們也苦英偉達久矣。

根據公開數據，英偉達在獨立GPU市場份額達80%，在高端GPU市場份額高達90%。

2020年，全世界跑AI的云計算與數據中心，80.6%都由英偉達GPU驅動。2021年，英偉達表示，全球前500個超算中，大約七成由英偉達芯片驅動。2023年第二季度，英偉達的H100顯卡出貨量達800多噸，依然供不應求。

由于英偉達霸占了高端GPU市場，產品不可避免出現了溢價。一個典型案例是，由于英偉達AI芯片供不應求，國內有人從機房把舊A100芯片拆出來倒賣。這些舊貨非但沒有貶值，反而賣到10萬一片，比去年同期新品8萬左右的售價還要更貴。

對于算力需求巨大的大模型廠商來說，不僅短期承擔了過高的芯片溢價，長期角度更是為英偉達的發展壯大做了嫁衣。

比如英偉達第二季度財報顯示，公司第二季度收入為135.1億美元，較去年同期增長101%。其中，數據中心收入占據大頭，創下了103.2億美元的紀錄，較去年同期增長171%，遠超分析師預期。

而英偉達巨額利潤的背后，其實是各大科技巨頭的輸血支持。根據公開財報顯示，大部分數據中心的擴建費用主要由各家科技巨頭承擔，谷歌、微軟、Meta的財報中都強調了數據中心的成本支出。

在市場環境整體下行，大家日子都不好過的當口，還要將巨額利潤上供給英偉達，幫助其進一步壟斷市場份額，掌握定價權，各家科技巨頭無疑成為了冤大頭。

同時更進一步，除了錢的因素，英偉達已經數次表示，即便已經開足馬力生產，自己的GPU產能也難以滿足當前市場的需求。

按照硅谷流行的說法，英偉達就像大模型時代的賣鏟人，不論大模型之戰的勝利方是誰，笑到最后的都是賣鏟子（算力）的英偉達。

隨著大模型之戰愈演愈烈，英偉達當然可以從容生產，畢竟AI芯片賣給誰不是賣。但對于身處戰斗第一線的微軟、谷歌，以及OpenAI等一眾創業公司來說，如果在短兵相接的時候，英偉達斷供了，就等于沒了武器，企業的命運將何去何從，恐怕要打上一個大大的問號。

畢竟，連與黃仁勛私交甚密，且不差錢的OpenAI在開發GPT-4時都因為算力短缺而受阻，又有哪家公司能確保英偉達不會斷供呢？

因此，無論從經濟性還是安全性角度，大模型廠商自研AI芯片都在情理之中。

錢多了得花出去

除了邏輯成立，大模型廠商卷向AI芯片的最直接原因，還在于兜里的錢變多了。

根據dealroom.co數據，過去五年全球生成式AI企業融資額超過220億美元，尤其是2023年，融資額足有150億美元。而這些巨額投資，有89%都流向了美國的初創公司，尤其是OpenAI，一家就拿到了VC將近120億美金的投資。

對創業公司來說，錢少了固然萬事皆休，但有時賬目上錢太多了，也成了幸福的煩惱，對大模型創企尤其如此。

一方面，當前大部分大模型創企，還不具備自我造血能力，其賬目上的巨額資金，都是投資人打進去的。那另一方面，投資人不光會打錢，還會盯著企業花錢。在收獲巨額融資后，如果沒有相關的業務進展，企業恐怕很難給投資人交差。

既不能不花錢，又不能亂花錢，“自研AI芯片”就順理成章提上了企業日程表。主要原因有兩個：剛需＋階段性要求。

首先，大模型發展的底層是算力，AI芯片可以說是大模型創企的水和電。但這個剛性需求，長期以來被英偉達所把持。

OpenAI的CEO山姆·奧特曼就曾公開抱怨GPU短缺，他認為GPU市場完全由英偉達主導，“這家公司控制著全球80%以上最適合人工智能訓練的芯片市場?！倍ミ_對AI芯片的壟斷，也直接影響了OpenAI的發展。

山姆·奧特曼透露，其實早在GPT-4發布之初（今年3月），OpenAI就計劃將ChatGPT的上下文輸入長度提升到32k token，但直到GPT-4上線很長一段時間，這一計劃都未能達成。其中一個關鍵因素，就是英偉達的算力芯片供不應求，以及算力成本過高。

如果說以往公司規模較小，缺乏資金時，被英偉達“卡脖子”是無可奈何?，F如今，OpenAI兵強馬壯，資金充裕，恐怕很難再忍受將企業命脈交給別人，打亂自己的全盤計劃。

除了剛性需求，大模型廠商最近不約而同“圍剿”英偉達，還在于大模型發展的階段性需求。簡單來說，就是到了燒硬件的時候。

需要明確的是，大模型訓練有些類似押注，并非每次訓練都能得到滿意的結果。換言之，訓練次數增多不一定能達到優化的效果，如果盲目將錢投入訓練，大模型創企為算力支付的高昂費用只能是試錯成本。

