美国25万一张的显卡，禁止向中国供应！

ChatGPT风靡全球后，科技巨头们纷纷入局。

而AI的硬件心脏，则由英伟达强势把持着，占据用于机器学习的图形处理器市场的95%。

然而，现在英伟达的高性能GPU： A100和H100，都不允许卖给中国公司了！

按照美国政府的要求，未来峰值性能等于或超过A100的GPU产品也被限制出售。

不知道百度华为阿里腾讯，这次囤够了显卡没？

A100出口管制立即生效

早在2022年8月26日，美国政府就向英伟达下达了通知，要求对A100、H100进行新的出口管制许可，并立即生效。

美国政府表示，新的许可要求将解决所涵盖产品，可能用于或转移到中国和俄罗斯的军事最终用途。

当时，就有业内人士担心，A100、H100这两款GPU的断供，将对国内AI计算，带来严重影响。

就拿 A100 来说，在双精度浮点数运算领域，它的性能比 7 张 3090 加起来都强。

这类芯片被断供，我国高性能计算领域无疑会受到很大影响，包括计算机辅助工程，医疗等方面。

幸好事情出现了反转，在英伟达的游说下，重新获得了美国政府的出口许可。在2023年3月1日之前，英伟达可以继续给中国大陆提供A100产品。

现在，缓冲期限到了。中国企业已经很难获取英伟达A100芯片。现在国内的A100芯片储备，多是存货，剩余使用寿命约为4年-6年。

中国不少公司将面临冲击。

目前，国内的蔚来、小鹏、毫末智行等都在基于英伟达A100打造自动驾驶训练中心。

另根据公开信息，英伟达在介绍关于A100时，展示出的客户商标中，还包含了中国的互联网巨头阿里巴巴、百度、腾讯、京东、小米。

国内AI江湖不靠科技，靠金融？

决定AI大模型“智商”的核心因素是三个，算力规模、算法模型的精巧度、数据的质量和数量。

AI大模型的推理、训练高度依赖英伟达的GPU芯片。缺少芯片会导致算力不足。算力不足意味着无法处理庞大的模型和数据量。最终的结果是，AI存在智商差距。

拿当红的聊天机器人ChatGPT来说，其1月的独立访客平均数为1300 万，那么对应的芯片需求就是 3 万张英伟达 A100。

这意味着，其初始投入成本约为8亿美元，每日电费在 5 万美元左右。 这个烧钱的速度，不是谁都能承受的起的。

而国内，拥有1万张GPU的企业，少之又少。国内云厂商，主要用的是英伟达中低性能产品，例如A10。

拥有1万张英伟达A100的公司，国内大概只有一家，叫幻方量化。 这是家靠人工智能进行量化投资的对冲基金公司，于2015年创立。

目前，它是国内最大量化基金管理公司之一，在量化私募圈，素有“北九坤，南幻方”、“四大天王”的说法。

截至2022年12月，其资金规模接近600亿，过去两年成绩斐然，今年整体收益则比较平淡，1月9日私募排排网发布的私募业绩榜单显示，幻方量化2022年收益为0.38%。

最佳替代品

问题来了，我们能否找到一个替代品，去和A100这些显卡抗衡？

最佳答案可能是，英伟达的A800芯片。

A800被视为是A100的“阉割版”，是英伟达针对中国市场推出的特供芯片。

高端芯片从立项到上市，一般需要2-3年的时间，但英伟达仅用了2个月，就把A800搞出来了。而这也从侧面说，美国所谓的禁令并不是铁板一块，水泼不进，还是有一定的运作空间。

诚然，A800性能比不上A100，更比不上卖到25万元一张的H100。

这直接影响AI集群的训练速度和效果，直接导致AI推理和模型训练的准确度不足，中国企业即使做出类似的对话机器人，机器人的“智商”可能会远低于ChatGPT。

但A800在国内市场，依然是难逢对手。

问题是，英伟达官方定价约82000一张，但市场价格常常高于10万元一张，而且常常处于缺货状态。

高性能GPU芯片缺货，正制约着中国AI的发展。

国产GPU成色几何？

时至今日，发展自主芯片已经不再是一个有争议的选择题，而是必须要去做的事情。

目前国内AI芯片的研发，处于一个怎样的水平呢？

国内一些上市公司，明确表示拥有类GPU芯片业务。

近几年，天数智芯、壁仞科技、摩尔线程等公司，都获得了连续大额融资，也都推出了自研的通用GPU产品。

其中， 2022年8月，壁仞科技发布的壁仞100，突破了全球的算力记录。

彼时，壁仞在发布会上将之与英伟达H100进行对比，从数据来看，壁仞100比英伟达H100的性能优越不少。

但它尚未量产上市，后续能不能支棱起来，还需要时间的验证。

除此之外，腾讯、阿里、百度、快手、字节跳动等选手，也都在这方面有所涉猎。现在来看，多少有些未雨绸缪的意思。

最后小编想说， 在英伟达的“霸权”之下，中国企业想在市场上打开局面，真的充满了挑战。

《电子工程专辑》，出了一份《45家国产AI芯片厂商调研分析报告》。

调研分析了瀚博半导体、燧原科技、平头哥、华为海思、紫光展锐、寒武纪、地平线等国内AI芯片厂商后，得出一个结论：

「尽管国产AI芯片公司在高性能和先进工艺AI芯片的设计方面还面临诸多挑战，而且在AI芯片价值链的EDA和IP环节上还有不小的差距。

但中国AI市场的体量和快速迭代发展仍然为众多国产AI芯片厂商提供了丰富的试验基地和应用设计机会，接下来的3-5年将是国产AI芯片厂商加速AI应用落地和大规模部署的快速发展时期。」

现在，国产GPU厂商，在自研路仍任重道远。