文|侃科技

今年3月，面對洶涌而來的AI潮，“硅谷刀王”一改往日本色，主動站到臺前，宣布推出DGX云，把AI專用的GPU放到云上「出租」。

以往，出售算力這種事都是云計算公司在干。它們購買多種型號顯卡與人工智能加速器，根據硬件性能或使用時長等方式定價，然后租給下游客戶。

這個過程中，英偉達將GPU要么賣給云計算平臺，要么直接出售給AI公司，比如第一臺NVIDIA DGX超級計算機就是2016年老黃親自交付給OpenAI的，并沒有直接出售算力，頂多算「賣鏟人」。

而DGX上云這個事，雖然英偉達仍需要將其托管到云平臺，但本質上已經是跨越邊界了。

一向屈居幕后的英偉達，這次為何要走向臺前？

本輪AI潮英偉達毫無疑問是最大的受益者，甚至可以沒有之一。

用于訓練AI的GPU芯片價格瘋長，海外A100和H100的每片價格分別漲到了1.5萬美元和4萬美元，國內一臺配置8顆A100和80G存儲空間的AI服務器，價格也從去年中旬的8萬/臺飆升至當前的165萬/臺。

但這些錢并沒有都流入英偉達的口袋，溢價都被渠道拿走了，關鍵是這種倒買倒賣英偉達還一點辦法沒有。

DGX云就在這種情況下應運而生，關鍵價格看似還很便宜。配備8個H100 GPU模組的DGX云，每月套餐費只要3.7萬美元，相當于單片H100的價格。

對于急需算力資金又捉襟見肘的AI公司來說，DGX云無疑是渴睡時天降的一個枕頭；對英偉達而言，出售云算力既能賺錢又綁定了客戶。

而看似雙贏的背后，卻隱藏著一場始于AI的秘密戰爭。

算力平權

從產業特點看，今天基于云算力的AIGC和曾經的加密資產挖礦極其相似，但需要的資源遠高于后者。

國盛證券曾在《Web3 視角下的AIGC算力進化論》中，比較了加密資產挖礦和AIGC產業的異同點:

1、AIGC產業耗電量大約會在1.6-7.5年間超過當前比特幣挖礦產業耗電量，主要驅動因素是GPT類大語言模型在模型參數、日活和模型數量上的高速增長；

2、和比特幣挖礦類似，AIGC產業由算力驅動的內容處于高強度競爭中，參與者只有持續、快速生產出高質量內容，才能保證自己獲取到的用戶注意力不會下降。

這就導致AIGC產業的兩大特點：高成本和持續性。

其中，成本側不止是耗電量，當然耗電量可以作為一個非常直觀的證據。比如百度用于訓練推理文心一言的陽泉超算中心，每小時耗電64000kW·h（度），按照0.45元/kW·h的商業用電標準，一年電費就達到2.5億。

而更大的成本則是來自算力投入。

以ChatGPT為例，不考慮與日活高度相關推理過程所需的算力，僅考慮訓練過程，根據測算，1750億參數的GPT-3訓練一次大約需要6000張英偉達A100顯卡，如果考慮互聯損失，大約需要上萬張A100。

按單張A100芯片10萬計算，大規模訓練就需要投入約10億，一般廠商根本承擔不起。而GPT-4的模型參數更大，訓練的標識符更多，所需算力更為可觀。

并且，隨著更多AIGC大模型的發布，其所需算力直線狂飆。

根據OpenAI測算，自2012年至2018年，用于訓練AI所需要的算力大約每隔3-4個月翻倍，總共增長了30萬倍（而摩爾定律在相同時間只有7倍的增長）， 每年頭部訓練模型所需算力增長幅度高達10倍，整體呈現指數級上漲。

這個時候就體現出云算力的優勢了，總結下來可以歸結為8個字：化整為零，按需付費。

云算力能讓AIGC大模型廠商無需購買英偉達A100顯卡等硬件，而直接按需租用云算力平臺提供的算力，這使得初創企業或非頭部模型廠商也能嘗試進入AIGC領域。

甚至這種“化整為零”的方式，對產業鏈各方都有益處：

1）對上游算力生產商而言，在算力硬件進入淡季、庫存趨增時，能通過售賣云算力的方式，平滑收入的波動，并為旺季儲備“有生”力量，及時滿足回彈的市場需求；

2）對中游云服務廠商而言，則有助于增加客流；

3） 對下游算力需求方而言，能最大化降低使用算力的門檻，驅動全民AIGC 時代降臨。

如果AIGC大模型廠商愿意讓渡更多資源，還可以更深入地與云平臺合作。這方面的典型案例是微軟云與OpenAI的合作，兩者的合作沒有停留在算力租用上，而深入到了股權與產品的融合。

