今年夏天，英伟达创始人黄仁勋专门腾出时间，拜访了一家名叫战略与国际研究中心（CSIS）的智库。在美国，智库的意见能在很大程度上左右华盛顿的政策走向，深处科技战前线的黄仁勋自然深知这一点。
黄仁勋上来就是一顿彩虹屁，并明确表达了捐赠的意向。随后他话锋一转，表示有一位小同志严重拖累了智库队伍的整体水平，建议清除出去。
这位小同志不是别人，正是CSIS高级研究中心主任Gregory C. Allen，也是美国芯片出口管制政策的坚定鼓吹者。
面对美国的打压，英伟达似乎比中国公司还着急。过去数月，黄仁勋一直在竭尽全力阻止制裁落地。
除去给智库施压，黄仁勋还当面警告了华盛顿决策层，认为制裁会造成严重代价。与此同时，他还不忘敦促美国半导体行业协会发表谴责声明，强调进一步限制将损害行业的竞争力[2]。
今年7月，黄仁勋还拉上高通和英特尔去了趟华盛顿，目的也是说服美国政府放松对华限制。
然而，美国依然在10月17日更新了芯片出口管制，中国特供版芯片H800和A800也被列入禁售范围。更令人惊讶的是，用于游戏的消费级显卡RTX 4090也进了名单。
这对英伟达来说无疑是致命一击，长期以来，中国大陆市场一直占据其20%以上的收入。10月17日出口管制发布当天，英伟达股价下跌近5%，AMD和英特尔也跟风跌了1%。
那么，英伟达是否真的无法替代？中国市场之于英伟达又意味着什么？
最好的选择
简单来说，美国政府在新的出口管制政策中添加了多个新指标，不仅把特供产品H800和A800牢牢卡死，还顺便误伤了消费级显卡RTX4090，搞得国内黄牛趁机涨了一波价。
为什么说是“误伤”？虽然RTX4090和H100都是GPU，但两者的设计思路截然不同。
比如，RTX4090的频率强于H100，因为更高的频率能够提供更强的图形渲染能力。而H100的强项则是理论算力、显存大小和显存带宽，这是因为AI推理和训练都非常考验数据的吞吐效率，这也是为什么H100需要昂贵的HBM3内存。
至于玩游戏，H100甚至都不支持主流游戏的图形接口。这也符合英伟达官方的“消费类”和“计算类”的归类。
在一些讨论中，RTX 4090由于更低的价格、不差的算力、更低的功耗，一度被认为同样可以用于高性能计算。
客观地说，铁了心也能用。但一般而言，RTX 4090由于显存和带宽的限制，最多只能用作推理芯片。
AI芯片根据部署位置区分，大致上可分为云端芯片和终端芯片。云端芯片用于训练模型，俗称训练芯片；终端芯片用于终端设备，根据训练好的模型对实时数据执行推理任务，俗称推理芯片。
职责不同，导致对训练芯片和推理芯片的性能要求也有很大差异：训练芯片需要通过海量数据训练可靠的模型，因此对数据传输速率、算力等指标有相当极端的要求。这也是为什么H100不惜用上昂贵的HBM内存和CoWoS封装，都是为了数据吞吐效率。
“特供版”的H800和A100，阉割的也是内存带宽，算力其实没有变化。
推理芯片一般处理实时任务，对于低延迟的要求更高，而且由于部署在终端，还要考虑功耗、大小、成本等问题。因此，用RTX4090这类消费级显卡强行训练，过低的带宽会带来“内存墙”的问题。
无论是谷歌的TPU、还是特斯拉的FSD芯片，大部分应用场景都是推理。大部分国产AI芯片，也都是走推理芯片的路子。
而在训练芯片这个场景下，英伟达的确是目前最好的选择。
从绝对的算力来讲，H100并不是巅峰。但在AI训练这件事上，一口气买几百块显卡的科技公司更在意的是另一个指标：单位成本的算力。
这也是为什么大家宁愿加价抢H100，也不愿意买“青春版H100”——A100：按照H100 SXM版本、A100 80GB SXM版本8月的销售价格（24000美元、15000美元）计算，每单位算力的成本分别为12.13美元、24.04美元，H100 SXM优势明显。
