北京時間2023年3月23日早晨，當你起牀查看美股收盤時，你會發現英偉達那個市值已經超越特斯拉的公司，離全球市值第五的企業伯克希爾哈撒韋只有百億美元的距離，如果英偉達保持這種勢頭，它將超越巴菲特的伯克希爾公司，成爲全球最具價值的前5大公司。

是什么讓英偉達有如此氣勢？也許3月21日晚的那場發布會裏有答案。

2023年3月21日晚11點，全世界人工智能的熱潮似乎迎來了它爆發的頂點。

英偉達創始人兼CEO黃仁勳在2023 GPU技術大會激昂的宣布：“AI 正迎來有史以來最輝煌的時刻。新的 AI 技術和迅速蔓延的應用正在改變科學和各行各業，並爲成千上萬的新公司开闢新的疆域。這將是我們迄今爲止最重要的一次GTC。”

在英偉達第14次GTC大會上，黃仁勳用了78分鐘的演講時間，發布了全新的GPU推理平台、AI超級計算服務DGX Cloud、雲服務及代工廠NVIDIA AI Foundations、與Quantum Machines合作推出首個GPU加速的量子計算系統以及推動芯片突破物理極限的CuLitho光刻技術等。

就是因爲這些行業領先的技術，英偉達似乎從來不在乎什么風口，但這幾年來又從沒有離开過風口，從遊戲、數據中心、雲、半導體、加密貨幣再到最近的元宇宙和ChatGPT，可以說所有資本熱捧的風口後面都有英偉達的影子，成爲AI以及硬件時代的“賣鏟人”。

用黃仁勳的話來形容就是“AI的iPhone時刻已經到來”，這次GTC英偉達用其強大軟算力產品，用來支持ChatGPT這般劃時代的AI，而國內的企業似乎難以搭上這次AI時代的快車。

算力壟斷

人工智能時代最重要的東西就是訓練AI所需的數據和算力，數據幾乎無法被一家公司壟斷，但很明顯，算力屬於英偉達。

深度學習的發展歷史和英偉達一直關系很深。十年前，在訓練促進深度學習迅猛發展的AlexNe神經網絡，用的正是英偉達旗下的GeForce GTX 580顯卡；十年後，ChatGPT背後的大模型GPT3，及GPT3.5同樣沒有離开英偉達，使用的是英偉達的DGX AI 超級計算機。不同的是，十年間兩種模型所需的運算量已相差了一百萬倍，人工智能也實現了跨越式的發展，ChatGPT震驚了世界。

這其中極爲重要的一環就是GPU算力的提高、運算成本的下降，而芯片在背後更是發揮了無可取代的作用。

爲了支持像 ChatGPT 這樣的大型語言模型推理，黃仁勳在此次GTC上發布了一款新的 GPU——帶有雙 GPU NVLink 的 H100 NVL。基於 NVIDIA Hopper 架構的 H100 配有一個 Transformer 引擎，旨在處理驅動 ChatGPT 的類似 GPT 模型。與用於 GPT-3 處理的 HGX A100 相比，配備四對 H100 與雙 GPU NVLink 的標准服務器的速度最高可達 10 倍。

黃仁勳表示：“ H100 可以將大型語言模型的處理成本降低一個數量級。”

八個H100的GPU便可以組成成一個巨大的DGX  AI 超級計算機GPU，目前不少海外互聯網大廠正在用這款超級計算機來訓練自己的大模型。

比如，上周微軟發布了其 H100 虛擬機 ND H100 v5 的私人預覽版；Meta 現已爲其內部的 AI 生產和研究團隊部署了由 H100 驅動的 Grand Teton AI 超級計算機；OpenAI 將在其 Azure 超級計算機上使用 H100 來支持其持續進行的 AI 研究。此外，Google Cloud、Lambda、Paperspace 和 Vult 都計劃使用H100。

H100 NVL將AI算力提高了10倍，但中國企業卻與其無緣。早在2022年8月，美國監管機構就以國家安全爲由，對英偉達的 A100、H100兩款GPU實施禁令，不得銷售給中國和俄羅斯企業，並要求英偉達出口給中國的最高算力產品性能不得高於 A100。

