據《巴倫周刊》資深撰稿人Tae Kim在推特上發表一篇推文，Nvidia每銷售一臺H100GPU加速器，就能獲得高達1000%的利潤。

以美元計算，Nvidia 每個高性能計算 (HPC) 加速器（最便宜的 PCIe 版本）的市場價格約為25000至30000美元（約合18.3至21.9萬元人民幣），大概是其每個芯片和外設成本3320美元的10倍。

Tae Kim援引的是金融咨詢公司Raymond James數據，H100 GPU的成本為3320 美元。目前尚不清楚成本分析有多深入，可能這是一個純粹的制造成本問題（在考慮良率的情況下平均每片晶圓和其他組件的價格），那么Nvidia 仍然需要支付大量的費用利潤。

此外，產品開發需要時間和資源，考慮到工程師和其他參與 H100 等產品開發生命周期的人員，在得出最終的平均產品開發成本之前，Nvidia 的研發成本也必須考慮在內。

根據Glassdoor的數據，Nvidia電子硬件工程師的平均年薪約為20.2萬美元，這還只是一個工程師的年薪，像 H100 這樣的芯片開發很可能需要多名專業人員花費數千小時，所有這些都必須考慮在內。

不過，僅從生產成本/ 售價比來看，英偉達H100 GPU就已經算是一個“超級印鈔機”了。

更重要的是，Nvidia GPU不愁賣，很快就被各大科技巨頭搶購一空了。目前，Nvidia GPU的產品訂單似乎已經賣到 2024年了，且預計到2027年，人工智能加速器市場的規模將達到1500億美元左右。

此前文章指出，僅微軟 、Meta等四巨頭訂單就足以讓Nvidia實現本季度的銷售目標。伯恩斯坦分析師指出，英偉達將有可能在2024年創造750億至900億美元的數據中心和AI芯片收入。


AI芯片已成為重要議題

考慮到人工智能及其所需的先進芯片需要巨額投資和基礎設施支持，政府的態度至關重要。

韓國政府計劃投資8262億韓元（約合6.31億美元），希望到2030年在韓國塑造一個以本土高端人工智能芯片為核心的人工智能生態系統。

“人工智能將對半導體、數據和平臺服務乃至安全產生重大影響。” 韓國總統在九月份的一次政府間會議上表示。他說：“政府支持應該起到催化作用，以促進企業投資和創新。”

政府的中心倡議項目命名為“K-Cloud ”。參與者包括人工智能芯片設計公司、云計算公司、學術專家和科學技術部，將花費約1000億韓元用于到2025年開發用于人工智能數據中心的神經處理單元（NPU）。

K-Cloud 項目旨在建立基于新的NPU的數據中心集群，提供39.9 petaflops的人工智能計算能力，其中公共部門和私營部門分別提供19.95 petaflops。1 petaflop每秒執行一千萬億（即一萬億億，或10的15次方）次計算。

在第二階段，該項目計劃在2028年基于DRAM技術創建一種低功耗的內存內處理（PIM）芯片。PIM芯片整合了存儲和處理功能，以減少延遲并解決馮·諾伊曼瓶頸問題。

最后階段將在2030年之前，升級基于非易失性存儲器和超低能耗的PIM芯片。

根據市場跟蹤機構Gartner的預測，全球人工智能芯片市場預計到2026年將達到861億美元，每年增長16%。


數據中心加入AI熱潮

另一個預計從人工智能技術中獲益的行業是數據中心。新冠疫情期間，數據中心和云計算的需求增加，生成式人工智能受到廣泛關注。公司將需要計算資源來訓練自己的大型語言模型，因此預計這一趨勢將進一步擴大。

韓國三家移動運營商——SK Telecom、KT和LG Uplus——在全國范圍內共擁有31個數據中心，其中18個位于首爾。根據元大證券（ Yuanta Securities）的報告，這三家公司占據了總數據中心容量的93%。

“從2028年開始，互聯網數據中心市場將轉向以供應商為導向的模式。”元大證券分析師Lee Seung-woong表示：“到2030年，數據中心的需求可能會增加1088億韓元，而同期供應可能僅增加609億韓元。由于在短期內供應很難超過需求，數據中心可能會在中長期內提升電信公司的盈利能力。”

