为了成为“英伟达平替”，大模型厂商开卷了

作者丨黄泽正 

  编辑丨张丽娟 

最近，中美的大模型厂商们都在干同一件事——卷AI芯片。

在硅谷，谷歌给最新款的Pixel手机装上了Tensor G3芯片，让用户可以在手机端解锁生成式AI应用；微软宣布将在11月推出首款自研AI芯片，以此降低算力成本并减少对英伟达的依赖；OpenAI也表示正尝试自研AI芯片，并已开始评估潜在的收购目标；亚马逊以40亿美金投资大模型创企Anthropic后，要求其使用亚马逊自研AI芯片来构建、训练和部署大模型……

总结起来就是，有AI芯片生产能力的，如谷歌、亚马逊，想用自研芯片替换英伟达。没有AI芯片生产能力的，如微软、OpenAI，创造条件也要替换英伟达。

而在国内，AI芯片市场也再起波澜。华为发布AI芯片昇腾910，配合全新架构的昇腾AI计算集群，可支持超万亿参数的大模型训练；AI芯片厂商燧原科技宣布完成D轮融资，融资规模达到20亿人民币……

为什么大家都不约而同地将大模型，卷向了AI芯片？很显然，AI芯片研发是一项长周期、重投入的工作，也已经有了行业巨头英伟达，可以提供高性能的AI芯片。

细究起来，恐怕只能概括为“成也英伟达，败也英伟达”。英伟达对AI算力的垄断，让全球AI公司都要不断承担英伟达芯片的溢价，并且由于英伟达生产能力有限，算力短缺正在制约一些AI公司的发展。

根据dealroom.co数据，在这波生成式AI的热浪中，美国获得了全球投融资的89%，而在AI芯片的投融资中，中国AI芯片投融资世界第一，超过美国两倍。

也就是说，尽管在大模型发展方式、发展阶段上，中美大模型企业还存在诸多差异，但在掌控算力这件事上，大家却显得格外一致。

让英伟达少赚点钱

实际上，无论是OpenAI还是微软、谷歌，亦或是国产芯片厂商，与其说是要抢英伟达的生意，不如说是想让英伟达少赚自己点钱。

比如微软就大方承认，自己即将发布的AI芯片并不能直接替代英伟达的芯片，但随着微软继续推动在Bing、Office、GitHub和其他方面推出AI驱动的功能，自研芯片可能会大幅削减运算成本。

换言之，微软等大厂自研AI芯片，其实并非想取代英伟达，而更像是想自研一款平替产品，以缓解算力不足和算力成本过高的问题。

毕竟英伟达对AI算力的垄断，已经到了令人瞠目结舌的地步，大模型厂商们也苦英伟达久矣。

根据公开数据，英伟达在独立GPU市场份额达80%，在高端GPU市场份额高达90%。

2020年，全世界跑AI的云计算与数据中心，80.6%都由英伟达GPU驱动。2021年，英伟达表示，全球前500个超算中，大约七成由英伟达芯片驱动。2023年第二季度，英伟达的H100显卡出货量达800多吨，依然供不应求。

由于英伟达霸占了高端GPU市场，产品不可避免出现了溢价。一个典型案例是，由于英伟达AI芯片供不应求，国内有人从机房把旧A100芯片拆出来倒卖。这些旧货非但没有贬值，反而卖到10万一片，比去年同期新品8万左右的售价还要更贵。

对于算力需求巨大的大模型厂商来说，不仅短期承担了过高的芯片溢价，长期角度更是为英伟达的发展壮大做了嫁衣。

比如英伟达第二季度财报显示，公司第二季度收入为135.1亿美元，较去年同期增长101%。其中，数据中心收入占据大头，创下了103.2亿美元的纪录，较去年同期增长171%，远超分析师预期。

而英伟达巨额利润的背后，其实是各大科技巨头的输血支持。根据公开财报显示，大部分数据中心的扩建费用主要由各家科技巨头承担，谷歌、微软、Meta的财报中都强调了数据中心的成本支出。

