谁能替代英伟达？_老虎社区_美港股上老虎

谁能替代英伟达？

产业象限02-27

作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

里二外三
·02-28
又喝多了，老白干少喝点。
回复
点赞
举报
海中霸王
·02-28
华为是个球，什么都想做，以为他是科技老大啊。
回复
1
举报
niuniu688
·02-28
华为超越英伟达还早着呢。当然，内心是希望华为胜出。
回复
点赞
举报
火火兔爸
·02-28
gpu如果那么容易做，AMD这几年瞎忙活啥呢，到现在也没跟上。
回复
1
举报
金子成
·02-28
用什么替代？？？
回复
点赞
举报
仓右嘉措
·02-28
只看标题，就很不要脸。华为算个啥哦。
回复
3
举报
玮君
·02-28
华为加油
回复
点赞
举报
超超_6103
·02-28
天天要灭了苹果灭了特斯拉，现在又要来灭了英伟达？真的是遥遥领先啊
回复
10
举报
Jaybird cq
·02-28
谁知道？
回复
点赞
举报
allenz
·02-28
谁能代替乔丹，会是孙悦嘛？
回复
3
举报
黑皮东东
·02-28
又打飞机了
回复
1
举报
yaphets9800
·02-28
太高看华为了，华为没这个能力也没这个命
回复
1
举报
马甲
·02-28
gfw里一定可以
回复
点赞
举报
likados
·02-27
谁能替代英伟达？答：AMD
回复
点赞
举报
收起
- 火火兔爸:
  幻想
  02-28
  回复
  举报
中概都是垃圾
·02-27
华为下辈子吧
回复
3
举报
收起
- 中概都是垃圾:
  懂谣谣领先
  02-29
  回复
  举报
- 我是大虎:
  遥遥领先懂吗
  02-27
  回复
  举报

