当前位置:首页|资讯|AIGC|英伟达

黄仁勋就是AIGC时代的摩尔

作者:字母榜发布时间:2023-03-27

“摩尔定律”的创造者戈登·摩尔,正式告别人世。

北京时间3月24日,英特尔公司和戈登与贝蒂·摩尔基金会对外宣布,英特尔联合创始人戈登·摩尔在美国夏威夷家中平静去世,享年94岁。

正是借助摩尔在1965年提出的“当价格不变时,集成电路上可容纳的晶体管数目约每隔18-24个月便会增加一倍,性能也将提升一倍”摩尔定律,半导体产业在其指引下开启了长达半个多世纪的创新进程,带动了英特尔、AMD、英伟达等一大批芯片相关公司的崛起。

随着芯片制程工艺逐渐逼近极限,围绕摩尔定律是否已死的讨论日益增多。其中最具代表性的人物当属英伟达创始人黄仁勋。“摩尔定律已经结束了”,在黄仁勋看来,随着加速计算和人工智能时代的到来,摩尔定律的基本发展动能已经走到尽头,以类似成本实现两倍业绩预期对于芯片行业来说已成为过去式。

但重返英特尔出任CEO的帕特·基辛格显然并不认同黄仁勋观点。在悼念摩尔文章中,基辛格再次重申:“英特尔仍然受到摩尔定律的启发,并打算追求它,直到元素周期表用尽。”

不过,一个不争的事实是,借助比摩尔定律性能更新频率快上3倍的“黄氏定律”,眼下的半导体行业正在从曾经的摩尔时代,迈入属于黄仁勋的新时代。

随着ChatGPT产品爆火,英伟达AI芯片变得供不应求。台湾电子时报近期报道称,微软等客户对英伟达A100/H100芯片需求强劲,后者订单已经排期至2024年,目前正在向代工厂台积电紧急追单。

为了给新版必应与结合ChatGPT能力的新款Office365留下足够资源,微软内部已陷入AI服务器短缺状态,开始对来自英伟达的GPU采取配额供给机制。

美银证券半导体分析师维韦克 · 阿里亚对此点评道:“使用英伟达的产品并增加计算能力非常容易。目前,计算能力基本上就等同于硅谷的硬通货。

面对外界庞大的AI芯片需求,黄仁勋将英伟达自比为全球AI发动机,并称“正在努力为所有客户提供服务”。

为了进一步解决越来越多创业公司在大模型方面的算力需求,黄仁勋将英伟达类比为台积电,希望通过最近发布的“NVIDIA AI Foundations(英伟达AI基础大模型)”,面向需要构建、改进和操作大型语言模型和生成AI的客户,帮助他们构建自定义大模型。

黄仁勋

这些客户甚至不用自己配置超级计算机服务,直接借助英伟达DGX Cloud的AI超级计算云服务,通过一个Web浏览器就能训练、访问大模型产品。

黄仁勋希望将英伟达塑造为人工智能时代基础设施的雄心,被进一步加强。过去近30年,黄仁勋带领英伟达从一家以设计和销售GPU(图形处理器)的半导体公司,逐渐成长为AI加速算力软硬件一体方案的芯片巨头。

如同上一代霸主英特尔一样,掌控高端GPU近九成份额后,黄仁勋和他所领导的英伟达,也开始招致外界的抵抗。

时下最新的代表人物来自英特尔前首席架构师拉加·柯杜力,其计划创办一家新的生成式人工智能软件公司,柯杜力希望通过软件和工具渠道,来打破英伟达GPU的主导地位。

目前,市面上类似的生成式AI软件,大多只能在英伟达的GPU上使用。黄仁勋在GTC2023上也对外明确,当前云上唯一处理ChatGPT的GPU就是英伟达的HGX A100。

华尔街开始流传一种观点,英伟达有点类似光刻机巨头ASML:部分垄断,在高端市场没有竞争。

柯杜力则希望未来的生成式AI工具可以兼容配合英特尔、苹果、AMD公司的处理器一起使用。

现年60岁的黄仁勋在最近谈及退休计划时表示,自己希望能够再领导英伟达30到40年,直到90岁左右,届时会以机器人的形式继续工作。

只是,在实现上述宏远目标之前,黄仁勋需要先确保的一点是:外界对英伟达的恨意,不会超过喜爱。

A

2012年由斯坦福大学李飞飞教授主办的ImageNet竞赛中,Alex koshevsky、Elias suskaver和Jeff Hinton三人小组,借助2块英伟达GTX580 GPU训练出来的AlexNet计算机视觉模型,以压倒性优势击败谷歌、微软等一众科技巨头,拿下挑战赛冠军,由此开启了深度学习的大爆发时代。

