# 花费 100 亿美元打造，史上最强 AI 芯片到底强在哪？

- 作者：肖凡博
- 发布时间：2024-03-21 19:15
- 分类：产品、公司
- 原文：https://www.ifanr.com/1578703

这两天，我们再次回顾了黄仁勋在 GTC 2024 上的演讲，在对产品做更深一层的分析解读时，发现了一些当时熬夜忽略掉的亮点。

一是老黄的演讲风格，幽默、自然、很有交流感，也难怪能把一场科技产品发布会开成演唱会的模样。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11114.jpg)

二是结合着前几代产品，再次审视最新发布的 Blackwell 架构以及系列 GPU，只能说它的算力性能、成本造价和今后表现，远超乎我的想像。

就如英伟达的名字一样，NVIDIA 的前两个字母 N 和 V，代表着 Next Version「下一代」。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11124.jpg)

与往年的 GTC 一样，英伟达如期发布了下一代产品，性能更高、表现更好；但又和以前完全不同，因为 Blackwell 所代表的不仅是下一代产品，更是下一个时代。

### 重新认识，地表最强 GPU

自我介绍一般都从名字开始，那这颗最新最强的 AI 芯片，也从这里讲起吧。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11118.jpg)

Blackwell 的全名是 David Harold Blackwell，他是美国统计学家、拉奥-布莱克韦尔定理的提出者之一。更重要的是，他还是美国国家科学院的首位黑人院士，和加州大学伯克利分校的首位黑人终身教员。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11115.jpg)

GTC 2024 上发布的这颗「Blackwell」就来源于此，倒不是说 Blackwell 本人对英伟达有过什么突出的贡献，而是在英伟达的命名体系中，拿历史上一些著名科学家（或数学家）的名字来命名 GPU 微架构，已经成为了一种惯例。

自 2006 年起，英伟达陆续推出的 Tesla, Fermi, Kepler, Maxwel, Pascal, Volta, Turing, Ampere 架构，就对应着特斯拉、费米、开普勒、麦克斯韦、帕斯卡、伏打、图灵、安培这几位学术大佬。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11116.jpg)

一是有名，二是有料，至于是否和指定产品一一对应，实际上就没有那么强相关了。

这里需要强调一点，上面提到的这些以名字命名的对象，不是哪一颗单独的芯片，而是指整个 GPU 的架构（黄仁勋将其称为平台）。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11112.jpg)

芯片架构（Chip Architecture）指芯片的基本设计和组织结构，不同的架构决定着芯片的性能、能效、处理能力和兼容性，也影响着应用程序的执行方式和效率。

简单讲，你现在拥有了一座体育场（制作芯片的原材料），你打算将它彻底改造，这块地具体是用来开演唱会还是办运动会（芯片用途），决定了场地布置、人员雇佣、装扮和宣发的方式（芯片架构）。

因此芯片架构和芯片设计相互关联，也共同决定了芯片性能。

例如经常听到的 x86 和 ARM，就是针对 CPU 而设计的两种主流架构，前者性能表现强悍，后者能耗控制优秀，各有长项。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11122.jpg)

基于多代 NVIDIA 技术构建，在 Blackwell 架构下的芯片 B200、B100 具备出众的性能、效率和规模，也一同开启了 AIGC 的新篇章。

但为什么会被称为「AI 核弹」？新 GPU 到底有多强？在与上一代产品的对比下，我们会有更直观的感受。

2022 年的 GTC 上，黄仁勋发布了全新架构 Hopper 以及全新芯片 H100：

![](https://s3.ifanr.com/wp-content/uploads/2024/03/111-2.png)

1\. 由台积电 4nm 工艺制程，当中集成了 800 亿个晶体管，比上一代 A100 足足多了 260 亿个。  
2\. H100 的 FP16、TF32 以及 FP64 性能都是 A100 的 3 倍，分别为 2000TFLOPS、1000TFLOPS 和 60TFLOPS，训练 3950 亿参数大模型仅需 1 天，用老黄的原话解释「20 张即可承载全球互联网流量」。  
3\. H100 的发售，让英伟达市值突破了2 万亿美元，成为仅次于微软和苹果的第三大科技公司。

据市场跟踪公司 Omdia 的统计分析，英伟达在去年第三季度大约卖出了 50 万台 H100 和 A100 GPU，这些显卡的总重，近千吨。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11110.jpg)