另外，数据中心搭建完成后，还需要考虑电力、运维、故障、后期支持等多方面成本。种种因素叠加，大家还是老老实实地拿起了号码牌，加入了漫长的H100等待序列中。
比如特斯拉，前脚宣布给自研的Dojo超级计算机投10亿美元，后脚就透露要购买10000张H100用于驱动AI负载。
简而言之，在推理场景下，英伟达尚有替代方案；但在训练芯片里，英伟达是事实上的唯一方案。
原因在于，英伟达真正的护城河，是软件。
隐形的护城河
今年10月10日，AMD宣布打算收购一家名为Nod.ai的AI开源软件初创公司，以补足其软件短板。
虽然贵为GPU行业的世界第二，但长期以来AMD的市场份额只能和英伟达二八开，在以AI为代表的高性能计算市场，存在感就几乎为0。
事实上，AMD的AI芯片理论参数并不差，与H100对标的MI250X，虽然在FP32/FP64精度下的算力略逊于H100，但考虑到10000美元的售价，MI250X的“单位成本算力”其实更高，理论上可以成为比H100更好的选择。
但实际上，不管是大公司还是创业公司，大家还是更喜欢H100。原因就在软件，也就是大名鼎鼎的CUDA。
众所周知，GPU最初的目的是为游戏和视频进行图像渲染。黄仁勋是几乎所有奥斯卡“最佳视觉效果”提名影片背后的男人。2007年，英伟达还曾获得一个分量十足的奖项：艾美奖，以表彰其对娱乐行业作出的重大贡献。
首先发现GPU被大材小用的是华尔街精英，在渲染图像时所用到的并行计算能力，正符合金融场景里高频交易的需求。
不过，在用GPU跑交易之前，得先编写大量的底层语言代码，这显然劝退了一大批交易员。
为了降低GPU的编程门槛，David Kirk说服黄仁勋在2006年推出CUDA，CUDA的全称是Compute Unified Device Architecture，即计算统一设备架构，其作用也直白地写在名字里了：为GPU编程提供统一架构，使之满足不同应用场景下的算力需求。
伴随CUDA推出的是一本编程指南，里面详述了实现性能的具体方法，并且随着产品的升级迭代不断更新，至今已更新到12.3版。
最新版CUDA编程指南
这样的说明书在今天看来是基础必备，在当时与竞争对手的差距也不过两年，但先发者的一步领先却足以定义行业。
CUDA推出后，英伟达迅速打开了新业务的大门，在航空航天、天文学、气象学领域里都有GPU的身影。
2009年，苹果的开发团队推出OpenCL，支持者包括AMD和英特尔，希望能凭借着通用性在CUDA身上分一杯羹。但作为追赶者，OpenCL平台上的开发者天然更少，很容易陷入恶性循环。
而CUDA则在“使用人数越多，CUDA平台就越好用，新开发者就越倾向于选择CUDA”的良性循环中，加固了生态优势。
深度学习爆发后，许多学习框架要么是在CUDA发布之后才会支持OpenCL，要么压根不支持OpenCL，使得OpenCL始终无法触及更高附加值的业务[5]。
2016年，AMD自家软件ROCm姗姗来迟，在投入不如英伟达的情况下，服务更新上滞后于CUDA，因此也难与CUDA抗衡。
芯片的架构和制程可以靠一两代产品迅速拉近差距，但一个成熟的生态系统却很难被破坏。CUDA生态遍布各行各业，从企业蔓延到教育系统。吴恩达曾评价：CUDA出现之前，全球能用GPU编程的可能不超过100人。而目前全球的CUDA开发者已经达到几百万。
从某种程度上来说，CUDA已成为行业的事实标准。它的另一个特点是：只能和英伟达的硬件适配。
因此，任何开发者想要脱离CUDA生态，都不得不考虑标新立异的成本和风险。
不过对英伟达来说，繁荣的CUDA生态既是一座令竞争对手望而生畏的高山，却也是自己的软肋所在。
英伟达在担心什么？
黄仁勋之所以如此着急，道理也简单：如果铁了心换掉英伟达，也不是不可以。
英伟达固然是人工智能得以走上时代舞台中央最大的功臣之一，但在当下，它却存在两个不容忽视的问题：