通过这次全球性赛事,相比CPU,GPU在并行计算上的碾压优势真正引发外界重视。黄仁勋更是将2012年视为英伟达的重要转折点,称这一年是“人工智能发展标志性的一年”,并表示:“利用GPU的大规模处理能力来学习人工智能算法是一种全新的计算模式。”

在之前的云计算环境下,计算主力是英特尔的CPU,转到AI计算场景,计算主力替换成了GPU和其他专用加速器,后者的并行计算能力与深度学习算法的逻辑一拍即合。

黄仁勋在2016年的投资人会议上强调,深度学习是英伟达十分重要的增长动力,也是公司一直持续大力投资的领域,“过去5年来,我们一直默默投资深度学习,因为我们相信深度学习未来对整个软件产业、整个计算机产业都有着深远的影响,我们把一切都赌在了深度学习上。”

事实证明黄仁勋赌对了。英伟达在深度学习发展最快的两个相关领域均取得了成功:数据中心取代游戏成为公司新的营收支柱。2023财年,英伟达数据中心总收入同比增长41%,达到创纪录的150.1亿美元。与之相比,游戏业务总营收同比下降27%,降至90.7亿美元。

自动驾驶领域,凭借把在显卡领域练就的“砌算力”大法发挥到极致,黄仁勋用一套“CPU+GPU”模式更好地匹配了车企的开发需求。眼下,配备英伟达芯片与否,已经成为衡量一家车企自动驾驶能力的重要因素之一。

“加速计算并非易事。2012年,计算机视觉模型AlexNet动用了英伟达GeForce GTX 580,每秒可处理262 PetaFLOPS。该模型引发了AI技术的爆炸,”黄仁勋说道,“十年之后,Transformer出现了,GPT-3动用了323 ZettaFLOPS算力,是AlexNet的100万倍,创造了ChatGPT这个震惊全世界的AI。”

ChatGPT得以诞生的背后,同样离不开黄仁勋的算力支持,“英伟达的AI超级计算机DGX是语言大模型背后的引擎,我曾亲手将全球首款DGX交给OpenAI,自此之后全球百强企业中有一半安装了这款计算产品。”

从游戏显卡发家的英伟达,在黄仁勋带领下,成为近年来罕有的“穿越周期”的芯片厂商:先是乘上AI的东风,然后又搭上了比特币为代表的加密货币热潮,智能新能源汽车的崛起,和ChatGPT的意外爆发,共同推动英伟达市值一路高涨,先后超越英特尔、台积电,成为全球半导体领域市值第一企业,黄仁勋身家也随之水涨船高。

截至3月24日,英伟达股价今年上涨超过70%,市值飙涨至6700亿美元,已经是曾经芯片霸主英特尔的5倍多,黄仁勋身家也逼近250亿美元大关。

B

当黄仁勋将2012年视为英伟达重要转折点的时候,英特尔则在一边忙着跟高通争夺移动芯片市场,一边抽空与AMD打官司。日趋壮大的英伟达,并未能引发英特尔的特殊关注。

毕竟,直到2017年前后,英特尔市值还超过英伟达、AMD和台积电三者总和。在费城半导体指数中,数十年来,英特尔稳居市值第一,其领先地位看似牢不可破。

1993年,30岁的黄仁勋创立英伟达时,市场上林立着众多强大竞争对手,如英特尔、IBM、惠普、思科等等,行业主要遵循的都是摩尔定律,黄仁勋想到的破局点之一是,“解决那些摩尔定律无法解决的,或者说在摩尔定律时代是不可能被解决的问题。”这便是借助GPU所带来的加速计算。

自此,黄仁勋开始瞄向图形处理器领域创业。

“What Andy gives, Bill takes aways”。Andy指英特尔CEO安迪·格鲁夫,Bill指的是微软创始人比尔·盖茨。这句流传甚广的谚语大意是说,硬件性能的大幅度提升所带来的广阔空间,很快就会被软件的发展消耗殆尽。

相比起硬件,如芯片的进步,软件,如游戏的进步则要容易得多,也快得多。因此,在黄仁勋看来,GPU的发展速度应该比一般的芯片更快。

1999年,黄仁勋提出了与摩尔定律并称的显卡芯片领域“黄氏定律”,即显示芯片每6个月性能提升一倍,相比摩尔定律的每18个月性能提升一倍,快了3倍。

也正是基于更为高频的更新速度,黄仁勋用更强性能的GPU更好满足了游戏玩家的操作体验,为AI芯片时代的来临提前打好了基础。

当被问及英伟达在生成式AI崛起过程中获得丰厚回报是运气还是先见之明时,黄仁勋表示:“我们只是坚信,总有一天会有新的事情发生,剩下的就是需要一些偶然的发现。”