而如果把資金花到芯片研發上，效果則完全不同。

比如OpenAI的做法，收購芯片研發公司，就等于把原本要上供給英偉達的錢，沉淀成了公司資產。不僅能在未來增強公司核心競爭力，在當前也能給投資人合理的解釋——公司正把錢用在刀刃上，構建自身技術壁壘。

對于谷歌、亞馬遜和微軟等不差錢的硅谷大廠來說，花錢搞芯片研發更是必選項。

原因很簡單，一方面，隨著生成式AI大熱，英偉達的市值突破萬億美元，即便是硅谷大廠，心頭應該也是羨慕不已，想要分一杯羹。另一方面，隨著生成式AI被各大廠擺上核心位置，算力之爭大概率將決定未來企業的生態位，大廠們自然不能讓英偉達掌握自己的核心命脈。

先成為60%的英偉達

反觀國內市場，盡管國產大模型與硅谷大模型發展階段不同，但在追趕英偉達這件事上，大家的目標卻非常一致。

中國工程院院士、清華大學計算機系教授鄭緯民就認為：“今天國產AI芯片只要達到國外芯片60%的性能，如果生態做好了，客戶也會滿意?！?/strong>

其實從錢的流向來看，國內對AI芯片非常重視。最近5年中國AI芯片的投融資額世界第一，達到了74億美金，比美國還多兩倍。

在燒了大量的研發經費后，國內AI芯片廠商已經有了6000+家，其中主流廠商約60余家，已經大致形成了三個梯隊。

第一梯隊包括海光、華為、寒武紀等廠商，有成熟產品，且有商業化量產規模的應用；第二梯隊主要是燧原、昆侖芯、天數、壁仞、沐曦等創企，已經發布了AI產品，但應用領域還相對有限；第三梯隊則是一眾仍在埋頭AI芯片研發，尚無AI芯片量產的早期企業。

實際上，在硬件性能方面，國產第一梯隊的AI芯片已經與英偉達相差不遠。比如科大訊飛總裁劉慶峰就公開表示，“華為的AI芯片性能，已經可以對標英偉達的高端顯卡A100，尤其在顯卡的裸金屬性方面?！?/span>

當然，在硬件性能上接近英偉達，并不意味著國產AI芯片可以取代英偉達。因為英偉達真正的壁壘，并不只有GPU硬件性能，還在于其龐大的AI軟件生態CUDA。

簡單來說，決定GPU性能的不只是顯卡本身，還包括配套軟件和開發工具對應用的支持。作為一家成立30年，并且早早確定專注于生產GPU的公司，英偉達定義了GPU通用計算編程框架CUDA，開發者們早已習慣了用CUDA專有的編程語言，制作GPU驅動的應用程序。

換句話來說，如果開發者要遷移到谷歌、亞馬遜、微軟或國產的GPU芯片，他們甚至需要學習全新的軟件語言，遷移成本顯然很高。

鄭緯民教授也指出，行業搶貨國外AI芯片而不用國產芯片，這一現象本質還是國產芯片生態仍有差距。

他認為完善的GPU生態應該包括兩個方面：一方面是基于其他系統研發的軟件要能容易地遷移到國產生態中；另一方面是國產系統的開發套件要能很好地支持新軟件的開發。“如果能達到生態的成熟，哪怕芯片硬件性能只有國外的60%，執行大多數任務也不會有明顯感知?！?/span>

生態起決定作用，英偉達有先發優勢，這兩個因素疊加在一起似乎成了一道無解的命題——英偉達就是會壟斷市場。

但更多AI廠商自研芯片，卻引入了新的變量。

首先，自研芯片意味著AI公司可以根據自身需求，對軟件和硬件進行改造，確保芯片設計完全符合算法需求，提高運算效率和性能。與此同時，AI公司還可以圍繞自研芯片，建立私有的生態系統，包括軟件庫、框架、工具和支持服務，以此滿足客戶定制化需求。

對國產AI公司而言，雖然很難跟英偉達正面硬剛，但可以先成為60%的英偉達。雖然無法滿足全球AI算力需求，但至少可以先滿足自身算力需求。

而從長期角度，正如百川智能創始人王小川所言，大模型發展分為訓練、推理兩部分，雖然訓練目前只有英偉達做的最好，但推理需要有國產AI芯片?！拔磥砣绻吣Ｐ桶l展，算力儲備非常關鍵。這場‘算力仗’，中國的國產AI芯片必須要能頂上?！?/span>

AI芯片快速迭代的特性，注定了這一賽道的格局不會永遠固定。比如，就在燧原科技宣布完成D輪20億元融資，締造今年芯片最大融資金額之際。

另一條新聞也在業內刷屏，長期虧損的國產AI芯片第一股寒武紀宣布，國投基金減持完畢，基本清倉。而這種創投股東集體清倉的情形，對寒武紀來說已不是第一次。

即便在AI芯片熱潮洶涌的當下，要想真正搭上這股東風，恐怕也并不容易。