論騷操作，硅谷恐怕沒有CEO能比得上黃仁勛。

去年，黃仁勛向微軟、谷歌和亞馬遜這些云計(jì)算廠商提出了一個(gè)計(jì)劃：這些廠商都有很多搭載了英偉達(dá)GPU的服務(wù)器，由英偉達(dá)租用這些服務(wù)器，然后讓英偉達(dá)的工程師對(duì)其進(jìn)行“優(yōu)化”，再以英偉達(dá)的名義租給普通的AI企業(yè)，從中賺取差價(jià)。

說簡單點(diǎn)，以前微軟會(huì)直接把云服務(wù)賣給中小公司，現(xiàn)在由英偉達(dá)進(jìn)來當(dāng)中間商。當(dāng)然按照英偉達(dá)官方的說法，此舉是為了“向云計(jì)算廠商展示在數(shù)據(jù)中心配置GPU的正確方法”[1]。

服務(wù)器還是那個(gè)服務(wù)器，但經(jīng)過英偉達(dá)“優(yōu)化”后，客戶就從微軟優(yōu)化到英偉達(dá)了。但就是這樣一個(gè)匪夷所思的提議，除了亞馬遜之外，各大云計(jì)算廠商居然都同意了。

2023年3月，英偉達(dá)正式上線云計(jì)算服務(wù)DGX Cloud。事實(shí)證明，經(jīng)過英偉達(dá)工程師的優(yōu)化后，DGX Cloud在訓(xùn)練大模型時(shí)表現(xiàn)得的確更好；在此基礎(chǔ)上，英偉達(dá)還破例允許短期租賃。僅僅半年時(shí)間，英偉達(dá)就拿下了軟件公司ServiceNow等大客戶。

科技公司愿意配合英偉達(dá)騷操作的真實(shí)原因，可能還是因?yàn)橛ミ_(dá)手中握有大模型時(shí)代最稀缺的資源——H100。

當(dāng)下，幾乎所有的企業(yè)都沒有足夠的算力。連OpenAI創(chuàng)始人阿爾特曼，都曾在一次聽證會(huì)上無奈地表示：“如果人們減少使用ChatGPT，我們會(huì)非常高興，因?yàn)槲覀兊腉PU非常短缺[2]。”

買了多少H100，甚至可以成為決定AI成就的關(guān)鍵因素。這也讓英偉達(dá)有了“挾H100以令諸侯”的底氣。

計(jì)算機(jī)的“稀土”

通常來說，科技企業(yè)會(huì)通過購買云計(jì)算廠商的服務(wù)，來滿足算力需求。從2023年3月開始，微軟Azure、亞馬遜AWS等云計(jì)算廠商也先后上架了HGX H100的租賃服務(wù)，HGX H100是由4個(gè)或8個(gè)H100組成的服務(wù)器。

然而，當(dāng)下供需嚴(yán)重失衡，云計(jì)算廠商這點(diǎn)H100存貨已經(jīng)遠(yuǎn)遠(yuǎn)滿足不了市場的胃口。2023年H1的財(cái)報(bào)中，微軟專門更新了一條風(fēng)險(xiǎn)因素：如果無法獲得足夠多的AI芯片，云計(jì)算業(yè)務(wù)可能會(huì)中斷。

許多初創(chuàng)公司需要排隊(duì)等待3-12個(gè)月，一旦友商搶在自己前面，那可能就是幾十上百億估值的損失。

無數(shù)“H100窮人”們，只能被迫發(fā)揮主觀能動(dòng)性，看誰的路子更野。

面對(duì)《紐約時(shí)報(bào)》的采訪，一位創(chuàng)業(yè)者將H100比作“稀土”。早些時(shí)候，他跑去請(qǐng)求美國國家科學(xué)基金會(huì)投資自己，僅僅因?yàn)榛饡?huì)底下一個(gè)項(xiàng)目剛好有少數(shù)空置的H100。

在硅谷，AI創(chuàng)業(yè)者打招呼的方式，都變成了“我認(rèn)識(shí)一個(gè)有H100的家伙”——不知道的還以為在買賣毒品[4]。

GPU Utils曾測算過H100搶購潮背后具體的需求數(shù)據(jù)：

對(duì)需要自己訓(xùn)練大模型、追求大力出奇跡的企業(yè)來說，沒有個(gè)上萬塊H100都不好意思出門。由前DeepMind聯(lián)合創(chuàng)始人蘇萊曼創(chuàng)辦的InflectionAI，成立方才一年，已買了2.2萬個(gè)H100；至于Meta這樣財(cái)大氣粗的公司，很可能會(huì)購買10萬個(gè)甚至更多。