在市场环境整体下行，大家日子都不好过的当口，还要将巨额利润上供给英伟达，帮助其进一步垄断市场份额，掌握定价权，各家科技巨头无疑成为了冤大头。

同时更进一步，除了钱的因素，英伟达已经数次表示，即便已经开足马力生产，自己的GPU产能也难以满足当前市场的需求。

按照硅谷流行的说法，英伟达就像大模型时代的卖铲人，不论大模型之战的胜利方是谁，笑到最后的都是卖铲子（算力）的英伟达。

随着大模型之战愈演愈烈，英伟达当然可以从容生产，毕竟AI芯片卖给谁不是卖。但对于身处战斗第一线的微软、谷歌，以及OpenAI等一众创业公司来说，如果在短兵相接的时候，英伟达断供了，就等于没了武器，企业的命运将何去何从，恐怕要打上一个大大的问号。

毕竟，连与黄仁勋私交甚密，且不差钱的OpenAI在开发GPT-4时都因为算力短缺而受阻，又有哪家公司能确保英伟达不会断供呢？

因此，无论从经济性还是安全性角度，大模型厂商自研AI芯片都在情理之中。

钱多了得花出去

除了逻辑成立，大模型厂商卷向AI芯片的最直接原因，还在于兜里的钱变多了。

根据dealroom.co数据，过去五年全球生成式AI企业融资额超过220亿美元，尤其是2023年，融资额足有150亿美元。而这些巨额投资，有89%都流向了美国的初创公司，尤其是OpenAI，一家就拿到了VC将近120亿美金的投资。

对创业公司来说，钱少了固然万事皆休，但有时账目上钱太多了，也成了幸福的烦恼，对大模型创企尤其如此。

一方面，当前大部分大模型创企，还不具备自我造血能力，其账目上的巨额资金，都是投资人打进去的。那另一方面，投资人不光会打钱，还会盯着企业花钱。在收获巨额融资后，如果没有相关的业务进展，企业恐怕很难给投资人交差。

既不能不花钱，又不能乱花钱，“自研AI芯片”就顺理成章提上了企业日程表。主要原因有两个：刚需＋阶段性要求。

首先，大模型发展的底层是算力，AI芯片可以说是大模型创企的水和电。但这个刚性需求，长期以来被英伟达所把持。

OpenAI的CEO山姆·奥特曼就曾公开抱怨GPU短缺，他认为GPU市场完全由英伟达主导，“这家公司控制着全球80%以上最适合人工智能训练的芯片市场。”而英伟达对AI芯片的垄断，也直接影响了OpenAI的发展。

山姆·奥特曼透露，其实早在GPT-4发布之初（今年3月），OpenAI就计划将ChatGPT的上下文输入长度提升到32k token，但直到GPT-4上线很长一段时间，这一计划都未能达成。其中一个关键因素，就是英伟达的算力芯片供不应求，以及算力成本过高。

如果说以往公司规模较小，缺乏资金时，被英伟达“卡脖子”是无可奈何。现如今，OpenAI兵强马壮，资金充裕，恐怕很难再忍受将企业命脉交给别人，打乱自己的全盘计划。

除了刚性需求，大模型厂商最近不约而同“围剿”英伟达，还在于大模型发展的阶段性需求。简单来说，就是到了烧硬件的时候。

需要明确的是，大模型训练有些类似押注，并非每次训练都能得到满意的结果。换言之，训练次数增多不一定能达到优化的效果，如果盲目将钱投入训练，大模型创企为算力支付的高昂费用只能是试错成本。

而如果把资金花到芯片研发上，效果则完全不同。

比如OpenAI的做法，收购芯片研发公司，就等于把原本要上供给英伟达的钱，沉淀成了公司资产。不仅能在未来增强公司核心竞争力，在当前也能给投资人合理的解释——公司正把钱用在刀刃上，构建自身技术壁垒。

对于谷歌、亚马逊和微软等不差钱的硅谷大厂来说，花钱搞芯片研发更是必选项。

原因很简单，一方面，随着生成式AI大热，英伟达的市值突破万亿美元，即便是硅谷大厂，心头应该也是羡慕不已，想要分一杯羹。另一方面，随着生成式AI被各大厂摆上核心位置，算力之争大概率将决定未来企业的生态位，大厂们自然不能让英伟达掌握自己的核心命脉。