到目前为止，Hopper H100 仍是在售的最强 GPU，并遥遥领先。

而 Blackwell B200，再次刷新了「最强」的记录，性能的提升远超出了常规的产品迭代。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/1117.jpg)

从制程工艺看，B200 GPU 采用第二代台积电的 4nm 工艺，采用双倍光刻极限尺寸的裸片，通过 10 TB/s 的片间互联技术连接成一块统一的 GPU ，共有 2080 亿个晶体管（单颗芯片为 1040 亿个），相较于制作Hopper H100 的 N4 技术，性能提升了 6%。，综合性能提升约 250%。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/1118.jpg)

从性能看，第二代 Transformer 引擎使 Blackwell 可以通过新的 4 位浮点 AI 支持双倍的计算和模型大小推理能力，单芯片 AI 性能高达 20 PetaFLOPS（每秒可以执行 20×10^15 次浮点运算），比上一代 Hopper H100 提升了 4 倍，同时 AI 推理性能比上一代提升了 30 倍。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/1119.jpg)

从能耗控制看，过去训练一个 1.8 万亿参数模型之前需要 8000 个 Hopper GPU 和 15 兆瓦的功率，如今 2000 个 Blackwell GPU 就可以做到这一点，而功耗仅为 4 兆瓦，直接降低了 96%。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11119.jpg)

因此，黄仁勋的那句「Blackwell 将成为世界上最强大的芯片」并不是信口开河，而且已经成为事实。

### 不便宜的造价，不简单的用途

金融服务公司 Raymond James 分析师曾预估过 B200 的成本。

英伟达每制造一颗 H100 的成本约为 3320 美元，售价为 2.5-3 万美元之间，根据两者的性能差异推算 B200 成本将比 H100 高出 50%~60%，大概是 6000 美元。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11113.jpg)

黄仁勋在发布会后接受 CNBC 专访时透露，Blackwell GPU 的售价约为 3 万~ 4 万美元，整个新架构的研发大约花了 100 亿美元。

> 我们必须发明一些新技术才能使其（新架构）成为可能。

按照以往的节奏，英伟达大约每两年就会发布新一代 AI 芯片，最新的 Blackwell 相较于前几代产品在算力性能和能耗控制上有了显著的提升，更直观的是， 结合了两颗 GPU 的 Blackwell 比 Hooper 大了将近一倍。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11123.jpg)

高昂的成本不仅与芯片有关，还与设计数据中心和集成到其他公司的数据中心紧密相连，因为在黄仁勋看来，英伟达并不制造芯片，而是在建数据中心。

根据英伟达最新的财报显示，第四财季营收达到创纪录的 221 亿美元，同比增长 265%。四季度净利润 123 亿美元，同比暴增 765%。

这当中最大的营收来源数据中心部门，达到创纪录的 184 亿美元，较第三季度增长 27%，较上年同期增长 409%。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/1115.jpg)

研发成本很高，但以此搏来的正向回报更高。

英伟达目前正在构建的数据中心，包含全栈系统和所有软件，是一套完整的体系，Blackwell 或者说 GPU，只是这当中的一环。

数据中心被分解成多个模块，用户能够根据自身需求自由选择相应的软硬件服务，英伟达会根据不同的要求对网络、存储、控制平台、安全性、管理进行调整，并有专门团队来提供技术支持。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/1111-1.jpg)

如此的全局视野和定制化服务到底好不好，数据可以说明一切：截至 3 月 5 日，英伟达的市值继超越 Alphabet、亚马逊等巨头后，又超过沙特阿美，成为全球第三大公司，仅次于微软和苹果两大科技巨头，总市值达到 2.4 万亿美元。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/1114.jpg)

目前，全球数据中心大约有 2000 亿欧元（约合人民币 7873 亿）的市场，英伟达正是这当中的一部分，黄仁勋预测这个市场在未来极有可能增长到 1-2 万亿美元。

英伟达 CFO 克雷斯分析：

> 第四财季数据中心的收入主要是由生成式 AI 及其相关训练所推动的。我们估计，过去一年中约有 40% 的数据中心收入来源于 AI。

不到一个月前，黄仁勋也在财报中表示

> 加速计算和生成式 AI 已经达到引爆点，全球范围内，企业、产业和国家的需求正在激增。

的确，定制化不是英伟达的专属，但在 AI 时代的风口，能够提供「从头到脚」的服务的企业所剩无几，英伟达就是其中之一。

### 猪能起飞，首先得在风口

在这个虚拟现实、高性能计算和人工智能的交叉口，GPU 甚至在取代 CPU 成为 AI 计算机的大脑。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/1116.jpg)