这种赌徒式的冒险心态支撑着英伟达一路走到今天。“每家公司都会犯错,我也犯了很多错误。有些错误甚至将公司置于危险之中,特别是在一开始,因为我们规模很小,而需要面对的却都是庞然大物,我们只能努力开发全新的技术。”黄仁勋说道。

2006 年,黄仁勋再次豪赌未来,发布了CUDA软件工具包。此后十年内,黄仁勋都在接受来自华尔街的责问,如“你们为什么要进行这项投资?”“没有人在使用它。在我们的市值中,它的估值为零”。

“直到2016年左右,也就是CUDA问世10年后,人们才突然意识到这是一种截然不同的计算机程序编写方式。它具有变革性的加速功能,然后在AI领域取得突破性成果。”英伟达应用深度学习研究副总裁布莱恩 · 卡坦扎罗表示。

到2020年7月,英伟达市值逼近2500亿美元,首度超越了英特尔的2480亿美元,成为美国本土市值最大的芯片制造商。

C

取代英特尔成为芯片领域老大后,留给黄仁勋的不只是荣耀,还有扑面而来的抗争敌意。英特尔前首席架构师拉加·柯杜力只是其中代表之一。

这样的敌意黄仁勋在两年多前就曾亲身体验过。2020年9月,黄仁勋开出400亿美元天价拟从软银手中收购Arm,交易一经宣布便遭到来自华为、高通、微软、谷歌等公司的反对,认为将会对半导体行业产生不利影响。

面对外界诸多质疑,黄仁勋曾辩解称,Arm做CPU,英伟达做GPU和DPU,从本质上来看两者是相辅相成,并将两者的关系比作西红柿酱和芥末,认为双方结合将带来创新。

但随着Arm架构对自研芯片企业越来越重要,英伟达想要顺利完成收购的阻力有增无减。2022年2月8日,英伟达和软银集团双双宣布,英伟达对Arm的收购交易终止。至此,这场为时一年多的芯片行业最大规模收购案以失败告终。

更大的风险在于,黄仁勋极力看好的自动驾驶领域,正面临流失更多大客户的危机。

智能新能源汽车时代,为了实现更好的性能优化,从芯片、算法到操作系统,一体化自研已经成为越来越多车企攻克的方向。

特斯拉在弃用英特尔Mobileye、转投英伟达合作三年之后,就于2019年自研了FSD芯片,在“CPU+GPU”基础架构上再增添专门的AISC(专用集成电路),来解决潜在的算力瓶颈。

国内造车新新力代表蔚小理,同样在加紧自研芯片进程。

这样的风险不只存在于汽车业务,在黄仁勋赖以为重的数据中心方面,美银证券半导体分析师阿里亚认为:“对英伟达来说,最大的问题是如何保持领先地位?他们的客户也可能成为他们的竞争对手。微软可以尝试在内部设计这些东西,而亚马逊和谷歌已经在内部设计芯片了。”

随着特斯拉、谷歌、微软以及亚马逊等科技巨头越来越多设计自己的定制芯片,竞争也在加剧,并有望像GPU打败CPU一样,改写黄仁勋在AI芯片领域的绝对主导地位。

在近期回答36氪有关大模型算力紧张问题中,百度创始人李彦宏就预测称,将来制约整个大语言模型发展的很可能不是算力。“今天我们看到算力很紧张,将来你可能发现算法突然变了,不是这个算法了,(制约发展的)可能就是另外一套东西。”

在不断高呼“人工智能的iPhone时刻已经开始”之余,黄仁勋或许也要被迫接受变革所带来的种种不确定性。

参考资料:

《关于ChatGPT,黄仁勋和OpenAI的科学家进行了一场“炉边谈话”》腾讯科技

《英伟达黄仁勋:将通过中国云服务商提供AI超算能力 中国初创公司也能开发大模型》第一财经

《对话李彦宏:不要重复造轮子,AI的十倍机会在别处》36氪

《英特尔首席架构师离职创业:欲打破英伟达芯片对“AI作画”垄断》新浪科技

《缺芯潮2.0来了?GPU短缺下游急寻替代品 价格战首枪已打响》财联社

《英伟达想再赢一次》甲子光年

本文来自微信公众号“字母榜”(ID:wujicaijing),36氪经授权发布。


Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1