1848年，美国加州发现金矿，无数淘金客蜂拥而至。
短短4年，跟风来此的人就多达30万，当地客栈、餐厅、酒吧、赌场，价格水涨船高。
绝大多数人就算凭运气得到了金子，也都把钱散在了这些地方。
真的赚到钱，攒到钱的，没有一个是淘金者，反倒是那些给淘金者提供服务的人。
有一位叫布兰南的商人，他没有自己去挖金子，而是大量囤积锄头、锤子、筛网，每天向矿工们出售，单日利润高达5000美元。
靠着倒腾装备，他成为加州*位百万富翁。
百年后，相似的故事又在重演。
ChatGPT引领的AI革命，是当下最火的“金矿”，微软*淘到金块，各大巨头闻风而后动，小厂也不甘落伍。
大家都想去淘块金子。
其中，能有几个淘到黄金还不好说。但能确定的是，不管别的企业赚不赚钱，英伟达肯定赚的盆满钵满。
它是目前*一个在AI这个金矿边上，卖铲子的角色。
如同70年代OPEC一限产，全球工业都得熄火。
现在，只要英伟达一断供芯片，全球至少有一半科技公司都要地震。
黄仁勋和他的算力帝国，已经扼住了这个科技时代的命脉。
自古时势造英雄，风口出巨头。
2018年初，《财富》杂志举办的活动中，有人问黄仁勋：你何时知道英伟达公司将会改变世界的？
答：1993年2月17日，我成立公司的日子。不改变世界，我创个什么业？
可能有吹牛的成份，但历史本就是由胜者书写。
从一开始，英伟达就是靠开发游戏显卡起家的。而显卡的升级，依赖的是算力提高。
电子游戏带来了针对算力的需求，而这些算力又用在了更多地方。
迄今为止，几乎所有AI里程碑，都发生在英伟达的硬件上。
2010年，计算机科学家吴恩达在谷歌X实验室，意图构建一个可以自行学习的神经网络。
这个模型在YouTube上观看了1000万个视频，并学会了如何认出人脸、身体和猫。但想要准确做到这一点，预计需要1.6万块CPU提供算力。
就算是家大业大的谷歌，也不能轻松批下这么大的预算。
英伟达首席科学比尔·戴利，是吴的好友。听闻此事大笑两声，直道这有何难：“我只需要几块GPU就可以做到同样的事情。”
他解释道，CPU注重的是逻辑运算能力，它可以完成极其复杂的工作，但缺点是每次处理的工作量有限。GPU没有那么强的逻辑能力，但可以同时进行大量简单计算。
戴利找到刚入职英伟达的研究员布莱恩· 卡坦扎罗，很快就找到了解决方案：并联12块GPU成功驱动了吴恩达的神经网络模型，并联48块GPU就能得到预计要用1.6万块CPU才有的理想效果。
两年后，Alex团队在两块GeForce GTX 580上，使用1400万张图像成功训练了AlexNet，首次证明GPU可以用于训练人工智能。
AI技术飞跃的奇点，自此开始。
2016年8月，黄仁勋把全球*台AI超级计算机DGX-1捐给了成立不到一年的OpenAI。
这台 DGX-1 ，能把 OpenAI 一年的训练时间，压缩到短短一个月。
老黄在机器上写下一句话：
致 Elon 和 OpenAI 团队！为了计算和人类的未来，我捐出世界上*台 DGX-1！
数年过去，ChatGPT面世，被称为AI技术革命的开始。
据报道，OpenAI 用了10000个GPU来训练 ChatGPT，这些硬件可能会在 12 个月内为英伟达带来30-110亿美元的销售额。
这是非常恐怖的收益。
同时，随着越来越多的企业开始使用AI来理解收集的海量数据，各国政府也在向深度学习研究领域投入资金以保持*地位。AI已成为“下一个超级大国”竞争的焦点领域。
但因为技术越发成熟，AI参数规模、数据量这些软件指标也会叠加上来，诞生AI时代的新「摩尔定律」。
按照现在的趋势，根据预测，AI所需算力每100天将翻一倍。
算力就像曾经的石油，成为新时代进程最稀缺的资源。
而早从2015年开始，英伟达的GPU在超算中心的市场份额一路上涨，这几年稳居 90% 左右。
这也就无怪乎，为什么在人工智能产业浪潮中，英伟达被视为全球科技行业*的赢家。
毕竟，在这场淘汰赛中，不论谁胜谁负，都绕不开基础的算力和硬件。
它就像曾经卖铲子的那个商人，甚至犹有过之，扼住了所有下游的咽喉。
但没人乐意被卡脖子。
就像全世界的游戏玩家，基本都用着N卡，还是对英伟达骂声一片。
用N卡，是因为它在笔记本上无可替代。骂他，是因为太贵了。
AMD的显卡，看着跑分高，但在实际游戏中的表现就不尽人意；英特尔的ARC独立显卡，性能连英伟达的RTX入门级显卡的性能都够不到。
有什么办法？为了体验，只能选N卡。
再贵也得捏着鼻子，当冤大头。
过去，英伟达在显卡领域为所欲为。现在，在算力方面，依然能如此。