另外，在大模型競賽中，除了顯性的硬件投入成本，還有一個隱形的時間成本。

一般而言，大模型對于算力的需求分為兩個階段，一是訓練出類ChatGPT大模型的過程；二是將這個模型商業化的推理過程。

而且這個過程越持續大模型就越好。所以現在再來看英偉達DGX云，就不難搞懂老黃干了一件什么事。

用云的方式把用于AI訓練的GPU價格打下來，算力平權籠絡中小公司，再基于大模型訓練的持續性因素綁定客戶，“硅谷刀王”一舉兩得。

受益的未必是英偉達

從去年12月開始，英偉達A100的價格5個月累計漲幅達到37.5%，同期A800價格累計漲幅也達到了20.0%。

GPU價格暴漲無疑增加了AIGC訓練大模型的門檻，但對于頭部廠商而言，漲多少價GPU都是要買的。但對于腰部公司來說，不漲價可能咬咬牙還能下單，一漲價就只能望GPU興嘆了，王慧文創業拿到的5000萬美金融資，可能連訓練所需的顯卡都買不全。

所以，老黃在這個時候拿出DGX云，就像開了一家豪車租賃公司，讓買不起的人也能租用。

當然，這背后英偉達的另一層考量，即搶在競爭對手前面，綁定更多的中小客戶。

本輪AI熱潮中除OpenAI外，最出圈的AI公司非Midjourney和Authropic莫屬了。前者是一款AI繪圖應用，最近同QQ頻道合作開啟了國內業務，后者的創始人則是出自OpenAI，其對話機器人Claude直接對標ChatGPT。

這兩家公司有一個相同點，就是都沒有購買英偉達GPU搭建超算，而是使用Google的算力服務。

該服務由一個集成4096塊TPU v4的超算系統提供，重點是Google自研。

另外一家搞自研芯片的巨頭是本輪AI浪潮的引領者微軟，傳聞這款名叫Athena的芯片采用5nm先進制程，由臺積電代工，研發團隊人數已經接近300人。

很明顯，這款芯片目標就是替代昂貴的A100/H100，給OpenAI提供算力引擎，并最終一定會通過微軟的Azure云服務來搶奪英偉達的蛋糕。

除了云計算公司的背刺，英偉達的大客戶特斯拉也要自己單干。

2021年8月，馬斯克就向外界展示了用3000塊自家D1芯片搭建的超算Dojo ExaPOD。其中D1芯片由臺積電代工，采用7nm工藝，3000塊D1芯片直接讓Dojo成為全球第五大算力規模的計算機。

相較之下，國產芯片可以做對信息顆粒度要求沒有那么高的云端推理工作，但大多目前無法處理超高算力需求的云端訓練。

燧原科技、壁仞科技、天數智芯、寒武紀等公司都推出了自己的云端產品，且理論性能指標不弱。

據此前曝光的信息，百度用于訓練推理文心一言的陽泉超算中心，除了A100還用了一些國產化的產品，比如百度自研的昆侖芯和寒武紀的思元590，其中有消息顯示2023年采購計劃思元大概占10%-20%。

其中，文心一言的芯片層核心能力來自昆侖芯2代AI芯片，其采用自研XPU-R架構、7nm工藝和GDDR6高速顯存，通用性和性能顯著提升；具有256 TOPS@INT8和128 TFLOPS@FP16的算力水平，較一代提升2-3倍。

今年3月，李彥宏也在亞布力中國企業家論壇上分享，昆侖芯片現在很適合做大模型的推理，將來會適合做訓練。

尾聲

從RIVA128開始，英偉達就展示了自己驚人的市場觀察能力。過去的十幾年里，從加密貨幣挖礦到元宇宙，再到AI潮，英偉達順勢將顯卡的客戶從游戲玩家拓展到了科技巨頭。

伴隨著戰火蔓延，英偉達市值也一路高歌，從一個二線芯片公司變成了全行業的No.1。只是，黃仁勛說AI的iPhone時刻已到來，那么諾基亞都被蘋果打敗，英偉達又怎能是無敵的呢。

參考資料

[1] AIGC的看多期權：AI云算力，國盛證券

[2] Web3 視角下的AIGC 算力進化論，國盛證券

[3] 英偉達帝國的一道裂縫，遠川研究所

[4] 云算力挖礦可能是現在入場比特幣最穩的路，Odaily星球日報

[5] 百度“文心一言”專家解讀，獨角獸智庫

[6] 大模型時代，國產GPU加速「狂飆」，數字時氪

[7] 英偉達黃仁勛：將通過中國云服務商提供AI超算能力，AI的iPhone時刻到來！ 第一財經

[8] AI算力產業鏈梳理：技術迭代推動瓶頸突破，AIgc場景增多驅動算力需求提升，安信證券