热议股票

7x24

全部

关于我们·老虎社区守则·老虎社区账号管理规范·老虎社区服务协议·老虎社区隐私政策

公司名称：北京至简风宜信息技术有限公司

违法和不良信息投诉：010-5681-3562（工作时间9:30-18:30）

邮箱：service@laohu8.com

营业执照：91110105MA01A4U55R

ICP备：京ICP备18016422号

网安备：京公网安备11010502036490

关注我们

{"i18n":{"language":"zh_CN"},"data":{"share":"https://www.laohu8.com/m/news/1122933530?lang=zh_CN&edition=full","thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","is_english":false,"pubTime":"2024-02-27 18:05","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"1122933530","market":"us","top_or_hot":-1,"title":"谁能替代英伟达？","media":"产业象限","content":"<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">网页链接</a>\n\n</div>\n","source":"lsy1709033562161","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"NVDA","symbol_name":"英伟达","start_time":0,"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","article_id":"1122933530","we_media_id":null,"thumbnails":["https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232"],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","pubTimestamp":1709028341,"sourceInfo":{"source_id":"lsy1709033562161","name":"产业象限"},"weMediaInfo":null,"summary":"英伟达真的不可替代吗？","collect":0,"end_time":0,"defaultTopTitle":"sina.com.cn","property":[],"viewcount":null,"language":"zh","relate_stocks":{"NVDA":"英伟达"},"translate_title":"Who can replace NVIDIA?","themeId":"","isJumpTheme":false,"ttsUrl":"https://static.tigerbbs.com/03d84fe193f54dfa27aabd6031ef3e51","symbols_score_info":{"NVDA":1.1},"content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","kind":null,"is_publish_news":true,"is_publish_highlight":true,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"symbols":[],"gpt_button":0},"commentList":[{"id":278968904044824,"gmtCreate":1709129120133,"gmtModify":1709129121708,"author":{"id":"3544518779726666","authorId":"3544518779726666","name":"里二外三","avatar":"https://static.laohu8.com/default-avatar.jpg","vip":1,"crmLevel":1,"crmLevelSwitch":0,"idStr":"3544518779726666","authorIdStr":"3544518779726666"},"htmlText":"又喝多了，老白干少喝点。","listText":"又喝多了，老白干少喝点。","text":"又喝多了，老白干少喝点。","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278968904044824","repostId":1122933530,"repostType":4,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278902072516688,"gmtCreate":1709112740072,"gmtModify":1709112741911,"author":{"id":"3434674559646753","authorId":"3434674559646753","name":"海中霸王","avatar":"https://static.tigerbbs.com/d595c5324caab31d7dcd61f923bd624a","vip":1,"crmLevel":7,"crmLevelSwitch":0,"idStr":"3434674559646753","authorIdStr":"3434674559646753"},"htmlText":"华为是个球，什么都想做，以为他是科技老大啊。","listText":"华为是个球，什么都想做，以为他是科技老大啊。","text":"华为是个球，什么都想做，以为他是科技老大啊。","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":1,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278902072516688","repostId":1122933530,"repostType":4,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278811631816968,"gmtCreate":1709079041020,"gmtModify":1709079042636,"author":{"id":"3461137328013835","authorId":"3461137328013835","name":"niuniu688","avatar":"https://static.tigerbbs.com/b68d35b57581042b115a767e74c301b4","vip":1,"crmLevel":8,"crmLevelSwitch":0,"idStr":"3461137328013835","authorIdStr":"3461137328013835"},"htmlText":"华为超越英伟达还早着呢。当然，内心是希望华为胜出。","listText":"华为超越英伟达还早着呢。当然，内心是希望华为胜出。","text":"华为超越英伟达还早着呢。