今年3月，面對洶湧而來的AI潮，「矽谷刀王」一改往日本色，主動站到台前，宣布推出DGX雲，把AI專用的GPU放到雲上「出租」 。
以往，出售算力這種事都是雲端運算公司在幹。它們購買多種型號顯示卡與人工智慧加速器，根據硬體性能或使用時長等方式定價，然後租給下游客戶。
這個過程中，英偉達將GPU要麼賣給雲端運算平台，要麼直接出售給AI公司，例如第一台NVIDIA DGX超級電腦就是2016年老黃親自交付給OpenAI的，並沒有直接出售算力，頂多算「賣鏟人」。
而DGX上雲這個事，雖然英偉達仍需要將其託管到雲端平台，但本質上已經是跨越邊界了。
一向屈居幕後的英偉達，這次為何要走向台前？
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。
用於訓練AI的GPU晶片價格瘋長，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，國內一台配置8顆A100和80G儲存空間的AI伺服器，價格也從去年中旬的8萬/台飆升至目前的165萬/台。
但這些錢並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雲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雲，每月套餐費只要3.7萬美元，相當於單片H100的價格。
對於急需算力資金又捉襟見肘的AI公司來說，DGX雲無疑是渴睡時天降的一個枕頭；對英偉達而言，出售雲算力既能賺錢又綁定了客戶。
而看似雙贏的背後，卻隱藏著一場始於AI的秘密戰爭。
算力平權
#從產業特徵來看，今天基於雲端算力的AIGC和曾經的加密資產挖礦極為相似，但所需的資源遠高於後者。
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於高強度競爭中，參與者只有持續、快速生產出高品質內容，才能保證自己獲取到的用戶注意力不會下降。
這就導致AIGC產業的兩大特徵：高成本和持續性。
其中，成本側不只耗電量，當然耗電量可以作為一個非常直覺的證據。例如百度用於訓練推理文心一言的陽泉超算中心，每小時耗電64000kW·h（度），以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，只考慮訓練過程，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。
以單張A100晶片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的模型參數較大，訓練的識別符較多，所需算力較為可觀。
並且，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，用於訓練AI所需的算力大約每隔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倍的成長）， 每年頭部訓練模型所需算力成長幅度高達10倍，整體呈現指數級上升。
這個時候就體現出雲端算力的優勢了，總結下來可以歸結為8個字：化整為零，按需付費。
雲算力能讓AIGC大模型廠商無需購買英偉達A100顯卡等硬件，而直接按需租用雲算力平台提供的算力，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，對產業鏈各方都有好處：
1）對上游算力生產商而言，在算力硬體進入淡季、庫存趨增時，能透過販賣雲算力的方式，平滑收入的波動，並為旺季儲備「有生」力量，及時滿足回彈的市場需求；
2）對中游雲服務廠商而言，則有助於增加客流；
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大模型廠商願意讓渡更多資源，還可以更深入地與雲端平台合作。這方面的典型案例是微軟雲端與OpenAI的合作，兩者的合作並沒有停留在算力租用上，而深入了股權與產品的整合。
另外，在大模型競賽中，除了顯性的硬體投入成本，還有一個隱形的時間成本。
一般而言，大模型對於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雲，就不難搞懂老黃做了一件什麼事。
用雲端的方式把用於AI訓練的GPU價格打下來，算力平權籠絡中小公司，再基於大模型訓練的持續性因素綁定客戶，「矽谷刀王」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，但對於頭部廠商而言，漲多少價GPU都是要買的。但對腰部公司來說，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雲，就像開了一家豪車租賃公司，讓買不起的人也能租用。
當然，這背後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AI繪圖應用，最近與QQ頻道合作開啟了國內業務，後者的創辦人則是出自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。
此服務由一個整合4096塊TPU v4的超算系統提供，重點在於Google自研。
另外一家搞自研晶片的巨頭是本輪AI浪潮的領導者微軟，傳聞這款名叫Athena的晶片採用5nm先進製程，由台積電代工，研發團隊人數已經接近300人。
很明顯，這款晶片目標就是取代昂貴的A100/H100，給OpenAI提供算力引擎，並最終一定會透過微軟的Azure雲端服務來搶奪英偉達的蛋糕。
除了雲端運算公司的背刺，英偉達的大客戶特斯拉也要自己單幹。
2021年8月，馬斯克就向外界展示了用3000塊自家D1晶片搭建的超算Dojo ExaPOD。其中D1晶片由台積電代工，採用7nm工藝，3000塊D1晶片直接讓Dojo成為全球第五大算力規模的計算機。
相較之下，受禁令影響的國內公司雖也有替代計劃，但短期內仍嚴重依賴英偉達。
國產晶片可以做對資訊顆粒度要求沒有那麼高的雲端推理工作，但大多目前無法處理超高算力需求的雲端訓練。
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雲端產品，且理論性能指標不弱。
据此前曝光的信息，百度用于训练推理文心一言的阳泉超算中心，除了A100还用了一些国产化的产品，比如百度自研的昆仑芯和寒武纪的思元590，其中有消息显示2023年采购计划思元大概占10%-20%。
其中，文心一言的芯片层核心能力来自昆仑芯2代AI芯片，其采用自研XPU-R架构、7nm工艺和GDDR6高速显存，通用性和性能显著提升；具有256 TOPS@INT8和128 TFLOPS@FP16的算力水平，较一代提升2-3倍。
今年3月，李彦宏也在亚布力中国企业家论坛上分享，昆仑芯片现在很适合做大模型的推理，将来会适合做训练。
尾声
从RIVA128开始，英伟达就展示了自己惊人的市场观察能力。过去的十几年里，从加密货币挖矿到元宇宙，再到AI潮，英伟达顺势将显卡的客户从游戏玩家拓展到了科技巨头。
伴随着战火蔓延，英伟达市值也一路高歌，从一个二线芯片公司变成了全行业的No.1。只是，黄仁勋说AI的iPhone时刻已到来，那么诺基亚都被苹果打败，英伟达又怎能是无敌的呢。
参考资料
[1] AIGC的看多期权：AI云算力，国盛证券
[2] Web3 视角下的AIGC 算力进化论，国盛证券
[3] 英伟达帝国的一道裂缝，远川研究所
[4] 云算力挖矿可能是现在入场比特币最稳的路，Odaily星球日报
[5] 百度“文心一言”专家解读，独角兽智库
[6] 大模型时代，国产GPU加速「狂飙」，数字时氪
[7] 英伟达黄仁勋：将通过中国云服务商提供AI超算能力，AI的iPhone时刻到来！ 第一财经
[8] AI算力产业链梳理：技术迭代推动瓶颈突破，AIgc场景增多驱动算力需求提升，安信证券
以上是雲算力之外，一場始於AI的秘密戰爭的詳細內容。更多資訊請關注PHP中文網其他相關文章！
