獨孤求敗的英偉達真的沒有弱點了嗎？-熱文

獨孤求敗，金庸《神雕俠侶》小說中的經(jīng)典人物，其墓前刻曰，縱橫江湖三十馀載，殺盡仇寇，敗盡英雄，天下更無敵手，無可奈何，惟隱居深谷，以雕為友。 嗚呼！生平求一敵手而不可得，誠寂寥難堪也。

而在大洋彼岸的美國，1993年成立的英偉達也是通過三十年時間，成了AI芯片領(lǐng)域的獨孤求敗。

(資料圖片)

美股5月25日，英偉達股價飆升，截止收盤英偉達漲24.37%，市值創(chuàng)下歷史新高。截至當天美股收盤，英偉達市值上漲超過1800億美元，目前市值為9393億美元，——僅僅是這增長的部分就已經(jīng)大約相當于1個AMD(1938億美元市值)、1.5個英特爾(1143億美元市值)。

至于原因，無它，需求大增爾。英偉達Q2的業(yè)績指引成為該公司有史以來最高的季度營收，超過華爾街預(yù)期的53.2%。其中數(shù)據(jù)中心營收創(chuàng)下歷史新高，英偉達將此歸因于GPU，由于云計算平臺與大型科技公司競相部署AI芯片，GPU需求水漲船高。

掌門人黃仁勛獨創(chuàng)黃氏定律，奠定顯卡江湖地位

正如羅馬不是一天建成的一般，英偉達的江湖地位自然也不是憑空得來，那么英偉達是如何取得現(xiàn)在的地位呢？

要回答這個問題，黃仁勛是繞不開的核心人物。

黃仁勛，祖籍浙江，1963年出生于臺灣。9 歲時，他和哥哥被父母送到了美國；16歲就考上了俄勒岡州立大學(xué)學(xué)習(xí)電子工程。隨后他在斯坦福取得了碩士學(xué)位。畢業(yè)之后，黃仁勛先后在AMD以及LSI Logic工作過，并取得了豐富的技術(shù)經(jīng)驗。

1993年，到了而立之年的黃仁勛因?qū)ζ拮拥某兄Z，成立英偉達。兩年后便推出了第一款產(chǎn)品nv1，雖然nv1集成了很多功能，但工程師們經(jīng)常會犯的一個毛病是：做出一些宏大的設(shè)計，引起技術(shù)圈的陣陣驚嘆，但未必能讓市場掏錢——“NV1”正是這樣一出驕傲的悲情劇。

之后黃仁勛看準了圖形顯示芯片賽道，并堅信終有一天PC會成為享受游戲和多媒體的消費級設(shè)備(在當時PC主要作為生產(chǎn)力設(shè)備而非消費級設(shè)備)。

時間到了1999年，這一年對英偉達是極其特殊的一年。在這一年英偉達不僅成功上市，到了八月份英偉達發(fā)布了全球首款GPU(Graphics Processing Unit，即“圖形處理器”)——那款極具里程碑意義的GeForce256。

GeForce256的出現(xiàn)，直接改變了業(yè)內(nèi)的競爭格局。因為之前用高端CPU+顯卡才能完成的工作，如今只需用便宜點的CPU+GeForce256便能完成，而且流暢度還更好。

花更少的錢辦同樣的事，還更具效率，這么具有革命性的事情，就這樣被英偉達做到了。得益于這番優(yōu)異表現(xiàn)，2000年三月份，英偉達成功拿到了微軟首款XBOX游戲機的圖形處理器訂單。

但誰知道這時候的英偉達飄了，給的報價太高兩者鬧翻了，微軟轉(zhuǎn)身就把訂單送給了對頭ATI，直接讓英偉達的股價狂跌到2.64美元。

通過這件事，黃仁勛意識到必須打造自己的差異化競爭優(yōu)勢。在2000年英偉達推出了黃氏定律，即業(yè)界的摩爾定律是每18個月推出新品，性能翻一番；而英偉達會投入三倍人力做同一件事，6個月就推出新品。用速度搶生意。

英偉達通過這一戰(zhàn)略逐漸把AMD的市場占有率壓縮在了20%以下，一舉坐穩(wěn)了顯卡之王的位置。

無心插柳柳成蔭，GPU成了AI天生的鏟子

如果說英偉達坐穩(wěn)顯卡地位靠的是卷死同行的黃氏定律，那么成為AI芯片的霸主則多多少少有運氣的成分和時代的垂青。

其實很多經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)架構(gòu)早在20世紀下半葉就已經(jīng)被提出，但因為缺乏訓(xùn)練它們的計算硬件，很多研究只能“紙上談兵”，發(fā)展長期停滯。

GPU誕生之初也想不到自己會同AI的算力需求如此契合。打從一開始，GPU就不是為訓(xùn)練神經(jīng)網(wǎng)絡(luò)所生，而是圖像。更具體點說，是為了將CPU從圖像顯示的苦力活中解放出來而生。