当然，内心是希望华为胜出。","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278811631816968","repostId":1122933530,"repostType":2,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278802444558608,"gmtCreate":1709076801001,"gmtModify":1709076802719,"author":{"id":"3546249304196282","authorId":"3546249304196282","name":"火火兔爸","avatar":"https://static.tigerbbs.com/1914631c23e50a7645217a36cc9d9598","vip":1,"hat":"https://static.tigerbbs.com/b0a2963eb37c60c5d6d4a8dbcd266952","crmLevel":9,"crmLevelSwitch":1,"idStr":"3546249304196282","authorIdStr":"3546249304196282"},"htmlText":"gpu如果那么容易做，AMD这几年瞎忙活啥呢，到现在也没跟上。","listText":"gpu如果那么容易做，AMD这几年瞎忙活啥呢，到现在也没跟上。","text":"gpu如果那么容易做，AMD这几年瞎忙活啥呢，到现在也没跟上。","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":1,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278802444558608","repostId":1122933530,"repostType":2,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278797154234648,"gmtCreate":1709075645828,"gmtModify":1709084023079,"author":{"id":"3584093462539924","authorId":"3584093462539924","name":"金子成","avatar":"https://static.tigerbbs.com/1fe6600fac793b92271d13404ba9b6d8","vip":1,"crmLevel":2,"crmLevelSwitch":0,"idStr":"3584093462539924","authorIdStr":"3584093462539924"},"htmlText":"用什么替代？？？","listText":"用什么替代？？？","text":"用什么替代？？？","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278797154234648","repostId":1122933530,"repostType":2,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278727157625032,"gmtCreate":1709058417147,"gmtModify":1709058861927,"author":{"id":"4100517425095450","authorId":"4100517425095450","name":"仓右嘉措","avatar":"https://static.tigerbbs.com/fe4c3469b049b5cd16092b7b85f2e3c2","vip":1,"crmLevel":7,"crmLevelSwitch":1,"idStr":"4100517425095450","authorIdStr":"4100517425095450"},"htmlText":"只看标题，就很不要脸。华为算个啥哦。","listText":"只看标题，就很不要脸。华为算个啥哦。","text":"只看标题，就很不要脸。华为算个啥哦。","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":3,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278727157625032","repostId":1122933530,"repostType":4,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278721846624488,"gmtCreate":1709057231655,"gmtModify":1709057233074,"author":{"id":"3582264310669995","authorId":"3582264310669995","name":"玮君","avatar":"https://static.tigerbbs.com/fcbc5bedf92455ef285000b9ce4ae91e","vip":1,"crmLevel":1,"crmLevelSwitch":1,"idStr":"3582264310669995","authorIdStr":"3582264310669995"},"htmlText":"华为加油","listText":"华为加油","text":"华为加油","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278721846624488","repostId":1122933530,"repostType":4,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278719276323016,"gmtCreate":1709056493001,"gmtModify":1709056494894,"author":{"id":"3492787339030986","authorId":"3492787339030986","name":"超超_6103","avatar":"https://static.tigerbbs.com/e178c9f28079df8f96fc5ef22800a38f","vip":1,"crmLevel":1,"crmLevelSwitch":0,"idStr":"3492787339030986","authorIdStr":"3492787339030986"},"htmlText":"天天要灭了苹果灭了特斯拉，现在又要来灭了英伟达？真的是遥遥领先啊","listText":"天天要灭了苹果灭了特斯拉，现在又要来灭了英伟达？真的是遥遥领先啊","text":"天天要灭了苹果灭了特斯拉，现在又要来灭了英伟达？