英伟达CEO黄仁勋（Jensen Huang）
由于ChatGPT爆火引发 AI 算力需求热潮，英伟达 AI 芯片供不应求、大规模短缺。如今，英伟达似乎遭遇到了更多挑战。
北京时间2月21日，据报道，科技巨头微软正在开发一种新的网卡芯片，替代英伟达ConnectX SmartNIC智能网卡产品，以确保 AI 模型数据可以在微软云服务器之间快速传输。
微软方面确认了此消息。该公司在一份声明中表示，作为微软Azure基础设施系统方法的一部分，公司经常开发新技术来满足客户的需求，包括网络芯片。
实际上，作为英伟达GPU（图形处理器）的最大客户之一，微软事件是一个重要「信号」。除了省成本之外，微软还希望新网卡能够提高其英伟达芯片服务器的性能，将有助于使用微软云的OpenAI 研发更多 AI 大模型。
不止是微软。
近两天，一家名为Groq的美国 AI 公司一夜「爆火」，主要因其自研的LPU芯片在 AI 推理技术上，通过优化架构和减少内存瓶颈，实现了高效率和低延迟，在处理大模型时的速度远超英伟达GPU，每秒生成速度接近500 tokens，而GPT-4仅40 tokens。
因此，Groq LPU被誉为「史上最快的大模型技术」。
受上述消息以及外部环境影响，截至2月20日美股收盘，英伟达单日股价下跌4.35%，创下去年10月以来的最大单日跌幅，一夜之间总市值缩水780亿美元（约逾5600亿元人民币）。
2月20日，IDC分析师对钛媒体App等表示，随着Sora的推出，多模态大模型对 AI 算力的消耗更高，算力的可获取性以及成本将是行业挑战之一。
那么，面对这种新的竞争局势，英伟达真的危险了吗？
Groq到底是谁？为什么这么强？
据悉，Groq公司成立于2016年，总部位于美国加利福尼亚，创始团队中有很多人都参与过谷歌TPU项目。
其中，Groq创始人兼 CEO乔纳森·罗斯（Jonathan Ross）曾设计并制作出了第一代谷歌TPU芯片的核心元件，TPU 20%的研发项目都由他完成。
公司领导层的10人中，有8人都有在谷歌、英特尔等科技巨头的工作经历。
Groq创始人兼 CEO乔纳森·罗斯（Jonathan Ross）
融资方面， 截至目前，Groq共完成了3轮融资，总共融资到了3.67亿美元。最后一轮融资在2021年4月完成，融资金额为3亿美元，由老虎环球基金（Tiger Global Management）和投资公司D1 Capital领投。
Groq之所以能够在此次 AI 热潮中「爆火」，主要得益于其使用了自研芯片LPU（Language Processing Units），而不是英伟达的GPU（图形处理器）芯片，它能实现高速度和低延迟。
据Groq在2024年1月的第一个公开基准测试，由Groq LPU驱动的Meta Llama 2-70B模型，推理性能比其他顶级云计算供应商快18倍。
Groq LPU的工作原理与英伟达的GPU不同，它采用了名为时序指令集计算机（Temporal Instruction Set Computer）架构，使用存储器为静态随机存取存储器（SRAM），其速度比GPU所用的高带宽存储器（HBM）快约20倍。
从芯片的规格中，SRAM容量是230MB，带宽80TB/s，FP16的算力是188TFLOPs。
这一区别造成了 LPU和GPU在生成速度的差别。据Groq表示，英伟达GPU生成每个tokens需要约10焦耳（J）到30焦耳，而 Groq 仅需1焦耳到3焦耳。
值得注意的是，虽然Groq做到了足够快，但背后成本却非常高昂。
2月20日，前阿里巴巴集团副总裁、Lepton AI创始人兼CEO 贾扬清在社交平台上表示，由于每一张Groq卡的内存容量仅为230MB，因此在运行Llama-2 70B模型时，需要305-572张Groq卡才足够，而用p00则只需要8张卡。
贾扬清认为，如果按未来运行三年的成本算，Groq的硬件采购成本是1144万美元，运营成本至少要76.2万美元。从目前的价格来看，这意味着在同等吞吐量下，这几乎是p00硬件成本的40倍、能耗成本的10倍
