英伟达的「镰刀」，不是AI芯片

原文来源：硅基研究室

作者：白嘉嘉

图片来源：由无界 AI生成

英伟达又一次被推上了风口浪尖，这次不是因为它扶摇直上的业绩，而是过去将它捧在手心的微软、OpenAI、谷歌等人工智能排头兵起了「异心」。

据The Information报道，微软计划在下个月的年度开发者大会上推出首款为人工智能设计的芯片。这款芯片是为训练和运行大型语言模型（LLM）的数据中心服务器设计的。OpenAI也在探索制造自己的人工智能芯片。公开信息显示，OpenAI至少投资了3家芯片公司。

谷歌的自研芯片TPU更是迭代到了v5世代。此前有分析师爆料谷歌的算力资源比OpenAI、Meta、亚马逊、甲骨文和CoreWeave加起来还要多，它的优势正是来源于拥有庞大数量的TPU。

这些企业为什么要下场造芯，市场上已经有了许多分析，原因主要集中在英伟达的GPU价格过高、产能不足。通过自研芯片，有望削弱英伟达在人工智能芯片领域的定价权，同时比没有自研芯片的企业更具战略自主。

但是，自研芯片真的能迫使英伟达放缓手中的镰刀吗？

一个事实是，市面上p00 GPU已涨到了原价的两倍，依旧供不应求。即便是自研芯片已经「上线」的谷歌，仍在大量采购英伟达的芯片。

为什么？

由于英伟达的GPU销量过于亮眼，以至于常常被简单定义成一家硬件公司。但很多人不知道的是，英伟达的软件工程师数量比硬件工程师还要多。

这句话背后的意思是，英伟达真正的护城河从不来自于层出不穷的新芯片（当然这也很了不起），而来源于软硬件生态。

而CUDA，正是这条护城河的第一道河堤。

英伟达真正的王牌——CUDA

2019年，英伟达CEO黄仁勋在密尔沃基工学院介绍企业发展史时，说了这样一段话。

“一项接着一项的应用，一个接着一个的科学领域，从分子动力学、计算物理学，到天体物理学、粒子物理学、高能物理学，这些不同的科学领域开始采用我们的科技，因为这是向前发展的最佳解法。而我们深深地以这项贡献为荣。”

这项英伟达深以为荣的技术，正是CUDA。

CUDA是一种英伟达推出的并行计算架构，正是在它的加持下，GPU才得以打败CPU，成为今天运行大数据计算的基础。运行相同任务的情况下，支持CUDA系统的英伟达GPU比CPU的速度要快10到100倍。

为什么CUDA有这种魔力？

CPU和GPU都是计算机处理器，都能执行计算任务，其不同点在于，CPU更擅长线性计算，而GPU更擅长并行计算。业内常用的一个类比是，CPU就像一位大学教授，能独立解决各种复杂问题，但要按部就班进行，GPU像一群小学生，单核运算能力不如CPU，但胜在核的数量庞大，能同时计算。

而CUDA，则是调动这群小学生的指挥棒。在CUDA的中介下，研究员、编程人员得以实现通过编程语言与硬件设施对话，从而将复杂的数学问题转化为多个简单的小问题，分发给GPU的多个计算核。

如黄仁勋所说，CUDA问世后成为了“科学向前发展的最佳解法”，庞大的运算能力成为了搭建超级计算机的首选。

10月11日，美国能源部下属橡树岭国家实验室宣布，他们研发出的超级计算机“顶点”（Summit），浮点运算速度峰值可达每秒20亿亿次，接近“神威·太湖之光”超级计算机的两倍。

这台算力巨兽身上搭载了近28000块英伟达GPU。而橡树岭国家实验室，正是第一家大量采用英伟达「CUDA+GPU」套餐的研究所。

事实上，从2006年英伟达推出CUDA至今，涉及计算机计算的各个领域，几乎已经被塑造成了英伟达的形状。航空航天、生物科学研究、机械和流体模拟及能源探索等领域的研究，80%在CUDA的基础上进行。

并且，在大模型热的带动下，CUDA生态合作者规模仍在翻倍增长。

根据英伟达2023财年年报，目前有400万名开发者正在与CUDA合作。英伟达通过12年的时间达到200万名开发者，在过去的两年半里该数字翻了一番，目前CUDA的下载量已经超过了4000万次。

与此同时，英伟达仍在不断扩大CUDA生态，推出了软件加速库的集合CUDA-X AI。这些库建立在 CUDA之上，提供对于深度学习、机器学习和高性能计算必不可少的优化功能，是针对数据科学加速的端到端平台。

CUDA生态如日中天，与之相辅相成的GPU成为消费者的首选，英伟达因此赚得盆满钵满。不过，面对这么大一块蛋糕，竞争对手自然不可能只眼铮铮地看着。