真的是遥遥领先啊","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":10,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278719276323016","repostId":1122933530,"repostType":4,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278714373603624,"gmtCreate":1709055351246,"gmtModify":1709055526022,"author":{"id":"3576046070031328","authorId":"3576046070031328","name":"Jaybird cq","avatar":"https://static.laohu8.com/default-avatar.jpg","vip":1,"crmLevel":1,"crmLevelSwitch":0,"idStr":"3576046070031328","authorIdStr":"3576046070031328"},"htmlText":"谁知道？","listText":"谁知道？","text":"谁知道？","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278714373603624","repostId":1122933530,"repostType":2,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278713396875384,"gmtCreate":1709055196525,"gmtModify":1709055198100,"author":{"id":"3558574556289245","authorId":"3558574556289245","name":"allenz","avatar":"https://static.tigerbbs.com/12bd62189c7275f041fa33457bef2636","vip":1,"crmLevel":1,"crmLevelSwitch":0,"idStr":"3558574556289245","authorIdStr":"3558574556289245"},"htmlText":"谁能代替乔丹，会是孙悦嘛？","listText":"谁能代替乔丹，会是孙悦嘛？","text":"谁能代替乔丹，会是孙悦嘛？","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":3,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278713396875384","repostId":1122933530,"repostType":4,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278694105370920,"gmtCreate":1709050402948,"gmtModify":1709053589042,"author":{"id":"4096729230922880","authorId":"4096729230922880","name":"黑皮东东","avatar":"https://static.tigerbbs.com/dac9331f51f2ff89e3d7af0afb0e31ee","vip":1,"crmLevel":7,"crmLevelSwitch":0,"idStr":"4096729230922880","authorIdStr":"4096729230922880"},"htmlText":"又打飞机了","listText":"又打飞机了","text":"又打飞机了","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":1,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278694105370920","repostId":1122933530,"repostType":4,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278692079521840,"gmtCreate":1709049956506,"gmtModify":1709050011650,"author":{"id":"3573518226603621","authorId":"3573518226603621","name":"yaphets9800","avatar":"https://static.tigerbbs.com/aec4c3d37bf24319a9e51faaf6e611c2","vip":1,"crmLevel":1,"crmLevelSwitch":0,"idStr":"3573518226603621","authorIdStr":"3573518226603621"},"htmlText":"太高看华为了，华为没这个能力也没这个命","listText":"太高看华为了，华为没这个能力也没这个命","text":"太高看华为了，华为没这个能力也没这个命","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":1,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278692079521840","repostId":1122933530,"repostType":2,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278691284259048,"gmtCreate":1709049770140,"gmtModify":1709049771685,"author":{"id":"3492666186842287","authorId":"3492666186842287","name":"马甲","avatar":"https://static.tigerbbs.com/0313a49e0eab3259826c3cbaa473b1c4","vip":1,"crmLevel":1,"crmLevelSwitch":0,"idStr":"3492666186842287","authorIdStr":"3492666186842287"},"htmlText":"gfw里一定可以","listText":"gfw里一定可以","text":"gfw里一定可以","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/278691284259048","repostId":1122933530,"repostType":4,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"},{"id":278690309673016,"gmtCreate":1709049419061,"gmtModify":1709049863821,"author":{"id":"3562403735807588","authorId":"3562403735807588","name":"likados","avatar":"https://static.laohu8.com/default-avatar.jpg","vip":1,"crmLevel":2,"crmLevelSwitch":0,"idStr":"3562403735807588","authorIdStr":"3562403735807588"},"htmlText":"谁能替代英伟达？答：AMD","listText":"谁能替代英伟达？答：AMD","text":"谁能替代英伟达？