一是成本过高。以“地表最强GPU”H100为例，首发价为3.3万美金，如今二手市场价格更一度上涨至5万美金左右。
科技公司如果要搭建拥有一万块H100的数据中心，即便不考虑其他成本和后续开支，光GPU采购费就需要数亿美金——即便对《财富》世界500强排行榜上的科技公司来说，这也不是笔小钱，更遑论初创企业。
二是通用芯片难以实现差异化。堆叠算力不是简单往车里加汽油，需要考虑软件适配性、自身业务需求等一系列问题。更何况，如果只用英伟达的GPU，意味着只有当英伟达出新产品，自家产品才能跟着升级，彻底将战略主动权交给了黄总。
这就是英伟达面临的一个尴尬情景：自己的客户都是自己的对手。
早在2014年，谷歌已开始了自研芯片的计划，其最新成果就是TPUv5系列。对参数量小于200B的大模型来说，TPUv5在推理时更具性价比，相较于英伟达GPU有着肉眼可见的成本优势[4]。
而在重要的中国市场，美国的出口管制实际上是在给黄总帮倒忙。
如前文所述，英伟达的核心壁垒在CUDA组成的繁荣生态——它就像一个无数开发者组成的“圈子”，后来者想要进入AI产业，就得融入这个圈子。如果把一部分开发者拦在圈子外面，那么他们最有可能做什么呢：组建一个自己的圈子。
事实上，英伟达非常清楚这一点，其法律顾问Tim Teter就曾这样警告华盛顿：你冒的风险是刺激了一个由竞争对手主导的生态系统的发展，这可能会对美国在半导体、先进技术和人工智能领域的领导地位产生非常负面的影响。
如果“被踢出圈子”的概率只有1%，那大家只会把它当作一个黑天鹅事件；但一旦这个概率上升到哪怕只有10%，就一定会有人行动起来。这也是为什么英伟达对美国的出口管制如此警觉——中国科技公司会铁下心来掀桌子，开始搭建自己的生态。
英伟达并非是唯一有着类似境遇的公司，英特尔与高通也一同参与到了施压美国政府的行动当中。它们的一部分竞争力同样来源于生态的构建，英伟达的境遇让这两家芯片巨头深感唇亡齿寒。
要知道，上一轮针对英伟达的出口管制发布后，英特尔专门把Gaudi 2芯片的发布会放在北京开，一口一个“帮助构建中国人工智能的未来”“携手中国产业生态”，趁机挖黄总墙角的心思昭然若揭。
结果新版出口管制出炉，AMD的MI250X、MI300，英特尔的Gaudi 2、Gaudi 3和黄总一起上了名单。这也难怪有小道消息说，英特尔高层和美国高级官员交涉时[2]，一度急得指着对方鼻子问“到底懂不懂半导体？”
尽管相比美国，国内的芯片产业整体的差距并不小，但长期的封锁，一定会加速中国芯片产业的发展。一旦这个过程开始，也许就不可逆了。
这就是英伟达害怕的、美国众多芯片公司所担心的事情，正如黄仁勋所说[1]：There is no other China，there is only one China。
参考资料
[1] Chip wars with China risk ‘enormous damage’ to US tech， says Nvidia chief，Financial Times
[2] How the Big Chip Makers Are Pushing Back on Biden’s China Agenda，The NewYork Times
[3] Nvidia Makes Nearly 1，000% Profit on H100 GPUs: Report，Toms Hardware
[4] TPUv5e: The New Benchmark in Cost-Efficient Inference and Training for <200B Parameter Models，Semi Analysis
[5] 疯狂的H100，远川研究所
本文来自微信公众号：远川科技评论 （ID：kechuangych），作者：叶子凌、何律衡