生成式 AI 之所以引起各个行业的热烈讨论，最核心的一点是它开始像「人」一样工作学习，从聊天、写文案、画图片、做视频，到分析病情、调研总结……所有令人惊叹的生成结果，都需要天文数字般的样本数据作为支撑。

比如，你能记住「爱范儿」这个名字，可能是因为每天的公众号推送让信息不断重复加强了记忆；也可能是以前从未见过「爱」和「范儿」的组合，新奇感让你印象深刻；又或者是橙色的 logo 在你脑海中留下了独特的视觉符号。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/121122.png)

每一个简单的小细节巩固了你脑海中「爱范儿」的画像，但当全国的科技媒体信息杂糅在一起的时候，就需要更多的符号来加深印象，以免搞混。

AI 的深度学习，大概就是这个逻辑，而 GPU 就是处理海量信息的最佳选择。

自 OpenAI 引燃 AIGC 后，大部分有名有姓的公司都开始极速上架自家的大小模型，智能汽车、翻译软件、电子文档、手机助手，连扫地机器人，都拥有了 AI。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/222-1.png)

GPU 仿佛在一夜之间就成了全球争夺的对象，根据市场跟踪公司 Omdia 的统计，这当中不乏腾讯、阿里巴巴、百度、字节跳动、特斯拉，Meta 和微软甚至各自采购了15 万颗 H100 GPU（去年最强芯片）。

技术原理和时代背景，共同促进了 GPU 的爆火，也成就了属于英伟达的「显卡帝国」。根据富国银行的统计，英伟达目前在数据中心 AI 市场拥有 98% 的市场份额。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11121.jpg)

> 站在风口上，猪都可以飞起来。

但当一家公司在一个行业里的占有率接近 100% 时，背后一定有个和站在风口同样重要的原因。

1999 年，英伟达就率先提出了 GPU 的概念，2006 年就推出了 CUDA，这是英伟达发展史上一次重要的技术转折点，它降低了 GPU 的应用门槛，开发者可以用 C/C++ 等语言在 GPU 上边写程序，GPU 脱离了图像处理的单一用途，高性能计算走入了显卡的世界。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/1113.jpg)

16 年 AlphaGo 的胜利，17 年比特币的暴涨以及挖矿热潮，在此期间押注自动驾驶市场，直到 23 年 ChatGPT 等 AI 大模型问世，让英伟达在多年前的播种，迎来了丰收时刻。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11120.jpg)

风口固然重要，但前瞻市场布局、多元化应用领域、大手笔的投入与创新，任何一环的失位，都不会造就当下接近满分的市场神话。

不过，于英伟达而言，如何在时代的十字路口保持领先地位，才是最重要的议题。

Blackwell，就是巩固成果的关键一步，在许多厂家还没收到已经下定的 H100 时，B200、B100 的流水线已经开启。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/1112.jpg)

黄仁勋在演讲中，重申了自己在此前财报中提出的观点「通用计算已经到达瓶颈」。

因此现在需要更大的模型，也需要更大的 GPU，更需要将 GPU 堆叠在一起。

> 这不是为了降低成本，而是为了扩大规模。

这当中，有些谦虚，当然也有市场的巨大需求。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11117.jpg)

目前 OpenAI 最大的模型已经有 1.8T（万亿）参数，需要吞吐数十亿 token（字符串），即使是一块 PetaFLOP（每秒千万亿次）级的 GPU，训练这样大的模型也需要 1000 年才能完成。

> Hopper 很棒，但我们需要更强大的 GPU。

![](https://s3.ifanr.com/wp-content/uploads/2024/03/11111.jpg)

GTC 2024 带来的第一波讨论热潮在这几天慢慢淡去，可以预见的是，发布会上的 Blackwell GPU 系列、第五代 NVLink、RAS 引擎，在走向市场的时候会带来更多的震撼；难以预测的是「生成式 AI 已触及的引爆点」究竟还会给世界带来多少惊喜与改变？

在 AIGC 爆发的当下和 AGI 到来的前夕，英伟达引爆的这串 AI 鞭炮，目前还只是炸响了第一下。