答：AMD","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":1,"repostSize":0,"link":"https://laohu8.com/post/278690309673016","repostId":1122933530,"repostType":2,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"comments":[{"id":278802551685392,"gmtCreate":1709076827165,"gmtModify":1709076830832,"authorId":3546249304196282,"author":{"id":3546249304196282,"idStr":"3546249304196282","authorId":3546249304196282,"name":"火火兔爸","avatar":"https://static.tigerbbs.com/1914631c23e50a7645217a36cc9d9598","vip":1,"crmLevel":9,"crmLevelSwitch":1,"individualDisplayBadges":[]},"repliedAuthorId":0,"objectId":278690309673016,"type":1,"supId":0,"prevId":0,"content":"幻想","text":"幻想","html":"幻想"}],"langContent":"CN"},{"id":278689955488016,"gmtCreate":1709049337848,"gmtModify":1709049339438,"author":{"id":"3517390526485908","authorId":"3517390526485908","name":"中概都是垃圾","avatar":"https://static.laohu8.com/default-avatar.jpg","vip":1,"crmLevel":6,"crmLevelSwitch":0,"idStr":"3517390526485908","authorIdStr":"3517390526485908"},"htmlText":"华为 下辈子吧","listText":"华为 下辈子吧","text":"华为 下辈子吧","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":3,"commentSize":2,"repostSize":0,"link":"https://laohu8.com/post/278689955488016","repostId":1122933530,"repostType":2,"repost":{"id":"1122933530","pubTimestamp":1709028341,"share":"https://www.laohu8.com/m/news/1122933530?lang=&edition=full","pubTime":"2024-02-27 18:05","market":"us","language":"zh","title":"谁能替代英伟达？","url":"https://stock-news.laohu8.com/highlight/detail?id=1122933530","media":"产业象限","summary":"英伟达真的不可替代吗？","content":"<html><head></head><body>作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。<img src=\"https://static.tigerbbs.com/6c5a0e52cdbf147c68e0abe93e716f59\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"579\"/>　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：<ul style=\"\"><li>微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；</li><li>苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；</li><li>Meta2023年Q4营收401亿美元，净利润140.17亿美元。</li></ul>　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。<img src=\"https://static.tigerbbs.com/f4cca40d3a9fa164ca00e548916b6058\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"689\"/>　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。<img src=\"https://static.tigerbbs.com/f4d76826d44e6b625ad23b33d2554716\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"422\"/>　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。<img src=\"https://static.tigerbbs.com/dc579b9e96df9fd5909a5814f1217423\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"274\"/>　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。<img src=\"https://static.tigerbbs.com/3c631f033cdce9f6a3347fd962f92869\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"368\"/>　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。<img src=\"https://static.tigerbbs.com/daf6584a9a2581f675341ee9588d33a7\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。<img src=\"https://static.tigerbbs.com/1a8fd05f5f63eecd29a0b65a3eb579fc\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"306\"/>　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1&gt;3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。<img src=\"https://static.tigerbbs.com/fbdf7dba458a181a201f58f9d763c484\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"548\"/>　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。<img src=\"https://static.tigerbbs.com/309b546944a748698d8228db3adbee1b\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"308\"/>　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。