据腾讯科技，芯片专家姚金鑫（J叔）表示，Groq对Llama2-7B的Token生成速度是750 Tokens/s。如果从成本的角度，9台的Groq服务器，也是远远贵过2台总共16颗的p00芯片的服务器，即使目前价格已经非常高了。
「英伟达在本次AI浪潮中的绝对领先地位，使得全球都翘首以盼挑战者。每次吸引眼球的文章，总会在最初被人相信，除了这个原因之外，还是因为在做对比时的‘套路’，故意忽略其他因素，用单一维度来做比较。」姚金鑫表示。
不止是成本高昂。SRAM技术面积大、功耗比较高，早就以IP内核形式集成到SoC（系统级芯片）里面，并非单独用，远不如HBM的未来发展潜力。不管是比单位容量价格、还是性能和功耗，英伟达GPU所使用的HBM技术都优于SRAM。
虽然Groq的芯片成本较高，但其创始人Jonathan Ross已表示，随着GPU短缺和成本上升，Groq的LPU将有巨大的市场潜力。
不仅是Groq。
据The information 2月21日报道，英伟达的重要客户、全球最高市值的科技巨头微软计划设计一款新的网卡芯片，以替代英伟达相关产品。
知情人士称，微软首席执行官萨蒂亚·纳德拉 (Satya Nadella) 已任命网络设备开发商瞻博网络 (Juniper Networks) 联合创始人普拉迪普·辛杜 (Pradeep Sindhu) 来领导网卡工作。据悉，微软一年前收购了辛杜创立的服务器芯片初创公司Fungible。
据悉，网卡是数据中心与服务器内部的一项重要技术，旨在加速服务器之间的流量，解决大流量网络数据包处理占用CPU的问题。
在此之前，英伟达曾发布NVIDIA ConnectX SmartNIC 智能网卡，最新的ConnectX-7 通过加速交换和数据包处理（ASAP2）、高级RoCE、GPUDirect Storage，以及用于TLS、IPsec 和MACsec 加密和解密的内联硬件加速等功能，为敏捷、高性能网络解决数据传输问题。
69亿美元收购Mellanox 之后，近两年，英伟达已研发出一种新的DPU（数据处理器）芯片，最新产品为BlueField-3 SuperNIC，将SmartNIC智能网卡集成内部。
据悉，DPU是面向基础设施层（IaaS）的专用处理器，具备灵活可编程性。BlueField利用英伟达DOCA（集数据中心于芯片的架构）软件开发包的优势，为开发者提供一个完整、开放的软硬件平台。除了BlueField，英伟达还有NVLink、NVSwitch等多种技术整合，从而增强数据传输能力。
报道引述微软内部人士称，当微软在其数据中心使用英伟达制造的 AI 芯片时，由于OpenAI等客户拥有的大量数据传输需求，服务器可能会过载。目前，微软已发布了首款Maia AI 服务器芯片。
The information称，微软的网卡芯片与ConnectX-7卡类似，将其与GPU和 AI 芯片「捆绑」销售。
AI 芯片竞争加剧，英伟达真的危险了吗？
除了微软，亚马逊旗下云计算部门AWS、Meta等科技巨头也在自研对标英伟达A100的多款 AI 芯片产品。
去年11月，AWS 推出全新基于ARM架构、自研的高性能计算服务器CPU芯片Graviton 3E，同时发布第五代Nitro网络芯片硬件，借此提升云端虚拟机的计算效率，并支持天气预报、基因测序等场景任务；2月5日Meta正式计划今年部署一款新的自研 AI 芯片，即第二代自研AI芯片Artemis，预计将于2024年正式投产，以减少对英伟达芯片的依赖。
如今，奥尔特曼和孙正义也加入到了 AI 算力芯片战场。
其中，奥尔特曼已公布通过筹集8万亿美元制造 AI 芯片半导体网络，目前正与日本软银集团、阿联酋政府、美国商务部以及其他中东主权财富基金等投资者洽谈，有望扩大OpenAI技术能力；软银创始人孙正义被曝正在筹集1000亿美元研发 AI 半导体产品。
AWS高级副总裁彼得·德桑蒂斯 (Peter DeSantis) 曾表示，AWS希望客户用新的Graviton 3E处理器执行更多任务，从而获得高性能计算能力。他认为，与购买英特尔、英伟达或AMD芯片相比，亚马逊自研芯片将为客户提供更具性价比的算力支持。