随着算力军备竞赛开启，市场对AI芯片需求大增。如马斯克此前表示，为他刚刚创立的人工智能公司采购了数千个GPU，这些暴增的需求导致英伟达AI芯片供应持续短缺。
供不应求，价格自然暴涨。
据国内渠道商透露，之前拿货周期大约为一个月左右，现在基本都得三个月，甚至更长。
“一台通用计算服务器的成本大约在5万块钱左右，现在符合美国技术出口规范的A800一块价格已经涨到10万块钱，对于投入算力基础设施的公司来说，整个采购成本都在增加。”
即便是PC时代的卖铲人微软，也只能作为英伟达*的矿工。
H100在eBay上售价超过4W美元
据估计，OpenAI将需要超过3万个A100GPU用于ChatGPT的商业化。而此前，微软称已经用了1万个A100来训练ChatGPT。
研究公司SemiAnalysis表示，ChatGPT的运营成本大概是每天70万美元，大概每次查询0.36美分。而这些成本的主要来源，就是服务器，实在是太贵了。
而早在几年前，微软就招揽了英特尔前高管Rani Borkar组建Athena项目，目前已经拥有近1000名员工。
不过制造一个好的AI芯片，至少需要数年的时间，而英伟达目前已经取得了巨大的*优势。
所以，最近市场传出微软与AMD合作开发新款AI芯片，加快推出相关产品，为自身及市场提供英伟达GPU之外的另一种底层硬件选择。
“如果 Athena 具有竞争力，与 Nvidia 的产品相比，它可以将每芯片的成本降低三分之一。”
其他所有有志于AI的大厂，都没有闲着。
4月初，谷歌首次公布了自家AI超算的细节——性能相较上代v3提升10倍，比A100强1.7倍。
此外，据说能和H100对打的芯片，也已经在研发了。
他们并非没有胜出的机会。
前文已经说了，AI所需算力每100天将翻一倍。
也就是说，到2030年，AI所需算力是现在的3000万倍。（2的25次方）
显然，如果不在当前的软硬件基础上做出更多创新，人类目前的算力发展不可能达到如此恐怖的需求增长。
即便是英伟达，也不可能。
据报道，微软等客户对英伟达A100/H100芯片订单需求追到了2024年，微软为了给必应聊天机器人与Office365留下足够资源，内部已陷入AI服务器短缺，甚至必须对GPU采取“配额供给”机制。
显然，英伟达虽然强大，但并没有能力覆盖整个市场。
这很像2021-2022年席卷全球的缺芯潮：成千上万的AI初创公司、甚至是大型云服务商，将如当年因缺少关键芯片而停产的车企，或因缺少GPU面临相似困境。
极度焦虑之下，多家公司开始寻求其他品牌的替代品。
为了揽客，英特尔已率先掀起了GPU价格战。
什么？价格战？这不是国内厂商的拿手好戏吗。
的确，虽然技术上尚有差距，但这确实是国产芯片的一个机会。
国内已有多家科技公司已经进入到AI芯片领域中来，如寒武纪、云知声、海光信息、景嘉微、壁仞科技、摩尔线程、地平线等。
随着微软开始加大与AMD的合作力度，共同推出专用AI芯片后，市场中其他公司也有可能将效仿，导致整个AI芯片市场的竞争加剧。
叠加全球供应链安全的考量，AI芯片市场从过去的英伟达一家独大，或慢慢转变为群雄割据。
但不是所有公司，都这么有种的。
“算力不能保证我们在通用人工智能技术上*，算力是可以买来的，创新的能力是买不来的。”
两天前，国内某科技巨头创始人，在一次内部分享中表示。
类似的话语，我们其实听得不少。
有人说中国别的科技领域都在勃勃生机万物竞发，受限的只有芯片，所以问题不大。
这话说得令人喷饭。
芯片是几乎所有产业的基础，正如写字用笔、踢球用脚，我们目力所及的所有大规模产业，包括AI、电动车、机器人、智能制造、新能源，哪一条跟高端芯片没关系？
很多号称“自由”的经济学家，他们吃惯了过去二十年拿来主义的红利，于是通过各种论证，试图说明自主研发是一件ROI（回报率）极低的事情。
这种鼠目寸光的论调，真侮辱了经济学家的称号。
难有难的价值。
难的事情一旦能做成，带来的收获才更大。看看这些年的英伟达，怎么从一个卖游戏显卡的小企业迅速成为市值数千亿美元，扼住全球科技发展命脉的超级巨头的？
现在亡羊补牢，并不算晚。
从上至下，政策、产业、市场加强半导体基础研究建设，完全可以做到拉近与世界先进水平的差距。
我们跟美国人荷兰人同在一个地球，共享同一套物理规律，只要不回避问题，从*性原理出发，谜题总是会被解开的。
难道谁比谁笨不成？
黑暗森林里，每个存在都是猎人，永远别去奢望靠外力保住猎物。
从来没有共赢，只有赢者通吃。