對(duì)微軟Azure等云計(jì)算廠商來說，每一家也都需要至少3萬個(gè)H100。而其余幾家私有云，還將消耗總計(jì)約10萬個(gè)H100。

測算后發(fā)現(xiàn)，僅美國大型科技公司和少數(shù)幾家明星初創(chuàng)公司，需求量已達(dá)到約43萬個(gè)[5]。如果再算上其他初創(chuàng)企業(yè)、研究機(jī)構(gòu)、大學(xué)，乃至富裕國家的追逐、再加之黃牛、黑市等不可控因素，實(shí)際需求很可能遠(yuǎn)大于這個(gè)數(shù)字。然而據(jù)英國《金融時(shí)報(bào)》爆料，今年H100的出貨量大約是55萬個(gè)[6]。

H100之所以令人如饑似渴，其中一個(gè)核心原因在于其近乎壟斷的市場地位。

面對(duì)大模型訓(xùn)練對(duì)極致效率的需求，H100在大多數(shù)情況下都是最優(yōu)解。

MPT-30B是第一個(gè)使用H100訓(xùn)練的開源LLM（大語言模型），實(shí)際訓(xùn)練只耗費(fèi)了11.6天；相比之下，使用前一代的A100訓(xùn)練則需要28.3天[7]。如若換成參數(shù)規(guī)模更龐大的AI，例如1800B的GPT-4，效率差異會(huì)更加明顯。跑馬圈地的時(shí)代，時(shí)間就是一切。

除此之外，H100在模型推理上的效率也遠(yuǎn)高于A100。盡管H100的首發(fā)價(jià)約為3.3萬美元，如今二手市場價(jià)格更上漲至4-5萬美元；但若將H100和A100的性能分別除以各自的價(jià)格，能發(fā)現(xiàn)H100的性價(jià)比實(shí)際也高于A100。

MPT-30B的具體訓(xùn)練、推理情況

黃仁勛說，“Buy more GPUs , the more money you save（買得多，省得多）”，似乎不無道理。

也正因?yàn)槿绱耍幢忝绹拗屏薍/A100的對(duì)華出口，國內(nèi)科技公司仍在搶購閹割版的H/A800——盡管閹割版的芯片間數(shù)據(jù)傳輸速度只有前者一半，意味著需要在大模型訓(xùn)練上花費(fèi)更多時(shí)間。

除需求量龐大之外，造成H100短缺的另一個(gè)原因是產(chǎn)能的嚴(yán)重不足。

H100芯片需要使用SK海力士的HBM內(nèi)存，以及臺(tái)積電的CoWoS封裝——兩者都因過于昂貴，此前并沒能大規(guī)模市場化，預(yù)備產(chǎn)能并不多。由于產(chǎn)能爬坡尚需時(shí)間，有分析師預(yù)測H100的短缺至少會(huì)持續(xù)至明年一季度，也有人認(rèn)為要到明年年底才有可能有所緩解[9]。

H100內(nèi)部結(jié)構(gòu)

H100的空前盛況，讓黃仁勛在短短一年時(shí)間內(nèi)體驗(yàn)了一回坐過山車的感覺。

去年二季度，消費(fèi)市場萎靡不振加上挖礦企業(yè)扎堆倒閉，英偉達(dá)交出了一份不及格的財(cái)報(bào)，“GPU滯銷，幫幫我們”的表情包一度遍地都是。一年之后，黃仁勛成功向資本市場展示了什么叫“反向暴雷”，同比營收暴漲854%，大幅超出了最樂觀分析師的預(yù)測。

巔峰換來了漫天的吹捧，但黃仁勛心里清楚，英偉達(dá)的頭上一直懸著一把劍。

不可避免的戰(zhàn)爭

今年8月，傳奇工程師吉姆·凱勒對(duì)媒體評(píng)論道，“我不認(rèn)為GPU是運(yùn)行AI的全部，世界憎惡壟斷[11]。”