研究公司 Dell'Oro Group 的数据中心基础设施负责人 Baron Fung 表示，微软和其他云提供商「不想受制于英伟达（Nvidia）生态系统」。
OpenAI CEO奥尔特曼（Sam Altman）曾私下表示，与谷歌相比，OpenAI在算力上处于劣势。
那么，面对 AI 芯片竞争加剧局面，英伟达真的危险了吗？
英伟达曾表示，微软的网络组件可能会蚕食其网络设备每年超过100亿美元的销售规模。
不过，贾扬清认为，如果运行未来三年的话，Grog的硬件采购成本是1144万美元，运营成本远高于76.2万美元，而8卡英伟达p00 的硬件采购成本仅30万美元，运营成本大约为7.2万美元以内，性价比更高。
整体来看，英伟达p00产品在 AI 芯片市场上仍具有很强的竞争能力。
黄仁勋2月中旬表示，每个国家都需要拥有自己的 AI基础设施，以便在保护自己文化的同时利用经济潜力。接下来的4到5年里，我们将拥有价值2万亿美元的数据中心，它将为世界各地的 AI 软件提供动力，所有 AI 技术都会加速，而英伟达正取代通用计算核心，体系结构的性能将同时得到提高。
对于奥尔特曼的7万亿美元计划，黄仁勋称，（7万亿美元）显然能买下所有GPU。
「如果你假设计算机不会变得更快，可能就会得出这样的结论：我们需要14颗行星、3个星系和4个太阳来为这一切提供燃料。但计算机架构仍在不断进步。」黄仁勋表示。
黄仁勋曾坦言，这些云计算厂商自研 AI 芯片是有一定理由的，主要还是服务自家的数据中心，但这不会影响英伟达在全球的 AI 生态系统发展。
北京时间2月22日凌晨，英伟达预计将发布2023年财报，根据该公司对上年最后一个季度的预测， 2023财年总营收将达到近590亿美元，是2022财年的两倍多。
据标普全球市场数据，苹果公司、微软、亚马逊以及谷歌的母公司和Facebook的母公司——都从未像英伟达一样，在一年内从类似的起点上实现如此快的收入增长。按年收入计算，英伟达将超越英特尔，成为全球第二大芯片公司。
资本市场目前猜测，英伟达将预计4月当季收入达到216亿美元，是去年同期的三倍。
截至发稿前，英伟达市值达到1.72亿美元，接近2万亿美元。据FactSet的数据，按这一市值计算，英伟达股票的远期市盈率约为38倍，比其三年平均水平低约9%。
对于3月英伟达GTC将发布B100 AI 芯片，摩根士丹利分析师Joseph Moore在一份最新报告中表示，基于早先有关该系统的一些披露，B100是「最先进技术的巨大进步」。
另外， 面对微软、AWS的 AI 芯片竞争局面，英伟达正推出自己的超算云服务DGX Cloud，通过在数据中心内运行英伟达产品，实现更大的收入规模，以对抗这些举措。有行业人士向钛媒体App表示，英伟达内部对于DGX Cloud和英伟达 A100/p00卡预期营收占比分别为20%、80%。
「AI 算力似乎无处不在。」Rosenblatt Securities分析师汉斯·莫塞曼（Hans Mosesmann）称。
Meta公司CEO马克·扎克伯格曾表示，构建「通用人工智能」（AGI）需要的首要条件是「世界级的计算基础设施」。
支付宝CTO陈亮（花名：俊义）近期对钛媒体App等表示，目前 AI 大规模应用在实施过程中，依然面临多个「瓶颈」，包括算力成本高、硬件限制等问题。尽管GPU卡的效率已经非常高，但如何使其适应不同的技术栈（与不同技术兼容）依然是一项重要难题。
阿尔特曼曾透露，OpenAI 希望保证到 2030 年都有足够的 AI 芯片供应。
彭博在一份最新报告中预估，未来10年，生成式 AI 技术有望在硬件、软件、服务、广告、游戏等领域创造1.3万亿美元收入，占科技领域总支出的10%-12%。
其中在硬件领域，基于大数据、机器学习和神经网络算法的AI模型训练将会成为一个巨大市场。到2032年，其销售规模有望达到4740亿美元，年复合增长率达30%，加上 AI 推理，整个全球算力规模届时将超过6000亿美元。
（本文首发钛媒体App，作者｜任颖文、林志佳，编辑｜林志佳）