先成为60%的英伟达

反观国内市场，尽管国产大模型与硅谷大模型发展阶段不同，但在追赶英伟达这件事上，大家的目标却非常一致。

中国工程院院士、清华大学计算机系教授郑纬民就认为：“今天国产AI芯片只要达到国外芯片60%的性能，如果生态做好了，客户也会满意。”

其实从钱的流向来看，国内对AI芯片非常重视。最近5年中国AI芯片的投融资额世界第一，达到了74亿美金，比美国还多两倍。

在烧了大量的研发经费后，国内AI芯片厂商已经有了6000+家，其中主流厂商约60余家，已经大致形成了三个梯队。

第一梯队包括海光、华为、寒武纪等厂商，有成熟产品，且有商业化量产规模的应用；第二梯队主要是燧原、昆仑芯、天数、壁仞、沐曦等创企，已经发布了AI产品，但应用领域还相对有限；第三梯队则是一众仍在埋头AI芯片研发，尚无AI芯片量产的早期企业。

实际上，在硬件性能方面，国产第一梯队的AI芯片已经与英伟达相差不远。比如科大讯飞总裁刘庆峰就公开表示，“华为的AI芯片性能，已经可以对标英伟达的高端显卡A100，尤其在显卡的裸金属性方面。”

当然，在硬件性能上接近英伟达，并不意味着国产AI芯片可以取代英伟达。因为英伟达真正的壁垒，并不只有GPU硬件性能，还在于其庞大的AI软件生态CUDA。

简单来说，决定GPU性能的不只是显卡本身，还包括配套软件和开发工具对应用的支持。作为一家成立30年，并且早早确定专注于生产GPU的公司，英伟达定义了GPU通用计算编程框架CUDA，开发者们早已习惯了用CUDA专有的编程语言，制作GPU驱动的应用程序。

换句话来说，如果开发者要迁移到谷歌、亚马逊、微软或国产的GPU芯片，他们甚至需要学习全新的软件语言，迁移成本显然很高。

郑纬民教授也指出，行业抢货国外AI芯片而不用国产芯片，这一现象本质还是国产芯片生态仍有差距。

他认为完善的GPU生态应该包括两个方面：一方面是基于其他系统研发的软件要能容易地迁移到国产生态中；另一方面是国产系统的开发套件要能很好地支持新软件的开发。“如果能达到生态的成熟，哪怕芯片硬件性能只有国外的60%，执行大多数任务也不会有明显感知。”

生态起决定作用，英伟达有先发优势，这两个因素叠加在一起似乎成了一道无解的命题——英伟达就是会垄断市场。

但更多AI厂商自研芯片，却引入了新的变量。

首先，自研芯片意味着AI公司可以根据自身需求，对软件和硬件进行改造，确保芯片设计完全符合算法需求，提高运算效率和性能。与此同时，AI公司还可以围绕自研芯片，建立私有的生态系统，包括软件库、框架、工具和支持服务，以此满足客户定制化需求。

对国产AI公司而言，虽然很难跟英伟达正面硬刚，但可以先成为60%的英伟达。虽然无法满足全球AI算力需求，但至少可以先满足自身算力需求。

而从长期角度，正如百川智能创始人王小川所言，大模型发展分为训练、推理两部分，虽然训练目前只有英伟达做的最好，但推理需要有国产AI芯片。“未来如果要往更高模型发展，算力储备非常关键。这场‘算力仗’，中国的国产AI芯片必须要能顶上。”

AI芯片快速迭代的特性，注定了这一赛道的格局不会永远固定。比如，就在燧原科技宣布完成D轮20亿元融资，缔造今年芯片最大融资金额之际。

另一条新闻也在业内刷屏，长期亏损的国产AI芯片第一股寒武纪宣布，国投基金减持完毕，基本清仓。而这种创投股东集体清仓的情形，对寒武纪来说已不是第一次。

即便在AI芯片热潮汹涌的当下，要想真正搭上这股东风，恐怕也并不容易。