在韓國國內擴大規模之后，SK Telecom和KT計劃將它們的數據中心基礎設施出口海外，首選東南亞地區。

上個月，一場介紹其人工智能戰略的新聞發布會上，SK Telecom的CEO Ryu Young-sang表示，該公司計劃將其數據中心的國內容量增加一倍以上（從1億韓元增加到2.07億韓元），并與外國云服務提供商合作，將其基礎設施擴展到海外。

KT旗下的云計算子公司KT Cloud于5月從當地私募股權公司IMM Credit & Solutions獲得了6000億韓元的資金，用于擴大其基礎設施云和數據中心基礎設施。預計到2026年，其年收入將達到2萬億韓元。

在此趨勢下，國內芯片企業如何分一杯羹？


異構計算：未來將成為主流的計算方案

異構計算，就是使用不同類型指令集和體系架構的計算單元組成系統的計算方式，通常以“CPU+GPU”為主，目的便是為了使二者相互配合，以達到更好的計算效果。

CPU是智能設備的心臟，主要負責多任務管理、調度，具有很強的通用性，但其更擅長邏輯控制，在面對大規模并行計算任務時表現并不佳。GPU則在圖像渲染等涉及大量重復運算的領域擁有更強運算能力，AI領域中用于圖像識別的深度學習、用于決策和推理的機器學習以及超級計算都需要大規模的并行計算，大多都采用GPU進行。

隨著算力發展，多元化計算需求逐漸增多，算力場景也愈發多樣。這也導致CPU或GPU都難以獨立滿足全場景的算力需求，而CPU+GPU的異構計算模式也為此應運而生。在CPU+GPU異構計算模式中，GPU可作為協處理器負責并行加速計算，CPU可作為控制中心，在復雜場景實現更優性能，在高性能計算、海量數據處理等方面明顯更具優勢。

可以預見，隨著計算產業的演進，CPU+GPU異構計算模式將成為未來的主流方案，擁有廣泛的發展與應用空間。


AI PC或為CPU扳回一局

近日，英特爾發布了全新的酷睿Ultra系列處理器，這一創新產品不僅在工藝、設計上取得了重大突破，更為AIPC（AI Personal Computer，人工智能個人計算機）的未來發展帶來了新的機遇。

首先，酷睿Ultra系列處理器是英特爾首款基于Intel 4工藝打造的處理器產品。與AMD Ryzen 7 7840U、高通驍龍8cx Gen 3和蘋果自研M3芯片等筆記本電腦處理器相比，酷睿Ultra 7 165H芯片的多線程性能提高了11%。這一提升意味著，無論是進行大規模計算任務，還是運行復雜的應用程序，酷睿Ultra系列處理器都能提供更高效、更穩定的性能支持。

在設計層面，酷睿Ultra系列處理器加入了片上AI加速器神經網絡處理單元NPU。這一創新設計大幅度提高了設備本地運行AI應用的能效比和本地運行能力。這意味著，無論是進行語音識別、圖像識別等AI任務，還是運行各種智能應用，酷睿Ultra系列處理器都能提供強大的計算支持。

隨著PC硬件層兩大供應商相繼發布主打AI能力的CPU產品，未來AIPC的核心硬件基礎已經初步奠定。這意味著，未來AIPC將擁有更強大的計算能力和更豐富的AI應用場景。同時，這也為產業鏈帶來了新的機遇，將不斷涌現出更多的商業機會和創新應用。

硬件迭代或加速的同時，配套軟件生態也有望進一步繁榮。算力和AI應用互促之下，各類設計、研發、編輯軟件有望適配更多AI功能。對于個人而言，目前AIPC可以實現高實時性交互場景的AI應用，例如視頻會議的實時轉錄和語音修飾，本地文檔信息匯總和摘要，離線場景或小規模AI輔助設計加速等等。而隨著AIPC的普及，更多深度適配的應用也將不斷涌現并產生價值。