轉(zhuǎn)折點出現(xiàn)了在2012年。這一年，全球人工智能和機器學(xué)習(xí)權(quán)威、華人科學(xué)家吳恩達領(lǐng)銜谷歌大腦，從1000萬張圖片中，成功識別出一只貓，震驚業(yè)界。

但這個結(jié)果背后是耗資100萬美元，集結(jié)1000臺電腦、16000個CPU的投入，這使他不得不思考有沒有一種更快、更省錢的方法？

他想到了英偉達(NVIDIA)。四年前，他首開先河，用英偉達的圖形處理芯片(GPU)代替英特爾的CPU，構(gòu)建了一個深度學(xué)習(xí)模型。這一次，他想再賭一把。結(jié)果出乎意料，他只用16臺電腦、64個GPU就搞定了同樣的事情。

這個足以讓吳恩達感到興奮的結(jié)果，也將GPU推上了關(guān)注的焦點。之后，深度學(xué)習(xí)大神Hinton及其弟子帶著卷積神經(jīng)網(wǎng)絡(luò)AlexNet又擊敗了谷歌貓。而這個需要1400萬張圖片、總計262千萬億次浮點運算訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，一個星期的訓(xùn)練過程中僅用了四顆英偉達Geforce GTX 580。

這徹底震驚了業(yè)界，也奠定了英偉達GPU在AI深度學(xué)習(xí)領(lǐng)域的霸主地位。

AI深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)選擇了GPU

那么為什么GPU比CPU更適合AI深度學(xué)習(xí)訓(xùn)練呢？

這是因為深度學(xué)習(xí)的訓(xùn)練過程是對每個輸入值根據(jù)神經(jīng)網(wǎng)絡(luò)每層的函數(shù)和參數(shù)進行分層運算，最終得到一個輸出值，跟圖形渲染一樣都需要大量的矩陣運算——這恰巧就是GPU最擅長的東西。

CPU 通常有 4 個、8 個或 16 個強力 ALU 核心(arithmetic logic unit，算術(shù)邏輯單元)，適合做復(fù)雜的通用串行任務(wù)。GPU 是圖形計算的重要元件，主要用來處理與圖形圖像相關(guān)的數(shù)據(jù)；與CPU 不同的是，GPU 有數(shù)百甚至數(shù)千個簡單 ALU 核心，單個 ALU 處理能力相比 CPU 的更弱，但能夠?qū)崿F(xiàn)多個 ALU 并行計算，適合做簡單特定的并行任務(wù)。

因此，對于復(fù)雜的單個計算任務(wù)來說，CPU 的執(zhí)行效率更高，通用性更強；而對于圖形圖像這種矩陣式多像素點的簡單計算，更適合用 GPU 來處理，但通用性較弱。

打個比方，訓(xùn)練神經(jīng)網(wǎng)絡(luò)就相當于調(diào)黑盒子上的旋鈕，調(diào)旋鈕是通過數(shù)學(xué)的算法調(diào)的，這些旋鈕動輒幾十億個，需要大量的計算。

傳統(tǒng)電腦用的是CPU，用CPU去調(diào)旋鈕相當于調(diào)完第一個再調(diào)第二個，一個一個按順序來，雖然CPU速度很快，但神經(jīng)網(wǎng)絡(luò)的旋鈕實在太多了，連CPU都招架不住了，這時候GPU的優(yōu)勢就出現(xiàn)了。

GPU和CPU不一樣的地方是它一次可以同時調(diào)成千上萬個旋鈕，原來CPU幾年才能調(diào)完的活GPU幾天就干完了。

如果將CPU比作保時捷，GPU就是巨無霸卡車。前者雖然在速度上秒殺，后者卻能輕松裝載幾十噸貨物。這種巨大的差別，令GPU原本令人詬病的散熱問題也顯得不值一提。

今年震動全球科技界的ChatGPT，就是依靠了超過萬枚的英偉達高端GPU——單枚售價超過1萬美元的A100/H100高性能芯片，所構(gòu)建的史上規(guī)模最大的AI算力集群。

英偉達的A100有多強勁，在2003年的科幻電影 《終結(jié)者3》里，那個差點毀滅人類的超級計算機“天網(wǎng)”，算力為60 TFLOPS(也就是每秒6萬億次浮點計算)，今天英偉達最先進的數(shù)據(jù)中心GPU H100，在特定精度下，算力已經(jīng)達到了67 TFLOPS。

機會永遠是留給有準備的人的

其實做GPU芯片的也不是英偉達一家，那么為什么當AI餡餅砸來時，英偉達能吃到最大的那一口呢？

原因其實很簡單，機會往往是留給有準備的人的。

就像大家很容易遺忘在iPhone發(fā)布前，蘋果已經(jīng)在電腦上做了十幾年操作系統(tǒng)一樣，AI芯片公司們也在忘記英偉達是一家顯卡供應(yīng)商的同時，它還一直在不斷打磨另一個殺器——CUDA。

