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，价钱水涨船高。
绝大多数人就算凭运气获得了金子，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，天天向矿工们出售，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，各大巨头闻风尔后动，小厂也不甘落伍。
人人都想去淘块金子。
其中，能有几个淘到黄金还欠好说。但能确定的是，不管其余企业赚不赚钱，英伟达一定赚的盆满钵满。
它是现在*一个在AI这个金矿边上，卖铲子的角色。
犹如70年月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。
1、AI背后的新帝国
自古时势造英雄，风口出巨头。
2018年头，《财富》杂志举行的流动中，有人问黄仁勋：你何时知道英伟达公司将会改变天下的？
答：1993年2月17日，我确立公司的日子。不改变天下，我创个什么业？
可能有吹牛的成份，但历史本就是由胜者誊写。
从一最先，英伟达就是靠开发游戏显卡起身的。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，险些所有AI里程碑，都发生在英伟达的硬件上。
2010年，盘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。
这个模子在YouTube上旁观了1000万个视频，并学会了若何认出人脸、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，是吴的密友。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。”
他注释道，CPU注重的是逻辑运算能力，它可以完成极其庞大的事情，但瑕玷是每次处置的事情量有限。GPU没有那么强的逻辑能力，但可以同时举行大量简朴盘算。
戴利找到刚入职英伟达的研究员布莱恩· 卡坦扎罗，很快就找到领会决方案：并联12块GPU乐成驱动了吴恩达的神经网络模子，并联48块GPU就能获得预计要用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1400万张图像乐成训练了AlexNet，首次证实GPU可以用于训练人工智能。
AI手艺飞跃的奇点，自此最先。
2016年8月，黄仁勋把全球*台AI超级盘算机DGX-1捐给了确立不到一年的OpenAI。
这台 DGX-1 ，能把 OpenAI 一年的训练时间，压缩到短短一个月。
老黄在机械上写下一句话：
致 Elon 和 OpenAI 团队！为了盘算和人类的未来，我捐出天下上*台 DGX-1！
数年已往，ChatGPT面世，被称为AI手艺革命的最先。
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。
这是异常恐怖的收益。
同时，随着越来越多的企业最先使用AI来明白网络的海量数据，各国政府也在向深度学习研究领域投入资金以保持*职位。AI已成为“下一个超级大国”竞争的焦点领域。
但由于手艺越发成熟，AI参数规模、数据量这些软件指标也会叠加上来，降生AI时代的新「摩尔定律」。
根据现在的趋势，凭证展望，AI所需算力每100天将翻一倍。
算力就像曾经的石油，成为新时代历程最稀缺的资源。
而早从2015年最先，英伟达的GPU在超算中央的市场份额一起上涨，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。
事实，在这场镌汰赛中，岂论谁胜谁负，都绕不开基础的算力和硬件。
它就像曾经卖铲子的谁人商人，甚至犹有过之，扼住了所有下游的咽喉。
但没人愿意被卡脖子。
就像全天下的游戏玩家，基本都用着N卡，照样对英伟达骂声一片。
用N卡，是由于它在条记本上无可替换。骂他，是由于太贵了。
AMD的显卡，看着跑分高，但在现实游戏中的显示就不尽人意；英特尔的ARC自力显卡，性能连英伟达的RTX入门级显卡的性能都够不到。
有什么设施？为了体验，只能选N卡。
进口车，不香了？
再贵也得捏着鼻子，当冤大头。
2、有人揭竿而起
已往，英伟达在显卡领域为所欲为。现在，在算力方面，依然能云云。
随着算力军备竞赛开启，市场对AI芯片需求大增。如马斯克此前示意，为他刚刚确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芯片供应连续欠缺。
求过于供，价钱自然暴涨。
据海内渠道商透露，之前拿货周期约莫为一个月左右，现在基本都得三个月，甚至更长。
“一台通用盘算服务器的成本约莫在5万块钱左右，现在相符美国手艺出口规范的A800一块价钱已经涨到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添。”
即即是PC时代的卖铲人微软，也只能作为英伟达*的矿工。
H100在eBay上售价跨越4W美元
据估量，OpenAI将需要跨越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示意，ChatGPT的运营成本也许是天天70万美元，也许每次查询0.36美分。而这些成本的主要泉源，就是服务器，着实是太贵了。
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，现在已经拥有近1000名员工。
不外制造一个好的AI芯片，至少需要数年的时间，而英伟达现在已经取得了伟大的*优势。
以是，最近市场传出微软与AMD互助开发新款AI芯片，加速推出相关产物，为自身及市场提供英伟达GPU之外的另一种底层硬件选择。
“若是 Athena 具有竞争力，与 Nvidia 的产物相比，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，谷歌首次宣布了自家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，听说能和H100对打的芯片，也已经在研发了。
他们并非没有胜出的时机。
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，若是不在当前的软硬件基础上做出更多创新，人类现在的算力生长不能能到达云云恐怖的需求增进。
即即是英伟达，也不能能。
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，微软为了给必应谈天机械人与Office365留下足够资源，内部已陷入AI服务器欠缺，甚至必须对GPU接纳“配额供应”机制。
显然，英伟达虽然壮大，但并没有能力笼罩整个市场。
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，将如昔时因缺少要害芯片而停产的车企，或因缺少GPU面临相似逆境。
极端焦虑之下，多家公司最先追求其他品牌的替换品。
为了揽客，英特尔已率先掀起了GPU价钱战。
什么？价钱战？这不是海内厂商的特长好戏吗。
简直，虽然手艺上尚有差距，但这确实是国产芯片的一个时机。
海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。
随着微软最先加大与AMD的互助力度，配合推出专用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。
叠加全球供应链平安的考量，AI芯片市场从已往的英伟达一家独大，或逐步转变为群雄盘据。
但不是所有公司，都这么有种的。
3、有人......
“算力不能保证我们在通用人工智能手艺上*，算力是可以买来的，创新的能力是买不来的。”
两天前，海内某科技巨头首创人，在一次内部门享中示意。
类似的话语，我们实在听得不少。
有人说中国其余科技领域都在勃勃生气万物竞发，受限的只有芯片，以是问题不大。
这话说得令人喷饭。
芯片是险些所有产业的基础，正如写字用笔、踢球用脚，我们目力所及的所有大规模产业，包罗AI、电动车、机械人、智能制造、新能源，哪一条跟高端芯片没关系？
许多号称“自由”的经济学家，他们吃惯了已往二十年拿来主义的盈利，于是通过种种论证，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谓。
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，扼住全球科技生长寿脉的超级巨头的？
现在亡羊补牢，并不算晚。
从上至下，政策、产业、市场增强半导体基础研究建设，完全可以做到拉近与天下先进水平的差距。
我们跟美国人荷兰人同在一个地球，共享统一套物理纪律，只要不回避问题，从*性原理出发，谜题总是会被解开的。
岂非谁比谁笨不成？
漆黑森林里，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。
