每位记者 温乔 每位编辑 兰素英
在这个数据和算力驱动的时代,NVIDIA凭借其高性能GPU芯片几乎垄断了AI芯片市场。 随着竞争加剧、芯片供应变得稀缺,包括Meta、谷歌、亚马逊在内的科技巨头都开始探索自研芯片。
当地时间4月10日,Meta发布了其自主研发芯片MTIA的最新版本。 MTIA是Meta专门针对AI训练和推理工作而设计的定制芯片系列。 此前一天,谷歌还宣布推出基于Arm架构的数据中心芯片Axion。
科技巨头纷纷涉足芯片研发。 这背后有摆脱供应依赖的考虑,也有成本压力。 以NVIDIA的明星芯片产品H100为例。 目前价格已飙升至25,000美元至30,000美元。 按照Meta计划,年底前获得35万台H100,最低成本为87.5亿美元。
他们的进入会动摇英伟达在芯片市场的主导地位吗?
生成式AI市场引发了各大科技公司的热捧,而芯片则是该领域蓬勃发展的核心引擎。 视觉中国地图
科技公司争夺计算能力
当地时间4月10日,Meta宣布推出最新版本的自主研发芯片MTIA v2,该芯片专为Meta社交软件的排名和推荐系统而设计。 早期测试结果显示,与去年5月发布的Meta第一代AI推理加速器MTIA v1相比,最新版本的性能有了显着提升,是第一代版本的三倍。
此前一天,谷歌还宣布推出基于Arm架构的数据中心芯片Axion。 据谷歌称,Axion 芯片比通用 ARM 芯片功能强大 30%,比英特尔生产的当前一代 x86 芯片强 50%,能效高 60%。 谷歌计划将Axion用于多种谷歌服务,例如YouTube广告、大数据分析等。
事实上,除了Meta和谷歌之外,微软、特斯拉和亚马逊也相继发布了可以处理AI任务的定制芯片。
此外,业界对于OpenAI自研AI芯片也有不少猜测。 今年1月,彭博社援引知情人士的话称,OpenAI首席执行官萨姆·奥尔特曼(Sam Altman)正计划使用数十亿美元建设一座具有一定规模的半导体工厂。
市场研究公司CFRA分析师认为,大型科技公司面临芯片成本压力,需要依靠自研芯片来缓解。 据《财富》杂志报道,对于有资本的大型科技公司来说,自研芯片还可以帮助减少对英伟达、英特尔等外部芯片制造商的依赖,同时也让企业能够根据自己的AI模型定制个性化产品。 硬件。
随着顶级AI工具ChatGPT的发布,生成式AI市场引发了各大科技公司的竞争,而算力是该领域蓬勃发展的核心引擎。
在此背景下,英伟达的A100、H100、A800、H800等高性能GPU芯片成为各大AI公司争夺的对象,尤其是H100。 去年7月,外媒曝料英伟达用于AI计算的H100 GPU供不应求。 当时,Nvidia GPU的发货时间长达11个月,大多数Nvidia客户必须等待近一年才能拿到他们订购的GPU。 不过,供应瓶颈现在正在缓解。
而且,这样的“热腾腾的美味佳肴”,价格自然也不低。 据报道,H100的价格已飙升至25,000美元至30,000美元。
据称,为了打造支持OpenAI项目的超级计算机,微软花费了数亿美元,将Azure云计算平台上的数万个Nvidia A100芯片连接在一起。 据估计,即使维持 ChatGPT 的基本运行,每年也将花费约 160 亿美元。
今年3月,Meta还公布了其AI基础设施布局的细节和路线图,称计划在今年年底前从Nvidia获得约35万块H100 GPU。 届时,该公司的总计算能力将接近60万个H100 GPU。 可以提供的计算能力。 即使按照2.5万美元的最低售价计算,这35万辆H100的成本也高达约87.5亿美元。
英伟达的地位会动摇吗?
据《纽约时报》报道,英伟达去年销售了 250 万颗芯片,几乎垄断了市场。 根据研究公司 Omdia 的数据,Nvidia 的销量占整个市场的 70% 以上。 受强劲芯片需求推动,英伟达股价去年上涨239.3%。
有分析认为,随着科技巨头进军芯片领域,NVIDIA的主导地位可能面临威胁。 “木姐”Cathie Wood最近在接受巴伦周刊采访时指出,谷歌、亚马逊、微软、特斯拉等竞争对手已经停止开发芯片,这将拖累英伟达未来的营收增长。
咨询公司Forrester的高级分析师Alvin Nguyen认为,虽然谷歌、Meta和亚马逊等公司设计的芯片不会像Nvidia的顶级产品那么强大,但这可能会让这些公司受益。 尤其是等待发货的时间会更短。
技术咨询公司 Omdia 分析师爱德华·威尔福德 (Edward Wilford) 表示:“从 Meta 的角度来看,这为他们提供了与 Nvidia 讨价还价的筹码。”
此外,Nguyen还认为,自主研发的芯片可以更好地适应科技公司特定的AI平台,从而通过消除不必要的功能来提高效率并节省成本。 这意味着,虽然 Nvidia GPU 在人工智能数据中心中表现出色,但作为通用硬件,它们在某些工作负载和模型中的性能可能不如定制芯片。
不过,科技公司研发AI芯片是一个长期的过程。 Nguyen 预计这些芯片的开发需要大约一年半的时间,然后可能需要几个月的时间才能大规模实施。 在可预见的未来,整个人工智能领域将继续严重依赖英伟达的计算硬件需求。
而且,自研芯片并不意味着科技巨头可以完全摆脱对英伟达的依赖。
事实上,科技巨头制造芯片并不是什么新鲜事。 谷歌从 2016 年开始推出自研 AI 张量处理单元(TPU),亚马逊云科技则宣布在 2020 年推出用于训练 AI 模型的自研芯片 Trainium。但直到生成式 AI 爆发之前,只有英伟达成为最大的“铲子卖家”。
亚马逊芯片业务负责人曾在接受外媒采访时指出,英伟达拥有优秀的芯片,更重要的是,他们拥有令人难以置信的生态系统。 基于此,市场接受新芯片是非常具有挑战性的。
据研究公司 Gartner 称,到 2027 年,芯片市场预计将增长一倍以上,达到约 1400 亿美元。 不仅AI模型提供商对这块蛋糕虎视眈眈,AMD、英特尔等知名芯片厂商也在加速推出性能更优的AI芯片,挑战英伟达的霸主地位。
英伟达自然不会坐以待毙。 2023年,英伟达推出了云服务,企业可以使用其芯片。 此外,该公司还基于其芯片业务与CoreWeave等云提供商合作,以与亚马逊、谷歌和微软竞争。
股市回暖,先开户抄底买股票! 智能定投、条件委托、个股雷达……给你>>
海量信息、精准解读,尽在新浪财经APP
暂无评论内容