<img src=\"https://static.tigerbbs.com/8d28717f037880c92a52e4c07879af3f\" alt=\"\" title=\"\" tg-width=\"550\" tg-height=\"309\"/>　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。</body></html>","source":"lsy1709033562161","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谁能替代英伟达？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谁能替代英伟达？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-02-27 18:05 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml>产业象限</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也...\n\n<a href=\"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/7b8db4b0e3e8dc0281ba058cc5847232","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/tech/csj/2024-02-27/doc-inaknpfi3364051.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122933530","content_text":"作者丨山茶　　2月22日，英伟达发布2024财年四季报，营收221亿美元，同比增长265%，净利润123亿美元，同比激增769%，双双大超市场预期。　　然后，英伟达就杀疯了。　　一夜之间，英伟达市值暴涨2770亿美元，创下华尔街单日最大涨幅的历史记录。如今，英伟达的市值已经逼近2万亿美元。以国内生产总值计算，英伟达市值超过了大多数其他国家经济体的规模。　　▲图源：福布斯　　从企业层面看，这一市值也超越Meta，成为仅次于微软、苹果和沙特阿美的全球第四大市值的巨无霸。　　但有意思的现象是，虽然已经跻身第一梯队，但无论是营收还是利润，英伟达都与微软、苹果、甚至被它超过的Meta差距较远。　　可以对比来看：微软2024财年Q2营收620.2亿美元，净利润218.7亿美元；苹果2024财年Q1营收1195亿美元，净利润339.16亿美元；Meta2023年Q4营收401亿美元，净利润140.17亿美元。　　《巴伦周刊》使用基于FactSet预测的2023年至2026年预期平均盈利增长，以及基于2024年预测的市盈率，对美股7大巨头企业的PEG比率（市盈率除以盈利增长率）也做了预测，英伟达是其中最低的。　　▲图源：FactSet　　毫无疑问，如今英伟达的市值存在巨大泡沫，但从国内到国外，投资者却都愿意为这样的泡沫买单。　　整个市场对英伟达充满信心，因为在某种程度上，市场已经将英伟达与AI时代的未来划上了等号。　　投资英伟达，就是投资属于未来的AI时代，在这样的逻辑下，英伟达似乎值得任何市值。　　那么，英伟达真的不可替代吗？谁又会成为英伟达的对手，谁又能将它赶下神坛？　　01　　英伟达，凭什么遥遥领先？　　和其它半导体企业相比，英伟达是“遥遥领先”的，起码在市值上如此。　　如今，在全球前十的半导体企业中，不算台积电和阿斯麦这样的纯代工厂和光刻机厂商，英伟达的市值约等于剩下七家市值的总和，甚至还有富余。　　▲图源：芯东西　　撑起英伟达市值的，是其全球领先的AI计算芯片，包括A100、H100和即将上市的H200。根据富国银行的统计，英伟达目前在全球数据中心AI加速市场拥有98%的份额，处于绝对的统治地位。　　很多时候，这些芯片花钱也都很难买到。早在2023年8月的时候，就有媒体报道，英伟达的订单排到了2024年。其芯片的交付周期，也曾一度高达8~11个月（如今已经缩短为3~4个月）。马斯克曾为此吐槽，“英伟达的芯片比毒品还难搞到”。　　产能不足，供不应求，这些需求应该自然溢出到其他厂商。从供应链安全的角度考虑，面对如此集中的市场，企业似乎也不应该只选择英伟达这一家的产品。　　但全球的企业排着队将订单送到英伟达手中，难道，除了英伟达的芯片之外，AMD、英特尔这些企业的芯片都办法训练大模型吗？　　答案当然不是，但使用英伟达的芯片，目前仍然是训练和运行大模型的最优选择。这种优势体现在四个方面，包括硬件性能、软件生态、适用范围和整体性价比。　　首先是硬件性能。　　以英伟达在2020年5月发布的NVIDIA A100 GPU为例，这款芯片采用7nm制程和NVIDIA Ampere架构，拥有540亿个晶体管和6912个CUDA核心，最高可以提供80GB的GPU显存，以及2TB/s的全球超快显存带宽。在大模型训练和推理常用的FP16(半精度浮点运算）Tensor Core峰值性能可以达到312TF，使用稀疏计算的情况下，可以达到624TF。　　▲图源：CSDN，NVIDIA GPU A100 Ampere(安培)架构深度解析　　很多人对这些指标没什么概念，我们来简单解释一下。　　芯片的制程决定着同样大小的芯片能够放下的晶体管的数量，而晶体管的数量越多，芯片的计算能力越强，这也是5纳米的芯片一定比7纳米的芯片先进的原因。　　至于CUDA核心，即CUDA线程，是英伟达CUDA平台编程模型中的基本执行单元。我们都知道，GPU最强的能力是并行计算，而CUDA核心越多，意味着芯片能同时并行计算的数量也就越多，芯片的性能更强，完成同样任务的速度更快。　　需要注意的是，芯片的计算能力强和计算效率高是两个概念。制程和晶体管的数量代表着计算能力，而CUDA核心的数量，代表着计算效率。　　至于显存和带宽，则决定了GPU在运行时的效率。其中显存决定GPU同时能够存储的最大数据，而显存带宽，则决定显存和显卡之间的数据传输速度。　　举一个简单直白的例子，在一个流水线上，原材料需要从库房运送到车间进行装备，然后将成品再运回库房。显存决定了库房能够放多少原材料，而显存带宽，则决定每次从库房送原材料的速度。如果库房不够大，或者材料传输速度不够快，那车间的生产能力再强，也无法生产出成品。所以显存和带宽，其实决定芯片能够参与训练多大参数规模的大模型，以及训练大模型的速度。　　明白了这些基本概念，我们再用最有代表性的两家企业，进行对比。　　首先是AMD，目前主打的芯片是MI250X，发布于2021年年底，采用7nm工艺，拥有582亿个晶体管，显存128G，显存带宽3.2768 TB/s，FP16峰值性能为369 TF，只有60个计算单元。　　▲图源：AMD官网，MI250X　　其次是英特尔，目前主打芯片Ponte Vecchio，同样发布于2021年，采用7nm工艺，宣称晶体管数量达到1020亿，是全世界晶体管数量最多的芯片。这款芯片显存128GB，显存带宽3.2TB/s，FP16峰值性能184TF，计算单元102个。　　▲图源：英特尔 Hot Chips 演示的幻灯片，展示了 PVC 上的小芯片　　我们会发现，即使从单纯的数据上看，英特尔和AMD也没有完全被英伟达甩开，甚至在某些领域，这两家的芯片还领先英伟达的A100。　　但是这里有两个误区，第一个误区是，英特尔和AMD这两款芯片的发布时间比A100都要晚一年，他们真正对标的对手，其实应该是英伟达在2022年初发布的H100，而现在英伟达的芯片已经更新到H200了。　　