這意味着英偉達本次GTC上，H100 NVL、DGX  AI 超級計算機等大部分硬件產品，中國的科技公司只有眼饞的份，能流向中國的只有H100的閹割版H800。

四座大山

以H100 爲代表的GPU仍需其內核中的先進制程芯片作爲支撐，英偉達要想成爲AI領域的台積電，就不能將所有先進制程芯片的制作都交由台積電，必須有自己的專利壁壘。

在此次GTC上，黃仁勳宣布通過與芯片制造巨頭台積電、光刻巨頭ASML以及EDA巨頭Synopsys的合作，英偉達將加速計算引入計算光刻技術領域，推出了夠加快新一代芯片的設計和制造的NVIDIA cuLitho技術。

黃仁勳表示：“芯片行業是全球幾乎所有其他行業的基礎。光刻技術已臨近物理極限，NVIDIA cuLitho 的推出以及我們與 TSMC、ASML 和 Synopsys 的合作，使晶圓廠能夠提高產量、減少碳足跡並爲 2 納米及更高工藝奠定基礎。”

這項技術實際帶來的變化肉眼可見，cuLitho 在 GPU 上運行，其性能比當前光刻技術工藝提高了 40 倍，大大減少了目前每年消耗數百億 CPU 小時的大規模計算工作負擔。通過這項技術，500 個 NVIDIA DGX H100 系統就能完成過去需要 4 萬個 CPU 系統才能完成的工作，同時還減少了半導體制造對電量的巨額消耗（電費是不少數據中心的成本大頭）。

芯片的制造本質仍屬於一個經濟問題，目前AIGC尋求商業變現的關鍵也是降低算力成本。英偉達給出了一個cuLitho直觀的數據，使用 cuLitho 的晶圓廠每天的光掩模產量可增加3-5 倍，而耗電量可以比當前配置降低 9 倍，光掩模的生產從兩周縮短至一天不到的時間。

近年來，由於增長的新節點晶體管數量以及更加嚴格的精度要求，半導體制造中的超大型工作負載所需的計算時間成本已經超過了摩爾定律。未來的節點需要更加詳細的計算，但不是所有計算都能適應當前平台所提供的可用計算帶寬，這會減緩半導體行業的創新步伐。

一般情況下，晶圓廠在改變工藝時需要修改 OPC，因此會遇到瓶頸。cuLitho 不僅可以幫助突破這些瓶頸，還可以提供曲线式光掩模、High-NA EUV 光刻、亞原子光刻膠建模等新技術節點所需的新型解決方案和創新技術。

ASML 首席執行官 Peter Wennink 表示：“我們計劃在所有計算光刻軟件產品中加入對 GPU 的支持。我們與 NVIDIA 在 GPU 和 cuLitho 上的合作預計會給計算光刻技術，乃至整個半導體行業的發展帶來巨大的益處。這一點在 High-NA EUV 光刻時代將變得尤爲明顯。”台積電和Synopsys也會未來將這項技術用於其產品當中。

過去，半導體行業市場感嘆，我國缺少ASML的High-NA EUV 光刻機、台積電5nm及以下的先進制造能力還有Synopsys強大的EDA軟件，美國通過遏制這些尖端軟硬件的出口來限制我國在半導體領域的追趕。

如今，在台積電、ASML和Synopsys之後，英偉達成爲了第四座大山。

時間太緊迫了，中國的半導體產業在近幾年從成熟制程到先進制程一步步走，各細分產業賽道也有一批解決“卡脖子”痛點的企業湧現，但隨着 ChatGPT 的橫空出世以及黃仁勳說的“AI的iPhone時刻已經到來”，AI進步的速度一日千裏，但國內的算力基礎設施卻難以跟上AI飛速發展的腳步。

沒有足夠便宜、足夠多的算力，意味开發者在做中國大模型時需要燒更多的錢，無形提高了研發成本，那么到AI產品的應用層上，初創企業所需成本更高，甚至虧本賺吆喝，無法形成健康的商業正循環。

這么看來，在人工智能時代，英偉達是AI時代的台積電真的不是一個玩笑。

$英偉達(NASDAQ|NVDA)$$微軟(NASDAQ|MSFT)$#GPT-4接入Office！微軟斷崖式領先？#

本文作者可以追加內容哦 !