2023过去，当我们回顾这一年的最受产业关注的芯片，相信大多数人会将票投向GPU。2023年中，我们总能听到“GPU紧缺”、“英伟达狂飙”、“黄仁勋分享成功秘诀”。
无可否认，2023年生成式AI的热潮无边无际，全球高科技公司都涌入了AI的军备竞赛。随之带来的是算力告急、全球疯抢GPU。
1、全球最火的GPU
2023年层出不穷地传出，人工智能AI大模型的消息。OpenAI、百度、谷歌、腾讯都在搭建属于自己的大模型。对于这些五花八门的大模型，我们不多赘述，但大模型的搭建，最需要的就是GPU，而2023年需求量*的GPU不外乎：A100/H100。
首当其冲的就是A100GPU。OpenAI使用的是3,617台HGXA100服务器，包含近3万块英伟达GPU。国内云计算相关专家认为，做好AI大模型的算力*门槛是1万枚英伟达A100芯片。
TrendForce研究则显示，以A100的算力为基础，GPT-3.5大模型需要高达2万枚GPU，未来商业化后可能需要超过3万枚。
H100也是业内追求的对象。H100于去年9月量产，由台积电4N工艺代工。相较于前任A100，H100单卡在推理速度上提升3.5倍，在训练速度上提升2.3倍；如果用服务器集群运算的方式，训练速度更是能提高到9倍，原本一个星期的工作量，现在只需要20个小时。
考虑到整体系统成本，H100每美元产生的性能比A100还要高4到5倍之多。与A100相比，H100的单卡价格更贵，但是由于其训练、推理效率增加，成为了*性价比的产品。
正因如此，科技大厂各个都抢着要买英伟达H100GPU，或者更准确地说，是英伟达的8-GPU HGX H100SXM服务器。
英伟达成为了最受关注的卖铲人。针对中国市场，还按照A800操作模式（A100芯片的降维版本），推出了完全符合出口规定的H100的降维版本芯片。
2、热情的买家
“GPU就是新时代的比特币。”OpenAI首席科学家IlyaSutskever将这句话写在他个人的X账号上。在算力激增的背景下，英伟达的GPU成为了“硬通货”。
夸张的是，甚至有海外初创企业开始利用GPU进行抵押融资，一家硅谷的创业公司使用H100拿到了23亿美元的债务融资。
购买H100和A100的公司有三种。*种，是需要超过1000张的公司，包括训练LLM的创业公司，如OpenAI、Anthropic；云服务提供商，如谷歌云、AWS、腾讯云；其他大公司，如特斯拉。第二种，是需要超过100张的公司，也就是对开源模型进行大量微调的初创公司。第三种，需要10张的公司，就是大部分创业公司和开源势力，热衷使用大模型的输出微调小模型。
这些买家需要多少GPU呢？OpenAI可能需要5万张、Inflection要2.2万张、Meta需要2.5万张、大型云厂商（Azure、GoogleCloud、AWS、Oracle），每家可能需要3万张，Lambda和CoreWeave以及其他私有云可能总共需要10万张，Anthropic、Helsing、Mistral、Character，每家可能要1万张。
仅仅这几家公司，就已经需要43.2万张H100，如果以每块约3.5万美元计算，GPU的价值约为150亿美元。而这还没有包括字节、百度、腾讯等国内公司。
在AI大模型竞争上，榜上有名的几个国家：中国、美国、沙特阿拉伯、阿联酋，都是英伟达的座上宾。
沙特阿拉伯已通过公共研究机构阿卜杜拉国王科技大学（Kaust）购买了至少3000块英伟达的H100芯片。这些芯片将于2023年底全部交付，总价值约为1.2亿美元，用于训练AI大模型。
阿联酋也获得了数千颗英伟达芯片的使用权，并已推出自己的开源大语言模型“Falcon40B”，“Falcon40B”使用了384个A100芯片进行训练。
3、GPU的出货量
英伟达H100的出货量也备受关注。研究机构Omdia披露，英伟达在2023年第二季度的H100出货量为900吨。按照单片H100GPU的重量约为3千克，那么英伟达在二季度售出了约30万片H100。
到了三季度，英伟达大约卖出了50万台H100和A100 GPU。每家能够分到的GPU数量有限，Meta和微软各自采购了15万个H100GPU，谷歌、亚马逊、甲骨文和腾讯则各采购了5万片。
如此庞大的GPU需求量，导致基于H100的服务器需要36~52周的时间才能交付。按照英伟达官方的说法，2024年一季度之前的GPU芯片早已全部售罄。
业内预估，明年英伟达的出货量将达到150万-200万颗。
4、2024，GPU能降价吗？
GPU能否降价，还要看明年的供需情况。上图是GPUUtils列出的目前对GPU市场供需变化最有直接影响的科技公司，包括了：开发出Chat-GPT的OpenAI、台积电、微软、Meta以及成立仅仅一年便募得13亿美元资金的AI新创Inflection。
