人工智慧浪潮席捲近半年，也讓英偉達一把推開了美股萬億俱樂部的大門。
當初只是想在遊戲影像運算上分一杯羹的英偉達，沒想到在二十多年後成為AI運算的領導者，幾乎壟斷了整個AI伺服器晶片市場。
雖然英特爾曾經一度佔領伺服器市場，但英偉達的GPU在高效能運算上勝過了它的CPU。英特爾的晶片製程技術落後於台積電，導致其產品策略一直處於被動狀態。英偉達已經遙遙領先，而AMD則在追趕英特爾的步伐。
隨著英偉達的成功，下一代晶片研發方向更聚焦在如何深度結合AI模型上來，選擇不僅僅只有GPU，因為提高算力的高昂代價絕大部分要歸功於AI晶片，所以英偉達在模型訓練晶片端的領先地位無疑會遭受挑戰，英特爾、AMD、高通等企業開始摩拳擦掌，做好準備。
那麼，在AI晶片，會有下一個英偉達嗎？
01 AI晶片必須先過一道門檻
AI晶片可以根據其部署位置分為雲端、終端和邊緣側；同時也可以根據任務的不同分為訓練晶片和推理晶片。雲端就是在資料中心進行模型訓練，晶片需要支撐大量的資料運算，終端和邊緣側對算力要求稍弱一些，但要求快速響應的能力和低功耗，英偉達霸佔了訓練晶片這一領域，不過推理方面不乏比GPU更合適的晶片。
效能各異的專用AI晶片包括GPU、ASIC、FPGA、NPU等，可以簡稱為XPU，名稱的不同反映了各自架構層面上的差異。專用AI晶片在所擅長的領域裡有匹配GPU的能力，雖然少了可擴展性，但在性能和算力上領先更通用的GPU，儘管後者能做更多的事情。
這就回到了當初CPU在機器學習領域被棄用的邏輯，未來是否會有一款新的晶片可以對GPU發起衝擊？
目前全球大廠們都尤愛造芯，不過通用晶片人家沒必要自己做，只會切合自己重要的業務方向來佈局。
例如Google的TPU採用了ASIC，只針對卷積神經網路的加速器，特斯拉的Dojo是專門用於FSD的機器視覺分析晶片，以及國內百度、阿里也花費大量精力在自研晶片上。
一直以來，專用處理器並未真正為GPU帶來威脅，這主要與市場容量，資金投入，摩爾定律形成的正向循環有關。
根據IDC數據，21年中國AI晶片市場裡，GPU佔89%的份額；NPU處理速度比GPU快上10倍，佔9.6%的份額，ASIC和FPGA佔比較小，市場份額分別1%和0.4%。
過去三十年，台積電、三星等晶圓代工廠的崛起塑造了分工專業化的趨勢，設備和先進製程的技術進步允許像英偉達、高通等晶片設計企業一展身手，也讓蘋果、谷歌等科技大廠開始用晶片定義產品和服務，專用晶片設計的土壤是肥沃的，大家都是受益者。
在競爭對手看來，GPU並非專為機器學習而設計的晶片，之所以能成功，主要在於結合框架軟體層形成的複雜生態，提高了晶片的通用性。
實際上，自2012年以來，每年頭部訓練模型算力需求按10倍在增長，一直逼近摩爾定律下的算力極限。
而從11年Tesla M2090開始，資料中心產品GPU一直在更新迭代，先後推出Volta、Ampere、Hopper等針對高效能訓練運算和AI訓練的架構，保持每兩年推出一代新產品的速度，浮點算力也從7.8 TFLOPS增加到30 TFLOPS，漲幅接近4倍。
最新的H100，甚至已經把大模型訓練的時間從一週縮短到一天。
基於英偉達在AI晶片領域的高份額，可以說，過去AI模型訓練的算力增長主要由英偉達的GPU系列所支撐，這形成了一個正向反饋，隨著晶片出貨規模的成長，攤平了英偉達晶片的開發成本。
相比較未來的算力需求，一款通用晶片的技術迭代最終也會逐漸放緩，專用處理器只有跑通這個正向循環，才有可能在成本上與通用晶片們並駕齊驅。
不過難度在於，專用處理器僅僅著力在細分市場，市場規模根本比不上通用市場，相對於通用晶片的每單位性能提升，往往需要花上更長的時間，或者更大的出貨量來攤薄成本，可是隨著AI在應用場景中加速滲透，未來AI晶片的開支也會大幅成長，專用AI晶片、 CPU、GPU可望成為三條並行的線。
根據Precedence Research，2022年全球AI晶片市場規模為168.6億美元，將以每年約30%的速度成長，預計到2032年達到約2,274.8億美元。