此番發(fā)言雖有給自家AI芯片打廣告之嫌，卻也是業(yè)界的共識(shí)。

事實(shí)上，那些購買了最多H100的大型科技公司，基本都不太“安分”：微軟、谷歌、Meta，或多或少都嘗試過自研AI芯片。

這讓英偉達(dá)面臨著一個(gè)異常尷尬的處境：在AI芯片領(lǐng)域，自己與“大客戶”之間，未來幾乎必有一戰(zhàn)。

大型科技公司們選擇自研AI芯片，最初都源于一個(gè)非常質(zhì)樸的需求——省錢，其中最典型的便是谷歌。

早在2014年，谷歌已啟動(dòng)了自研芯片計(jì)劃。彼時(shí)，OpenAI的首席科學(xué)家伊利亞還在谷歌工作，打造出了一套頗具顛覆性的AI模型。該模型脫胎于伊利亞的“大力出奇跡”理念，只需要灌入足夠多且正確的數(shù)據(jù)，它便能更好地完成翻譯、語音識(shí)別等工作。然而待到實(shí)際應(yīng)用時(shí)，谷歌卻犯了難：

如果將AI服務(wù)安裝至10億多臺(tái)安卓手機(jī)中，哪怕每個(gè)人每天只使用3分鐘，谷歌都需要2倍于當(dāng)前數(shù)據(jù)中心的算力。當(dāng)時(shí)谷歌已經(jīng)建了15個(gè)數(shù)據(jù)中心，每個(gè)造價(jià)上億美金，“超級(jí)加倍”顯然不切實(shí)際。

最終，谷歌自研出了性能更強(qiáng)、功耗更低的TPU，大大提升了單個(gè)數(shù)據(jù)中心的算力供應(yīng)，以一種更經(jīng)濟(jì)實(shí)惠的方式解決了算力難題。

TPU的出現(xiàn)，令黃仁勛如坐針氈，開始了“爆改GPU”，很快在性能上實(shí)現(xiàn)了反超，其最新成果便是H100。不過，H100的售價(jià)實(shí)在過于昂貴。

如果按重量售賣H100，那么其每盎司售價(jià)將達(dá)到黃金的一半；即便對(duì)地球上最賺錢的科技公司而言，這筆“英偉達(dá)稅”也堪稱天文數(shù)字。

然而，H100的實(shí)際制造成本并不高。據(jù)金融咨詢公司Raymond James測算，H100的成本約為3320美金，僅占首發(fā)價(jià)的1/10，黃仁勛含淚賺10倍[12]。

自研芯片的經(jīng)濟(jì)收益毋庸置疑，但除此之外其實(shí)還有另一個(gè)好處：垂直整合打造差異化。

堆疊算力不是簡單的往車?yán)锛悠停枰紤]軟件適配性、自身業(yè)務(wù)需求等一系列問題。例如AI所使用的深度學(xué)習(xí)框架有多個(gè)派別，谷歌是TensorFlow，Meta用的PyTorch，而百度則有PaddlePaddle，硬件需要根據(jù)不同框架做適配。

專門定制的AI芯片，可以更加緊貼自身AI業(yè)務(wù)的需求。所以Meta在今年又重啟了自研芯片計(jì)劃，針對(duì)PyTorch框架定制了全新的MTIA芯片。

對(duì)大公司來說，考量芯片的核心其實(shí)不是算力，而是“單位美元提供的算力”，也就是成本。谷歌的TPU和特斯拉的Dojo都證明了，定制服務(wù)的成本是可以接受的。

眼下，“反抗的星火”已經(jīng)點(diǎn)燃。據(jù)外媒爆料，大型科技公司的云計(jì)算團(tuán)隊(duì)，已開始頻繁勸說客戶改用其自研芯片，而不是英偉達(dá)的GPU。英偉達(dá)固然是目前為止絕對(duì)的贏家，但沒人知道平衡什么時(shí)候會(huì)被打破。

不過，面對(duì)這場不可避免的戰(zhàn)爭，英偉達(dá)也留了后手。

挾H100以令諸侯

英偉達(dá)打出的第一張牌，叫CoreWeave。

CoreWeave成立于2017年，最初是一家以太坊挖礦公司，后來轉(zhuǎn)型做起了云計(jì)算業(yè)務(wù)。據(jù)CoreWeave創(chuàng)始人透露，2022年公司收入為3000萬美金，僅有微軟Azure的1/1133，在硅谷幾乎沒什么存在感。

然而到了2023年，CoreWeave突然一夜成名，接連簽下Inflection AI和Stability AI兩個(gè)大客戶，年?duì)I收預(yù)計(jì)將達(dá)到5億美金，一年翻16倍。除此之外，微軟甚至決定在未來幾年花費(fèi)數(shù)十億美金購買其服務(wù)；其中僅2024年的訂單，已有20億美金。