买方
有的人不想买。谷歌、Meta都觉得英伟达的GPU太贵了。
Meta最近已经宣布构建了自己的DLRM推理芯片，并且得到广泛部署。Meta大大方方承认，自己即将发布的AI芯片并不能直接替代英伟达的芯片，但是自研芯片可以降低成本。
就算在谷歌I/O开发者大会两个小时的演讲中，谷歌方面一直在赞赏英伟达的H100GPU芯片。这也不妨碍，谷歌开始“骑驴找马”，谷歌的云服务器上已经用上了自家TPU。
Google TPU v5e于2023年8月发布，成为人工智能硬件领域的强大力量，专为大型语言模型和生成式人工智能量身定制。与前代产品相比，TPUv5e的每美元训练性能显著提高2倍，每美元推理性能显著提高2.5倍，可大幅节省成本。其突破性的多片架构可实现数万个芯片的无缝连接，突破了以往的限制，为处理海量人工智能任务开辟了途径。
有的人不能买。中国是英伟达的第三大市场，占据其收入的1/5以上。随着美国政府宣布进一步禁止中国销售英伟达H800和A800芯片，卖不出去的GPU，必然会对英伟达产生负面影响。
此外，明年AI或许迎来退潮。2023年的AI热潮，除了大模型震惊业界外，炒作的因素也不在少数。毫无疑问，ChatGPT是2023年的世界顶流。因为它，OpenAI网站的流量在4月份就超过了18亿，进入了全球流量排名前20。然而，网络分析公司Similarweb公布的数据显示，在狂飙半年后，ChatGPT的访问量首次出现负增长，6月份的访问量环比下滑9.7%。
在大模型创业狂飙200多天后，探索者们的心态，从理想亢奋来到现实落地。大模型的维护依赖大量的高性能芯片，而单要建构、维护生成式AI工具的成本就非常巨大。这对于大公司而言还好，但是对于许多组织与创作者而言，这却是一笔难以负担的支出。
对于生产式AI，2024年还会再次迎来大众的检验。行业分析师认为，2023年关于生成式人工智能的炒作非常大，AI被过度吹捧，因为相关技术需要克服许多障碍才能将其推向市场。
退潮之后，能够剩下的高性能GPU需求还能有多少？
卖方
我们先来看看英伟达这个*的卖家。优先关注两个方面：能不能供应足够的GPU，明年是否有新品刺激市场需求。
*个供货方面，众所周知，英伟达只与台积电合作生产H100，台积电一共有4个生产节点是为5nm芯片提供产能：N5、N5P、N4、N4P。而H100只在N5或者是N5P的中的4N节点上生产，这是一个5nm芯片的增强型节点，同时英伟达还必须与苹果、AMD和高通共享这个节点的产能，至于A100显卡则是在台积电的N7生产线制作的。从短期的情况看，三星和英特尔都因为制程技术的问题，无法替英伟达缓解供应紧张的问题。因此，预计明年市场，英伟达的GPU供应仍会紧缺。
第二个新品方面，英伟达在2023年11月底时，发布了H100的下一代继承者——H200。表示在处理Llama2等LLM时，H200的推理速度比H100GPU提高了近2倍。从2024年开始，亚马逊网络服务、谷歌云、微软Azure和甲骨文云基础设施将成为首批部署基于H200实例的云服务提供商。尽管还没有公布H200的价格，但一定比H100目前每台2.5万美元至4万美元的价格更加昂贵。
从两个方面看，英伟达的GPU供需还存在较大的不确定性。不过。卖家市场，会有更多厂商加入。
明年GPU的另一大卖家，就是回过神来的AMD。
从最近的财报来看，AMD预计四季度GPU收入将达到4亿美元，到2024年底将超过10亿美元。其CEO苏姿丰对明年充满期待：“MI300将成为自2020年后，销售额达到10亿美元最快的产品。”
2023年11月，AMD正式发布了对标H100的产品——MI300。据AMD展示，由8块MI300X组成的服务器在大模型推理方面的表现，要比同样规模的H100速度最高提升1.6倍之多。对于AMD来说，这种直接对标，实属罕见。
有意思的是，Meta、微软和OpenAI公司在AMD投资者活动上表态，未来他们将会使用AMD最新的人工智能（AI）芯片InstinctMI300X。
不过，英伟达对AMD的对标也态度强硬，官方发布博客，驳斥AMD的评测不客观。英伟达表示，如果H100GPU使用了优化过的软件进行正确的基准测试，它的性能将大大超过MI300X。
由于MI300还未正式应用，对于我们对于AMD和英伟达之间的“官司”很难分说，但不论如何，AMD已经走到了高性能GPU的起跑线。
总而言之，2024年的GPU还充满变数。在AI大模型冷静后、在买家不想当冤大头后、在卖家越来越多后，GPU还会维持天价吗？相信各位看官心中自有答案。从市场的角度看，无论是当下多先进的技术，到最后终将会越来越普世。就看GPU玩家们，在2024年如何进攻战场了。
