美国25万一张的显卡，禁止向中国供应_风闻

​

美国又双叒要做妖了！

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！

这两款GPU主要还是用在人工智能领域，高性能GPU缺货，正成为限制中国AI研发的最直接因素之一。

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。

A100、H100是目前性能最强的数据中心专用GPU，市面上几乎没有可规模替代的方案。这两款GPU的断供，将对国内AI计算，带来严重影响。

其中，A100是英伟达于2020年推出，专用于自动驾驶、高端制造、医疗制药等AI推理或训练场景。

A100芯片可以提供更快速度和更高计算能力，从而加快模型训练和推理的速度，提高模型的性能和效率。

而另一款被禁售的H100，售价超25万元，可被视为A100下一代GPU芯片。

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。

25万一张的显卡

决定AI智商

你制作出的AI到底是人工智能，还是人工智障，主要看你跑通AI的算力和AI大模型。

3月1日，据研究机构TrendForce的测算，今年大火的ChatGPT，本质是1800亿个参数的GPT-3.5大模型。

跑好这个大模型，需要的GPU芯片数量高达2万枚。

为此，微软Azure上部署了数万枚A100、H100高性能芯片。这是第一个采用英伟达高端GPU构建的大规模AI算力集群。

未来ChatGPT商业化后，所需的GPU芯片数量甚至超过3万枚，算下来要花4.5亿美元，真的十分烧钱。

而显卡越多的公司，AI算力就越强，生成的答案不仅更加准确，而且还更“高级”，就拿AI绘画为例，人像都可以做到真假难辨的程度。

在业内，公认的说法是：1万枚英伟达A100芯片，是做好AI大模型的算力门槛。

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。

业内人士向科技每日推送表示，1万枚英伟达A100的算力下，分析数据需要2周时间，随后工程师再花费2周进行二次分析，筛选出更准确的数据。所以说数据更新一次大概需要1个月，算下来一年就更新12次。

如果GPU的性能更高，那么数据更新的速度更快、准确度也更高。如果手上仅有中低性能芯片，可想而知，中国AI水平与国外的差距就越大了。

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，这是一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。

这1万张英伟达A100显卡，被用来构建超算集群“萤火二号”，它每天执行32000个训练作业，支撑着国内外50多个机构的AI模型研究工作。

最佳替代品

按照美国要求，未来将会限制出售性能等于或者超过A100的GPU产品。

中国的AI研发公司，能够获得的最佳替代品，应该就是英伟达的A800芯片，这是是A100的“阉割版”。

A800计算性能与A100基本相同，但数据传输速度被降低了30%。这会直接影响AI集群的训练速度和效果。

GPU数量不够或性能不够的结果是，AI推理和模型训练的准确度不足，这会直接导致中国企业即使做出类似的对话机器人，机器人的“智商”会远低于ChatGPT。

虽然性能被阉割，但是总比没有强吧。所以A800在国内市场难逢对手。

英伟达官方定价约82000一张，但市场价格往往高于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。

结语

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。

近几年，天数智芯、壁仞科技、摩尔线程等公司，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。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。

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。现在，国产GPU厂商，在自研路仍任重道远。