英偉達（NVIDIA）是全球領先的人工智能（AI）芯片制造商，其產品在云計算、自動駕駛、機器學習等領域廣受歡迎。近日，據英國《金融時報》報道，中國的四大科技巨頭——百度（Baidu）、騰訊（Tencent）、阿里巴巴（Alibaba）和字節跳動（ByteDance）向英偉達下單訂購了價值50億美元的AI芯片。這些芯片對于提升這些公司的AI能力至關重要。

據悉，這些公司已下單10億美元，采購約10萬顆英偉達A800處理器。這是一款專為云端AI服務設計的芯片，能夠支持多種AI應用場景，如語音識別、自然語言處理、圖像分析等。此外，這些公司還采購了40億美元的英偉達圖形處理器（GPU），將于2024年交付。GPU是一種能夠高效處理大量并行計算的芯片，被廣泛用于深度學習等AI任務。

那么，中國科技巨頭為什么要搶購英偉達的AI芯片呢？背后有何深意呢？


1、AI芯片，一張難求

所謂的AI芯片，其實是圖形處理器（GPU），主要作用是幫助運行訓練和部署人工智能算法所涉及的無數計算。

也就是說，生成式AI的種種智能表現，均來自于無數GPU的堆砌。使用的芯片越多，生成式AI就越智能。

OpenAI對GPT-4訓練細節守口如瓶，但據媒體猜測，GPT-4至少需要8192張H100芯片，以每小時2美元的價格，在約55天內可以完成預訓練，成本約為2150萬美元（1.5億人民幣）。

據微軟高管透露，為ChatGPT提供算力支持的AI超級計算機，是微軟在2019年投資10億美元建造一臺大型頂尖超級計算機，配備了數萬個英偉達A100 GPU，還配備了60多個數據中心總共部署了幾十萬個英偉達GPU輔助。

ChatGPT所需要的AI芯片并不是固定的，而是逐次遞增。ChatGPT越聰明，背后的代價是所需算力越來越多。據摩根士丹利預測，到了GPT-5大概需要使用2.5萬個GPU，約是GPT-4的三倍之多。

如果想滿足OpenAI、谷歌等一系列AI產品的需求，那么就相當于英偉達一家公司為全世界的AI產品供芯，這對于英偉達的產能是個極大的考驗。

雖然英偉達正在開足馬力生產AI芯片，但據媒體報道，小型和大型云提供商的大規模H100集群容量即將耗盡，H100的“嚴重缺貨問題”至少會持續到2024年底。

目前，英偉達作用于AI市場的芯片主要分為H100和A100兩種，H100是旗艦款產品，從技術細節來說，H100比A100在16位推理速度大約快3.5倍，16位訓練速度大約快2.3倍。

不論是H100還是A100，全部都是由臺積電合作生產，就使得H100的生產受到了限制。有媒體稱，每一張H100從生產到出廠大約需要半年的時間，生產效率非常的緩慢。

英偉達曾表示它們在2023年下半年，提高對AI芯片的供應能力，但沒有提供任何定量的信息。

不少公司和求購者都在呼吁，要求英偉達加大對晶圓廠的生產數量，不只和臺積電合作，而是把更多的訂單交給三星和英特爾。


2、英偉達的對手們

面對43萬張AI芯片缺口，沒有一家公司不動心。尤其是英偉達的最大競爭對手AMD和英特爾，不會放任其一個人獨吞整個市場。

今年6月14日，AMD董事會主席、CEO蘇姿豐密集地發布了多款AI軟硬件新品，包括針對大語言模型設計的AI芯片，MI300X。正式拉開在AI市場，對英偉達的正面挑戰。

在硬件參數上，AMD MI300X擁有多達13顆小芯片，總共包含1460億個晶體管，配置128GB的HBM3內存。其HBM密度為英偉達H100的2.4倍，帶寬為英偉達H100的1.6倍，意味著可加快生成式AI的處理速度。

但可惜的是，這款旗艦AI芯片并沒有現貨，只是預計將于2023年Q4季度全面量產。

而另一競爭對手英特爾，則在2019年就以約20億美元的價格收購了人工智能芯片制造商HABANA實驗室，進軍AI芯片市場。

今年8月，在英特爾最近的財報電話會議上，英特爾首席執行官Pat Gelsinger表示，英特爾正在研發下一代Falcon Shores AI超算芯片，暫定名為Falcon Shores 2，該芯片預計將于2026年發布。

除了Falcon Shores 2之外，英特爾還推出AI芯片Gaudi2，已經開始銷售，而Gaudi3則正在開發中。

只是可惜的是，Gaudi2芯片規格并不高，難以實現對英偉達H100和A100發起挑戰。

除了國外半導體巨頭們大秀肌肉，開始了“芯片競爭”之外，國內的半導體公司也開始了對AI芯片的研發。其中，昆侖芯AI加速卡RG800、天數智芯的天垓100加速卡、燧原科技第二代訓練產品云燧T20/T21，均表示能夠具有支持大模型訓練的能力。在這場以算力為標準，以AI大模型為戰場的芯片之爭，英偉達作為AI市場的最大贏家之一，已經在芯片設計和市場占比等方面展示出它的強大。

阿里、字節等互聯網巨頭向英偉達下單訂購50億美元芯片，預計在今年和明年陸續交付。大量的芯片需求主要是出于AI產品開發的需要，其背后的大語言模型訓練需要強大的算力支撐。

在生成式AI這個科技熱潮下，大廠們都想交出一份令用戶滿意的答卷。然而，芯片的供需不平衡等也是不可忽視的問題。