除了GPU芯片設(shè)計能力，英偉達最寶貴的財富，是基于CUDA模型，孵化了大量的開發(fā)者和軟件生態(tài)。

這就如Android和iOS一樣，遇到挑戰(zhàn)者根本不怕，因為即便后來系統(tǒng)做得再好，但是沒有生態(tài)也是白搭。

英偉達發(fā)布CUDA后，先后推出居里、特斯拉、費米、開普勒、麥克斯韋、帕斯卡、伏特、圖靈、安培、赫柏等一些列架構(gòu)，用以支撐Graphics和Computing這兩大場景。

做生態(tài)系統(tǒng)，逐步解決GPU與AI場景不匹配的問題，包括功耗、內(nèi)存、帶寬瓶頸等等。

這就是為什么，同樣做芯片，英偉達的市值是英特爾的好幾倍，這背后的邏輯是游戲、加密貨幣、云計算以及AI大模型，都離不開它的產(chǎn)品。

形勢一片大好，英偉達仍有隱憂

現(xiàn)在的英偉達就仿佛是第一個爬到山頂?shù)娜?，放眼望去，幾無對手。但就此說英偉達已經(jīng)高枕無憂還為時尚早。

首先是競爭對手們正在奮起直追，每一個暴利行業(yè)都會引來一群嗜血的鯊魚，GPU行業(yè)自然也不例外。

在2022年的投資者會議上，英特爾首次公布了自研超算卡Ponte Vecchio(還沒有大規(guī)模商用)的性能參數(shù)。按照英特爾官方說法，該產(chǎn)品的性能領(lǐng)先英偉達的王牌產(chǎn)品7nm 安培卡皇A 100至少160%，被不少媒體冠以“芯片怪獸”的稱號。

即便相對冷靜克制的AMD和不在戰(zhàn)場中心的高通，在場外搶人大戰(zhàn)中也不乏戲份。

AMD從英偉達挖來高級技術(shù)市場經(jīng)理Sean Pelletier；高通的子公司高通技術(shù)則在去年年初高價收購前蘋果SoC首席架構(gòu)師和ARM資深工程師Gerard Williams的初創(chuàng)公司NUVIA，連帶NUVIA旗下一眾有蘋果、英特爾工作經(jīng)歷的資深研發(fā)人員全部收歸麾下。

整體看幾個巨頭在不斷挖人、擴張的過程中，早已模糊了原始邊界，切入對方腹地：英特爾要全力攻克獨立顯卡市場，英偉達開始發(fā)力做CPU，AMD和高通在GPU這條賽道上也已經(jīng)越走越深入。

如果說行業(yè)內(nèi)的其他巨頭發(fā)力GPU還在預(yù)期之內(nèi)，那么谷歌和微軟加入這場競賽可能是更大的挑戰(zhàn)。畢竟谷歌和微軟是最前沿的應(yīng)用端。粗略統(tǒng)計，微軟、谷歌、亞馬遜這3家公司已經(jīng)推出或計劃發(fā)布8款服務(wù)器和AI芯片。

其中，谷歌于四月初首次公布了AI超算的細節(jié)——TPU v4性能相較v3提升10倍，比A100快1.7倍，同時功耗少1.9倍。和H100對打的芯片，也已經(jīng)在研發(fā)中，它并非沒有勝出的機會。

并且，當一個行業(yè)里出現(xiàn)一個絕對霸主時，剩下的玩家往往會聯(lián)合起來抗衡。畢竟敵人的敵人就是朋友，這句話在半導(dǎo)體芯片產(chǎn)業(yè)的威力正在顯現(xiàn)。過去幾十年的“死對頭”英特爾和AMD此前宣布合作，組隊對抗更大的對手：英偉達。

其次是作為英偉達靈魂人物的黃仁勛已經(jīng)60歲，能否找到合適的跑第二棒的人依然還是個問號。

最后也是最大的問題就是如何不斷的革自己的命。

孔夫子說三十而立，英偉達通過三十年時間已經(jīng)儼然成為了顯卡和AI芯片領(lǐng)域的龐然大物，但商場是一個逆水行舟不進則退的地方，即便目前英偉達的H100(H100算力水平是A100的九倍)還沒有出現(xiàn)可堪一戰(zhàn)的對手，但對于英偉達而言，如何讓自己永遠領(lǐng)先是一個需要一直回答的問題。

這恰如成名已久的江湖絕頂高手，拔劍四顧，發(fā)現(xiàn)最大的對手不是別人，正是自己。

參考資料：

【1】 《家族·人物 | 英偉達創(chuàng)始人黃仁勛：十年臥薪嘗膽終迎來春天》，華商韜略

【2】 《英偉達 (NVIDIA) 崛起的傳奇歷程——從顯卡霸主到AI王者》，真義科技

【3】 《英偉達的前世今生》，考拉湯員，雪球

【4】 《英偉達帝國的一道裂縫》，何律衡/戴老板 遠川研究院

【5】 《暴漲1.3萬億！老黃笑哈哈，谷歌要偷家》，萬連山 格隆匯投資學(xué)苑

標簽：