【深度】谁能替代英伟达？(2)

过去一年里，英特尔针对生成式AI只可以在英伟达芯片上运行的说法进行了回击，大张旗鼓宣传了其Gaudi 2芯片在第三方测试的表现，并宣称客户有了摆脱封闭芯片生态的新选择。

与英伟达最新的H100相比，英特尔最先进的量产AI加速芯片Gaudi 2在性能上落于下风，估计每颗H100性能领先Gaudi 2约3.6倍。不过，英特尔认为，Gaudi 2成本更低，其价格优势可以缩小与H100的性价比差距。此外，英特尔也具备和英伟达对应的网络技术和类似CUDA的软件。

目前，英特尔正在调整GPU策略，以便在云端AI侧追赶英伟达。去年，英特尔宣布，将整合现有的Habana Labs、数据中心GPU两大部门，于2025年推出新平台“Falcon Shores”，来一步增强AI芯片设计能力。

AMD和英特尔近年来一直在进行收购活动，以增强其AI产品。

2022年，AMD斥资350亿美元收购了可编程芯片公司赛灵思，赛灵思所设计的芯片在制造后可以重新编程，并能用于AI计算。英特尔在2019年以约20亿美元收购了以色列AI初创公司Habana Labs，目前英特尔设计的AI芯片主要就来自Habana Labs部门。

另走蹊径的初创公司

如果完全按照商业竞争，曾经历过大浪淘沙的GPU可能没有新公司的立足之地，也有一批创业公司另辟蹊径，设法制造比英伟达的GPU更适合AI的芯片。

这些公司选择的是使用AISC（专用集成电路）架构，进入云端AI计算场景。

ASIC的设计思路是把一些算法固定到硬件上，融易新媒体消息，使得芯片复杂度和开发难度更低、针对特定任务的效率更高，但通用性和灵活度不如GPU。在基于AISC架构的初创公司中，Cerebras、Groq和Graphcore是其中代表，在中国，则有寒武纪、燧原、比特大陆等。

这些芯片有着眼花缭乱的名字。如最近一窜而红的Groq，推出了名为LPU（Language Processing Unit，语言处理器）芯片产品，用于大模型推理。根据Groq提供的测试表现和宣传，由Groq LPU驱动的AI问答机器人，提供了远快于ChatGPT（由GPU驱动）的回答速度。

不过，外界发现，Groq LPU目前的配置带来的优势并不明显。首先，LPU目前仅可以用于推理，不支持大模型训练。如果AI公司需要训练大模型，仍需购买英伟达GPU。此外，LPU使用了一种昂贵且低容量的特殊存储芯片，使它的成本不具备优势。

阿里巴巴原首席AI科学家贾扬清就认为，以运行Llama-2 70b模型为例，由于存储芯片容量的限制，需要用到的Groq LPU数量远远大于H100，这意味着在同等数据吞吐量下，Groq的硬件成本是H100的40倍，能耗成本达到10倍。

然而，初创芯片公司向英伟达发起的竞争绝非一帆风顺。在英伟达强大的市场统治力下，高昂的运营成本和未知的商业前景挤压，都会让它们很大可能陷入困境。

遭称为“英国英伟达”的初创公司Graphcore即是如此。

Graphcore推出了名为IPU（Intelligence Process Unit，智能处理器）的AI芯片，瞄准了英伟达作为竞争对手。此前Graphcore在向外界提供的演示中显示，在一部分由Graphcore IPU驱动的人工智能模型中，AI问答机器人的回答提供了类似“刷屏”的速度效果，具备一定竞争力。

尽管如此，客户仍倾向于购买英伟达GPU，难以为Graphcore IPU买单。

这导致这家公司即使在去年的人工智能浪潮下也难以打开更大市场，获得盈利。Graphcore去年十月份发布的2022年财务报告显示，税前亏损在同比增长了11%，达到了1.61亿英镑。据媒体报道，Graphcore正在与大型科技公司进行谈判，寻求出售。

长远来看，初创芯片企业最大的挑战，还是要建立一个能够匹敌英伟达的软件生态。这一方面，希望摆脱英伟达限制的大型科技企业们可能更有机会。

随着早期AI热潮逐渐消散和巨头公司加入竞争，风险投资涌向初创AI芯片公司的热情正在消散，初创公司在AI芯片的机会也逐渐渺茫。

更大的威胁

事实上，对于英伟达来说，更大的威胁或许来自自己最大的那批客户。

亚马逊、谷歌、微软以及Meta的数据中心都在使用英伟达的产品，并且采购量巨大。这些公司的高管都在最近的财报电话会议上告诉投资者，计划在今年增加资本支出，直接用于购买英伟达的AI芯片。

在全球云市场上，亚马逊AWS、微软Azure和谷歌云占据了大部分市场。根据市场调研机构Synergy Research Group的数据，2023年四季度，全球企业在云上的花费同比增长近20%，至740亿美元，其中AWS、Azure和谷歌云三家厂商的市场份额分别为31%、24%和11%。

这些财大气粗的科技公司有能力为它们的数据中心设计自己的AI芯片，事实上，他们也如此做了。