英伟达（NVIDIA）是全球领先的人工智能（AI）芯片制造商，其产品在云计算、自动驾驶、机器学习等领域广受欢迎。近日，据英国《金融时报》报道，中国的四大科技巨头——百度（Baidu）、腾讯（Tencent）、阿里巴巴（Alibaba）和字节跳动（ByteDance）向英伟达下单订购了价值50亿美元的AI芯片。这些芯片对于提升这些公司的AI能力至关重要。
据悉，这些公司已下单10亿美元，采购约10万颗英伟达A800处理器。这是一款专为云端AI服务设计的芯片，能够支持多种AI应用场景，如语音识别、自然语言处理、图像分析等。此外，这些公司还采购了40亿美元的英伟达图形处理器（GPU），将于2024年交付。GPU是一种能够高效处理大量并行计算的芯片，被广泛用于深度学习等AI任务。
那么，中国科技巨头为什么要抢购英伟达的AI芯片呢？背后有何深意呢？
1、AI芯片，一张难求
所谓的AI芯片，其实是图形处理器（GPU），主要作用是帮助运行训练和部署人工智能算法所涉及的无数计算。
也就是说，生成式AI的种种智能表现，均来自于无数GPU的堆砌。使用的芯片越多，生成式AI就越智能。
OpenAI对GPT-4训练细节守口如瓶，但据媒体猜测，GPT-4至少需要8192张H100芯片，以每小时2美元的价格，在约55天内可以完成预训练，成本约为2150万美元（1.5亿人民币）。
据微软高管透露，为ChatGPT提供算力支持的AI超级计算机，是微软在2019年投资10亿美元建造一台大型顶尖超级计算机，配备了数万个英伟达A100 GPU，还配备了60多个数据中心总共部署了几十万个英伟达GPU辅助。
ChatGPT所需要的AI芯片并不是固定的，而是逐次递增。ChatGPT越聪明，背后的代价是所需算力越来越多。据摩根士丹利预测，到了GPT-5大概需要使用2.5万个GPU，约是GPT-4的三倍之多。
如果想满足OpenAI、谷歌等一系列AI产品的需求，那么就相当于英伟达一家公司为全世界的AI产品供芯，这对于英伟达的产能是个极大的考验。
虽然英伟达正在开足马力生产AI芯片，但据媒体报道，小型和大型云提供商的大规模H100集群容量即将耗尽，H100的“严重缺货问题”至少会持续到2024年底。
目前，英伟达作用于AI市场的芯片主要分为H100和A100两种，H100是旗舰款产品，从技术细节来说，H100比A100在16位推理速度大约快3.5倍，16位训练速度大约快2.3倍。
不论是H100还是A100，全部都是由台积电合作生产，就使得H100的生产受到了限制。有媒体称，每一张H100从生产到出厂大约需要半年的时间，生产效率非常的缓慢。
英伟达曾表示它们在2023年下半年，提高对AI芯片的供应能力，但没有提供任何定量的信息。
不少公司和求购者都在呼吁，要求英伟达加大对晶圆厂的生产数量，不只和台积电合作，而是把更多的订单交给三星和英特尔。
2、英伟达的对手们
面对43万张AI芯片缺口，没有一家公司不动心。尤其是英伟达的最大竞争对手AMD和英特尔，不会放任其一个人独吞整个市场。
今年6月14日，AMD董事会主席、CEO苏姿丰密集地发布了多款AI软硬件新品，包括针对大语言模型设计的AI芯片，MI300X。正式拉开在AI市场，对英伟达的正面挑战。
在硬件参数上，AMD MI300X拥有多达13颗小芯片，总共包含1460亿个晶体管，配置128GB的HBM3内存。其HBM密度为英伟达H100的2.4倍，带宽为英伟达H100的1.6倍，意味着可加快生成式AI的处理速度。
但可惜的是，这款旗舰AI芯片并没有现货，只是预计将于2023年Q4季度全面量产。
而另一竞争对手英特尔，则在2019年就以约20亿美元的价格收购了人工智能芯片制造商HABANA实验室，进军AI芯片市场。
今年8月，在英特尔最近的财报电话会议上，英特尔首席执行官Pat Gelsinger表示，英特尔正在研发下一代Falcon Shores AI超算芯片，暂定名为Falcon Shores 2，该芯片预计将于2026年发布。
除了Falcon Shores 2之外，英特尔还推出AI芯片Gaudi2，已经开始销售，而Gaudi3则正在开发中。
只是可惜的是，Gaudi2芯片规格并不高，难以实现对英伟达H100和A100发起挑战。
除了国外半导体巨头们大秀肌肉，开始了“芯片竞争”之外，国内的半导体公司也开始了对AI芯片的研发。其中，昆仑芯AI加速卡RG800、天数智芯的天垓100加速卡、燧原科技第二代训练产品云燧T20/T21，均表示能够具有支持大模型训练的能力。在这场以算力为标准，以AI大模型为战场的芯片之争，英伟达作为AI市场的最大赢家之一，已经在芯片设计和市场占比等方面展示出它的强大。
阿里、字节等互联网巨头向英伟达下单订购50亿美元芯片，预计在今年和明年陆续交付。大量的芯片需求主要是出于AI产品开发的需要，其背后的大语言模型训练需要强大的算力支撑。
在生成式AI这个科技热潮下，大厂们都想交出一份令用户满意的答卷。然而，芯片的供需不平衡等也是不可忽视的问题。