02 三家分晉，如何分庭抗禮？
英偉達對算力的壟斷地位在如今大模型戰爭下加速強化，矛盾日益加劇，GPU採購需求超出台積電和英偉達的預料，供應不足，價格便水漲船高，繼續循環。
國內外科技大廠們在選擇自研晶片上保持一致的態度，又或者，幫助其他晶片廠和英偉達競爭，刺激新的供給同時降低晶片成本。
上月初AMD盤中大漲12%，原因來自一則消息指出，微軟正在與AMD合作，資助後者向AI晶片擴張，並與這家晶片製造商合作一款代號為Athena（雅典娜）的晶片，但之後微軟官方否認了這項消息。
這讓人聯想到上世紀九十年代的「WINTEL」聯盟，互相成就了微軟在PC作業系統，以及英特爾在CPU的地位。此時的AMD，成為了英特爾市佔率最強而有力的威脅。
去年電腦市場經受重創，企業伺服器和消費電子兩端的疲軟對CPU出貨量造成不小拖累，英特爾與AMD兩家公司均出現了30多年來最大的下滑，分別降低21%和19% 。
雖然主業俱顯疲態，但產業的競爭格局卻再次發生了巨大變化。
根據Passmark數據監測，在數據中心市場，去年AMD的份額猛增至20%，搶走了英特爾（2022年，70.77%）接近1成的份額，而截止今年1月2日，AMD重新逼近40%，回到了2004年的水準。
AMD之所以得以窮追不捨，一方面是藉助台積電的力量，讓其產品組合不斷優化，用於資料中心的EPYC Milan處理器採用率提高，去年這項業務營收成長64%。
另一方面則與競爭對手糟糕的策略決策有關。英特爾在CPU方面的創新已經枯竭，過去十年中一直保持領先地位的他們的產品力相對競爭對手下滑不少。
當初蘋果想要英特爾為初代iPhone開發手機CPU，CEO保羅·歐德寧因為報價太低迴絕，這位x86領頭羊錯估了移動端的機會。
除了戰略眼光不足，還有不斷跳票的產品推新計劃，英特爾是舊IDM時代的老頭，如今台積電、三星領導著先進製程的迭代，是CPU這類通用芯片繼續升級的基座，英特爾本身工藝技術的落後反噬著產品的更新節奏，更多的是「擠牙膏」式的添頭。從2021年高點至今，其市值削去了一半不止。
反觀AMD，則一路拓寬產品品類，追逐高性價比的策略，先後收購了ATI，Xilinx，成為第一家同時拿下CPU GPU FPGA的晶片廠商。 2018年AMD在PC端的CPU流程首次彎道超車，市佔率開始加速提升，2019年聯手台積電率先躍入7nm，在伺服器端也實現製程超越，去年市值超過了英特爾。
前不久，AMD推出結合CPU GPU雙架構的Instinct MI 300正式進軍AI訓練端，這款晶片在規格和效能直接對標了英偉達的Grace Hopper。
這是AMD管理層強調AI作為戰略重點後的重棋，與英偉達同時出租自家算力不同，AMD著力於構建具有競爭力的晶片矩陣，與其正面交鋒，或將從雲廠商的數據中心開始突破，預計今年第四季開始放量。
實際上，並不是這兩CPU巨頭打架，把英偉達晾在一邊，結果趕不上趟兒。
英特爾從2015年開始花巨資收購了一大批人工智慧公司，如Altera、Mobileye、Nervana等，結果並沒有為業務帶來多少幫助，更像是養著這些公司等著刮彩票。
英特爾也一直計畫推出一款能媲美英偉達的GPU，只是計畫一直跳票。
2021年，英特爾曾宣布一款代號為「Ponte Vecchio」的旗艦GPU，用於資料中心，結果卻在交付上不斷拖延。作為繼任者，Falcon Shores GPU結合了x86 CPU和Xe GPU，也跳票到了2025年。
誠然，英偉達的成功不只是硬體做得好，有別於英特爾過去硬體第一的路徑，英偉達GPU架構保持了兩年一代的速度演進，憑藉著通用的計算框架構築起了軟體生態壁壘。
晶片發展歷程中，定義標準的贏家往往強者恆強，要與英偉達分庭抗禮，性價比是必需砝碼，生態圈同樣關鍵。 算力發展推動AI進步，還要倚仗這些廠商的競爭和互相超越。
在這些方面，無論是AMD、英特爾，或是其他的後來者大廠，都還有很長的路要走。
以上是巨擘「火拼」AI晶片！ AMD力抗英偉達的詳細內容。更多資訊請關注PHP中文網其他相關文章！