▲图源：Semianalysis　　第二个误区在于，硬件指标并不完全等于芯片的整体能力，软件生态是决定芯片性能和使用的第二个关键指标。　　这就像手机和操作系统一样，手机的硬件配置再好，没有一个好的操作系统，对于消费者来说仍然不是一款好的手机。而这里需要提到的，就包括英伟达的CUDA平台、NVLink和Tensor Core等软件生态。　　比如CUDA平台，我们前面提到的CUDA核心就是这个平台的产物，它可以提高芯片的并行计算能力；它可以通过编程，提高GPU的能效比，让同样的工作耗费更少的能源。　　此外，CUDA平台还支持广泛的应用程序，包括科学计算、深度学习、机器学习、图像处理、视频处理等等，它还允许技术人员通过C++等常用的编程语言来编写GPU代码。打一个不恰当的比方，这相当于中国人不用学习英文，直接使用中文指挥外国人做事情，帮助技术人员节省了巨大成本。　　但目前市面上大多数程序员已经深度依赖CUDA平台和开发工具，就像我们使用微信许多年了，你的朋友、聊天记录、朋友圈都在这个微信上，即使现在出现一个更好用的社交软件，你也很难迁移。　　CUDA带来的生态壁垒也类似这个道理，其他平台虽然也有自己的软件生态，比如AMD有自己的GCN 架构，英特尔有Xe架构，甚至为开发者提供类似“一键换机”迁移功能，但都很难与英伟达竞争。　　当然，这里面也有一些曲线救国的做法，比如以AMD为首，越来越多的芯片企业采用了“打不过就加入”的策略，选择将自己的芯片兼容到CUDA平台，早在2012年的时候，AMD就与Nvidia 达成了一项协议，允许AMD在其GCN架构GPU中使用 CUDA 技术，所以现在我们在AMD的芯片中，也会看到CUDA核心。　　当然，对于英伟达来说，CUDA也只是护城河的一部分，其他的技术如NVLink也至关重要。　　作为大模型训练的GPU，没有哪家企业会单独使用一张GPU，每次都会使用至少几百张卡，甚至上万张卡一起建立计算集群。NVLink是一种链接技术，可以实现GPU之间的高速、低延迟的互联。如果没有这种技术，整个芯片算力的集群就无法实现1+1>3的效果，而且会增加GPU之间的通信延迟，执行任务的效率会降低，芯片的功耗会增加，最终增加整个系统的运行成本。　　大模型训练实际上是一个非常消耗能源的事情，国盛证券做过一个计算，假设每天约有1300万独立访客使用ChatGPT，那每天的电费就需要5万美元。而如果没有NVLink，这笔成本还会指数级上升。　　芯片某种程度上就像购车一样，购车只是第一次成本，之后的油费、保养、保险才是成本的大头。所以黄仁勋才说，“AI系统最重要的不是硬件组成的成本，而是训练和运用AI的费用。”　　所以，虽然AMD、英特尔在某些芯片上把价格定得比英伟达更低，但是从长期成本来考虑，具有更优软件生态和协同、配套工具的英伟达芯片仍然是性价比最高的选择。　　当然，这里面还要考虑到使用场景的问题。　　比如英伟达的大客户，主要是以Meta、微软、亚马逊、Google为代表的云计算平台。有媒体报道，头部云计算厂商在英伟达H100 GPU整体市场份额中的占比达到50%。　　▲图源：Omida Research　　而云厂商采购芯片的逻辑，主要是构建算力集群，然后通过云服务平台将这些算力再卖出去。但这里就会存在一个问题，就是云厂商并不知道客户会拿这些算力来做些什么，比如有的企业会用来做机器学习，有企业需要大模型训练，也有企业需要做大模型推理。　　不同的需求，背后对应的算力配置也不尽相同，它需要底层的芯片能够支持多种编程模型，支持多种数据类型，有较好的可拓展性和良好的性能和功耗等等。而这些，恰恰是英伟达硬件能力加软件生态带来的优势。　　综合来看，无论是从硬件性能，还是软件生态；无论是从开发工具和部署工具，到长期使用的成本和可开发应用场景。对比同类竞争对手，英伟达都属于最有性价比，且遥遥领先的存在。　　这就是为什么明明需要排着长队、忍受长时间等待，大家却仍然执着于英伟达芯片的原因。　　02　　谁想替代英伟达？　　难道英伟达真的不能被超越吗？当然也不是，在巨大的市场利益面前，从传统半导体巨头到初创企业，围剿英伟达的呼声从来就没有停止过。　　特别是最近几年，随着云计算和云端AI芯片的火爆，已经有无数的半导体公司说过，自家芯片已经在部分性能上超过了英伟达A100，就像今天也有无数大模型企业会说自己已经在某些方面超过OpenAI GPT-3.5一样。　　在最新披露年报中，英伟达是这样描述自己的竞争风险的。　　公司的竞争来源主要有两个，一个是 GPU、CPU、DPU、嵌入式SoC和其他加速AI计算处理器产品的公司，比如英特尔、AMD、高通、华为；另一个是提供基于InfiniBand（无线带宽技术）、以太网、光纤通道和专有技术的半导体高性能互连产品供应商，比如华为、思科、惠普这样的通信公司，以及亚马逊、微软、阿里、谷歌、华为这样的云服务公司等等。　　特别是第一次被英伟达列为对手且被反复提到的华为。从芯片硬件到软件，从云服务到通信解决方案，英伟达几乎将华为当做所有领域的竞争对手。　　奇怪的是，虽然在2023年8月，科大讯飞创始人刘庆峰就提到华为的GPU已经可以对标A100了，但其实从客观的性能、使用成本，软硬件生态工具，华为与英伟达之间仍然有着代际的差距。　　华为被如此重视，关键在于两点：　　一是市场环境的问题，由于众所周知的原因，英伟达的高端芯片在国内的销路并不畅通，在全面国产替代的背景下，其针对中国的特供版芯片在中国的竞争力也在降低。在这样的背景下，华为拥有更多的成长空间，不必直接对标英伟达最先进的H200。　　另一个关键是华为的生态能力非常齐全，作为通信起家的企业，华为不仅拥有自己的芯片，服务器，还拥有自己的云计算平台和大模型。基本上，华为覆盖了AI这条产业链从头到尾的所有环节，对比英伟达拥有更大的潜力和可能。　　如今，华为的昇腾910B正在疯狂席卷中国市场，除了科大讯飞之外，国内多地的智算中心也都已经用上了华为的芯片。《财经》之前报道，华为昇腾系列产品目前处在供不应求状态，价格约只有英伟达A100的60%甚至可以更低。　　为了应对国内市场的变化，英伟达也在积极推出新的产品。2月初，有媒体报道，英伟达的新款国内专供芯片H20已经开始在接受经销商的预定。　　▲图源：NVIDIA  由H2O.ai和NVIDIA提供支持的融合AI生态系统　　而有趣的是，作为新产品，英伟达H20每张的定价换算成人民币仅在8.6万~11万左右，刚好略低于华为昇腾910B 12万元左右的价格。在英伟达承受中国市场压力的背景下，这被看做是一种防守策略。　　除了在国内有被黄仁勋亲自认证的竞争对手华为之外，海外市场英伟达其实也是群狼环伺。　　最虎视眈眈的自然是AMD。　　2023年6月，AMD发布了Instinct MI300，目标是对标英伟达H100，其晶体管数量达到1530亿，内存192GB、内存带宽5.3TB/s，分别是英伟达H100的大约2倍、2.4倍和1.6倍。　　软件上，AMD仍然延续兼容CUDA的策略，一方面通过迁移工具，翻译CUDA应用的策略吸引英伟达的开发者，另一方面开源自家的ROCm软件，提高企业和开发者的自主权。　　对于芯片算力这么基础的部分，没有企业希望英伟达成为自己的唯一供应商，所以在MI300推出之后，包括OpenAI、微软、Meta都纷纷表态将采购MI300。　　除了AMD，即使是已经在AI上落后的英特尔，也不甘心错过这场泼天富贵。　　▲图源：彭博社 英特尔公司首席执行官Patrick Gelsinger于2023年12月14日星期四在美国纽约举行的英特尔AI Everywhere发布会上发表讲话　　英特尔最新的AI芯片Gaudi3将在2024年上市，这款芯片采用5nm工艺，最高配备128GB的内存。按英特尔的宣传，这款芯片的带宽是Gaudi 2(7nm工艺)的1.5倍，BF16功率是其4倍，网络算力是其2倍，并表示Gaudi3的性能将优于英伟达的H100。