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象計算上分一杯羹的英偉達，沒想到在二十多年後成為AI計算的領軍者，幾乎壟斷了整個AI伺服器晶片市場。
上一個摧枯拉朽般佔領伺服器市場的是英特爾，但它的CPU在高效能運算上敗給了英偉達的GPU。同時，英特爾在晶片製程技術上也落後於臺積電，其產品戰略一直處於被動狀態。相比之下，領先的英偉達已經一騎絕塵，而AMD也在後面緊追不捨，直抄英特爾的老窩。
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晶片必須先過一道檻
按照部署位置，AI晶片可以分為雲端、終端和邊緣側；按照任務劃分又可以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，雖然少了可擴充套件性，但在效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，將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。
比如谷歌的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給GPU帶來過威脅，這主要與市場容量，資金投入，摩爾定律形成的正向迴圈有關。
根據IDC資料，21年中國AI晶片市場裡，GPU佔據89%的份額；NPU處理速度比GPU快上10倍，佔據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，臺積電、三星等晶圓代工廠的崛起塑造了分工專業化的趨勢，裝置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並非專門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，一直在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等針對高效能訓練計算和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增至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至一天。
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增長，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迴圈，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效能提升，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增長，專用AI晶片、 CPU、GPU有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%的速度增長，預計到2032年達到約2274.8億美元。
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採購需求超出臺積電和英偉達的預料，供應不足，價格便水漲船高，繼續迴圈。
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%，原因來自一則訊息指出，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一訊息。
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，已經成為了英特爾市場份額最強有力的威脅。
去年計算機市場經受重創，企業伺服器和消費電子兩端的疲弱對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，但行業的競爭格局卻再次發生了巨大變化。
據Passmark資料監測，在資料中心市場，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年的水平。
AMD之所以得以窮追不捨，一方面是藉助臺積電的力量，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，去年這項業務營收增長64%。
另一方面則與競爭對手糟糕的戰略決策有關。過去十年，一直保持領先地位的英特爾在CPU上的創新乏善可陳，產品力相對競爭對手一路下滑。
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，如今臺積電、三星領導著先進製程的迭代，是CPU這類通用晶片繼續升級的基座，英特爾本身工藝技術的掉隊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，追逐高價效比的策略，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製程首次彎道超車，市場份額開始加速提升，2019年聯手臺積電率先躍入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，或將從雲廠商的資料中心開始突破，預計今年四季度開始放量。
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，結果並沒有給業務帶來多少幫助，更像是養著這些公司等著刮彩票。
英特爾也一直計劃推出一款能媲美英偉達的GPU，只是計劃一直跳票。
2021年，英特爾曾宣佈一款代號為“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，英偉達的成功並不只是硬體做得好，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，價效比是必需砝碼，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，還是其他的後來者大廠，都還有很長的路要走。
格隆匯宣告：文中觀點均來自原作者，不代表格隆匯觀點及立場。特別提醒，投資決策需建立在獨立思考之上，本文內容僅供參考，不作為任何實際操作建議，交易風險自擔。
本文來自微信公眾號“格隆匯APP”（ID：hkguruclub），作者：弗雷迪，36氪經授權釋出。