改變CoreWeave命運(yùn)的貴人，正是英偉達(dá)。

今年4月，英偉達(dá)參與了對(duì)CoreWeave的投資；但比起美元，英偉達(dá)還給了它一項(xiàng)更稀有的資源——H100。CoreWeave是全球第一家上線HGX H100租賃服務(wù)的云計(jì)算企業(yè)，比微軟Azure還要早一個(gè)月。

這番安排，其實(shí)是黃仁勛的有意為之。

H100近乎壟斷的市場地位加之嚴(yán)重短缺的現(xiàn)狀，讓英偉達(dá)手中多了一層權(quán)力：他可以自由決定優(yōu)先供貨的對(duì)象。

相比自己跟Big Tech們同床異夢的塑料友誼，CoreWeave和英偉達(dá)是實(shí)打?qū)嵉母锩鼞?zhàn)友。因此，英偉達(dá)削減了對(duì)大型科技公司的H100供應(yīng)，轉(zhuǎn)而將這部分產(chǎn)能交給了CoreWeave等“自家兄弟”——它們?cè)_保不會(huì)自研芯片。

從結(jié)果來看，這一戰(zhàn)略不僅避免了囤積現(xiàn)象的出現(xiàn)，也確實(shí)搶到了大型科技公司的蛋糕：

例如前文提到的Stability AI，在2022年底時(shí)一直將亞馬遜AWS視作唯一云服務(wù)商；然而到了今年3月，困于算力不足的Stability AI，悄悄叩開了CoreWeave的大門。

事實(shí)上，英偉達(dá)手中并非僅有CoreWeave一張牌。這位手握H100的投資人，還投資了同為云計(jì)算公司的Lambda Labs，以及三家從事大模型、應(yīng)用開發(fā)的明星初創(chuàng)企業(yè)。

在畝產(chǎn)十萬大模型的當(dāng)下，H100是比美元還珍貴的硬通貨，也為英偉達(dá)創(chuàng)造了一個(gè)寶貴的窗口期：盡可能讓更多公司用上H100，趁早建立起生態(tài)，“把朋友搞得多多的”。

那么這個(gè)窗口期能持續(xù)多久呢？

尾聲

英偉達(dá)的一系列“騷操作”已經(jīng)引來了美國反壟斷機(jī)構(gòu)的注意，同時(shí)，全球瘋搶H100的現(xiàn)狀，很可能不會(huì)長期持續(xù)下去。

正如前文所述，H100產(chǎn)能受限是因?yàn)榕_(tái)積電和SK海力士的預(yù)備產(chǎn)能不足；隨著新產(chǎn)線陸續(xù)落地，短缺狀況會(huì)逐漸得到緩解。

除此之外，旺盛的需求也未必會(huì)延續(xù)下去。

事實(shí)上，越來越多的科技公司和研究機(jī)構(gòu)都選擇將大模型開源。隨著市場上的優(yōu)質(zhì)開源模型越來越多，初創(chuàng)企業(yè)和研究機(jī)構(gòu)可以不必再自己動(dòng)手訓(xùn)練，轉(zhuǎn)而直接下載開源模型，根據(jù)自身業(yè)務(wù)需求進(jìn)行開發(fā)或者推理。

Meta發(fā)布開源大模型Llama后，斯坦福、卡內(nèi)基梅隆等多所高校的研究人員就曾聯(lián)合起來，以此為基礎(chǔ)打造了開源大模型Vicuna，很快便突破了200萬次下載。

Vicuna

在肉眼可見的未來，算力的主要使用場景很可能會(huì)從訓(xùn)練轉(zhuǎn)向推理——屆時(shí)，H100便不再是獨(dú)孤求敗了。因?yàn)椴煌谧非髽O致效率的訓(xùn)練場景，AI推理其實(shí)更看重性價(jià)比。

另一方面，以大模型為代表的生成式AI如今面臨的問題在于：面對(duì)高昂的算力成本，除了英偉達(dá)，大家都還沒賺到錢。

2006年CUDA平臺(tái)推出時(shí)，英偉達(dá)以超脫于行業(yè)的前瞻性推動(dòng)了AI的飛速進(jìn)步。而如今，英偉達(dá)氣勢如虹的業(yè)績似乎也是一種拷問：它是不是已經(jīng)從AI的推動(dòng)者，變成了AI前進(jìn)的阻力？