同时，美国政府也在对英特尔进行扶持，预计将向英特尔提供超过100亿美元的补贴。　　从战略上，与英伟达的优势在云端不同，英特尔的优势在与其广阔个人终端市场。所以英特尔其实将更大的赌注压在了个人终端的AI化上。英特尔CEO基辛格多次提到，要重构PC体验，并表达对未来AI PC市场的看好。英特尔希望依靠其CPU在个人PC上的优势，率先抢占这一市场，然后再通过消费市场反向促进云端市场的繁荣，打一波农村包围城市的战役。　　事实上，芯片的行业特点与软件、或者互联网的商业可以通过建立用户规模，或者生态就建立壁垒实现赢者通吃不同。作为高度技术密集型产业，芯片技术的代际变化非常大，只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　芯片不同于软件，或者互联网等其他业务模式，建立起一定的用户规模之后可以一直赢者通吃。只要存在技术迭代的机会，后来者就永远有弯道超车的可能。　　而无论是AMD还是英特尔，亦或者华为，他们都有深厚的技术研发能力和充裕的资金，这些企业可能会在这个阶段暂时落后，但也谁无法笃定，这些企业不会出现一次技术涌现，或者抓住某个技术迭代的关键时期后来居上。　　从最新财报看，AMD 2023年Q4数据中心的销售额22.8亿美元，同比增长38%，表明市场已经在逐步接纳其AI芯片的使用。　　而除了AMD和英特尔这样的老牌玩家之外，这个市场上还有很多创业者在前赴后继。　　最近比较出名的如Groq，其针对大语言模型量身定制的LPU芯片每秒可以生成500个token，远超英伟达芯片的效率。当然，这个成绩仍然是在实验场景下的结果，最终工程化交付还有很长的距离，且这款芯片也还有许多技术问题有待解决。　　但这本质上代表，面对新的场景，如今的芯片的技术仍有创新空间。　　所以我们会看到，作为全球最具代表的AI企业，OpenAI也宣布了自己的造芯计划。其创始人CEO Altman前段时间不仅传出7万亿美元的募资芯片，在这之前更是已经投资了包括Cerebras、Rain Neuromorphics和Atomic Semi在内的至少三家芯片公司。　　远在日本的孙正义，在互联网时代已经功成名就的他也打算放过这次机会，刚刚从巨额的投资亏损中解套的他，立马就提出了募集1000亿美元以创立一家人工智能半导体芯片企业的计划。　　有媒体报道，在这次计划中，软银将出资300亿美元资金，另有700亿美元的资金可能来自中东地区的机构。而在2023年，软银集团曾以640亿美元的估值收购ARM公司25%股份，这也是孙正义投入芯片的底气之一。　　当然，对于英伟达来说，更大或者更直接的危险还是来自其最大的客户——云厂商。　　面对巨大的算力需求，国内如百度、华为、阿里都相继推出了自己的AI芯片，在国外，包括微软、亚马逊、Google也同样在开发自己芯片。　　当然，这些芯片主要针对的是特定场景的计算需求，与英伟达面向通用场景的GPT仍然有不同。但这也代表，云计算厂商正在逐步减少对英伟达的依赖。而正如前面所提到的，这部分企业才是真正支撑英伟达业绩的主要客户。　　面对这些既定的，或者潜在的市场变化，英伟达自然也没闲着。据路透社报道，英伟达近期已与微软等主要云厂商联系，商讨为云厂商定制AI芯片的问题。　　同时，英伟达也在持续推出新的芯片，以期望不断拉开与后来者的距离。目前，英伟达已经公布了其下一代AI芯片B100的消息，设计性能要比H100快3倍。　　所以，虽然超越英伟达的机会仍然存在，这个世界也从不缺少挑战“霸权”的勇士，但这个任务显然还很漫长。","news_type":1},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"comments":[{"id":279337381134560,"gmtCreate":1709219045373,"gmtModify":1709219049094,"authorId":3517390526485908,"author":{"id":3517390526485908,"idStr":"3517390526485908","authorId":3517390526485908,"name":"中概都是垃圾","avatar":"https://static.laohu8.com/default-avatar.jpg","vip":1,"crmLevel":6,"crmLevelSwitch":0,"individualDisplayBadges":[]},"repliedAuthorId":0,"objectId":278689955488016,"type":1,"supId":278690379055232,"prevId":0,"content":"懂 谣谣领先","text":"懂 谣谣领先","html":"懂 谣谣领先"},{"id":278690379055232,"gmtCreate":1709049437339,"gmtModify":1709049440943,"authorId":3586848837363383,"author":{"id":3586848837363383,"idStr":"3586848837363383","authorId":3586848837363383,"name":"我是大虎","avatar":"https://static.tigerbbs.com/d25dcffde6d8c7f57d1d7ba8aa1a74c0","vip":1,"currentWearingBadge":{"badgeId":"35ec162348d5460f88c959321e554969-2","templateUuid":"35ec162348d5460f88c959321e554969","name":"宗师交易员","description":"证券或期货账户累计交易次数达到100次","bigImgUrl":"https://static.tigerbbs.com/ad22cfbe2d05aa393b18e9226e4b0307","smallImgUrl":"https://static.tigerbbs.com/36702e6ff3ffe46acafee66cc85273ca","grayImgUrl":"https://static.tigerbbs.com/d52eb88fa385cf5abe2616ed63781765","redirectLinkEnabled":0,"hasAllocated":1,"isWearing":1,"stampPosition":0,"hasStamp":0,"allocationCount":1,"allocatedDate":"2024.03.23","exceedPercentage":"80.06%","individualDisplayEnabled":0,"individualDisplaySort":0,"categoryType":1100},"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[]},"repliedAuthorId":0,"objectId":278689955488016,"type":1,"supId":0,"prevId":0,"content":"遥遥领先懂吗","text":"遥遥领先懂吗","html":"遥遥领先懂吗"}],"langContent":"CN"}],"hasMoreComments":true,"newsSizeData":{"likeSize":9,"commentSize":15,"repostSize":7,"favoriteSize":12,"likeStatus":false,"favoriteStatus":false}}