美国商务部的口风越来越紧，逼得黄式刀法重出江湖：多方证实，英伟达即将推出三款特供版GPU，由于出口管制，性能最强的H20，相较H100算力也大幅缩水80%。
算力被限制死，英伟达也只能在其他地方做文章。H20的最大亮点落在带宽：
带宽达到与H100持平的900G/s，为英伟达所有产品中最高。较A100的600G/s，和另外两款特供芯片A800和H800的400G/s大幅提高。
阉割算力，提升带宽。看似割韭菜，实则含金量不低。
H20踩着红线免受制裁
简单来说，带宽的大小决定了单位时间向GPU传输的数据总量。考虑到人工智能对数据吞吐能力病态的要求，如今衡量GPU的质量，带宽已经成为算力之外最重要的指标。
另一方面，云服务公司和大模型厂商不是只买几颗芯片，而是一次性采购几百上千张组成集群，芯片之间的数据传输效率也成了至关重要的问题。
GPU和GPU之间的数据传输问题，让英伟达在芯片算力、CUDA生态之外的另一张王牌浮出了水面：NVLink。
数据传输，算力的紧箍咒
要理解NVLink的重要性，首先要了解数据中心的工作原理。
我们平时玩游戏，一般只需要一块CPU加一块GPU。但训练大模型，需要的是成百上千个GPU组成的“集群”。
Inflection曾宣称他们正在构建的AI集群，包含多达22000张 NVIDIA H100。按照马斯克的说法，GPT-5的训练可能需要3万到5万张H100，虽然被Altman否认，但也可以窥见大模型对GPU的消耗。
特斯拉自家的超算Dojo ExaPod，就是由多个Cabinet机柜组成，每个机柜里有多个训练单元，每个训练单元都封装了25个D1芯片。一整台ExaPod包含3000个D1芯片。
但在这种计算集群中，会遇到一个严峻的问题：芯片彼此独立，如何解决芯片之间的数据传输问题？
特斯拉的超算ExaPOD
计算集群执行任务，可以简单理解为CPU负责下达命令，GPU负责计算。这个过程可以大概概括为：
GPU先从CPU那里拿到数据——CPU发布命令，GPU进行计算——GPU计算完成，将数据回传给CPU。如此循环往复，直到CPU汇总所有计算结果。
数据一来一回，传输效率就至关重要。如果有多个GPU，GPU之间还要分配任务，这又涉及到数据的传输。
所以，假设一家公司买下100颗H100芯片，它拥有的算力并不是100颗芯片的算力简单相加，还要考虑到数据传输带来的损耗。
一直以来，数据传输的主流方案是PCIe。2001年，英特尔提出以PCIe取代过去的总线协议，联手20多家业内公司起草技术规范，英伟达也是受益者。但时至今日，PCIe的缺点变得越来越明显。
一是数据传输效率被算力的提升远远甩在了后面。
从2001年到2017年，运算设备的算力提高了5000倍。同期，PCIe迭代到4.0，带宽（单通道）只从250MB/s提高到2GB/s，提升只有8倍。
算力的传输之间的巨大落差，导致效率大幅降低。就像摆了一桌满汉全齐，餐具就给一个挖耳勺，怎么吃都不痛快。
二是人工智能暴露了PCIe的设计缺陷。
在PCIe的设计思路里，GPU之间的数据传输都必须经过CPU。换句话说就是GPU1想和GPU2交换数据，都得由CPU来分发。
这在以前不是什么问题，但人工智能主打一个大力出奇迹，计算集群里GPU数量迅速膨胀。如果每个GPU都要靠CPU传话，效率就大大降低了。用大家很熟悉的话来形容，就是“你一个人耽误一分钟，全班同学就浪费了一个小时”。
大幅提高PCIe的带宽，不太符合英特尔挤牙膏上瘾的人设。大幅提高CPU的处理能力是个办法，但英特尔要是有这个本事，英伟达和AMD活不到今天。
于是，深感时不我待的英伟达动了另起炉灶的心思。
2010年，英伟达推出GPU Direct shared memory技术，通过减少一次复制的步骤，加快了GPU1-CPU-GPU2的数据传输速度。
次年，英伟达又推出GPU Direct P2P技术，直接去掉了数据在CPU中转的步骤，进一步加快传输速度。
只是这些小幅度的技术改良，都基于PCIe方案。
和CUDA一样，PCIe的竞争力在于生态。所谓“生态”，核心就是“大家都在用你凭什么搞特殊”。由于大多数设备都采用PCIe接口，就算英伟达想掀桌子，其他人也得掂量掂量兼容性问题。
转折点出现在2016年，AlphaGo 3:0战胜李世石，GPU一夜之间从荼毒青少年的游戏显卡变成了人工智能的科技明珠，英伟达终于可以光明正大地进村了。
NVLink，解开PCIe封印
2016年9月，IBM发布Power 8服务器新版本，搭载英伟达GPU：
两颗Power 8 CPU连接了4颗英伟达P100 GPU，其中数据传输的纽带从PCIe换成了英伟达自研NVLink，带宽高达80G/s，通信速度提高了5倍，性能提升了14%。
Power8+P100架构
同时，NVLink还实现了GPU-GPU之间的直接传输，不带PCIe玩了。
2017年，基于Power8+P100的模型在22K的ImageNet数据集上实操了一把，识别准确率达到33.8%，虽然准确率相比前一年只提高了4%，但训练时间从10天大幅缩短到了7小时。
小试牛刀效果不错，老黄也不准备再装了。
从2017年的Volta架构开始，英伟达给每一代GPU都搭配了基于NVLink方案的NVSwitch芯片，用来处理GPU之间的数据传输。
NVLink和NVSwitch的关系，可以简单理解为：NVLink是一种技术方案，NVSwitch和NVLink交换机都是这种方案的载体。
目前最新的DGX H100服务器中，每台服务器拥有8个H100 GPU、4个NVSwitch芯片相互连接。
带有标注的NVSwitch芯片裸片
在DGX H100服务器发布的同时，英伟达还发布了搭载两个NVSwitch芯片的NVLink交换机，用来处理DGX H100服务器之间的数据传输。
也就是说，NVLink不仅负责DGX服务器内部8个GPU的连通，也负责整个服务器之间每个GPU的数据传输。
按照英伟达的设计，一个H100 SuperPOD系统，会用到32台服务器总共256个H100 GPU，算力高达1EFlops。每套系统搭配18台NVlink交换机，加起来就是128个NVSwitch芯片。
如上文所说，一个集群的算力并不是每个GPU算力的简单相加，服务器间的数据传输效率是主要的制约因素。当集群的规模越来越大，NVLink的重要性也就越来越强。
NVLink渐成气候，老黄的野心也逐渐成型：和PCIe拉帮结派搞生态不同，NVLink必须绑定英伟达的芯片使用。当然，考虑到PCIe的既定生态，H100系列中也有多个支持PCIe的版本。
为了扩张自己的势力范围，英伟达还推出了基于Arm架构的Grace服务器CPU，用英伟达的CPU+英伟达的GPU+英伟达的互联方案，捆绑在一起，统一数据中心市场。
有了这一层铺垫，就不难理解H20的杀伤力。
虽然算力被砍了一大截，应付不了大参数的模型训练，但H20本身的高带宽和NVLink的加持，可以组成更大的集群，在一些小参数模型的训练和推理上，反而更具性价比。
在英伟达的示范下，AI的内卷也从算力转向了互联技术。
互联，AI芯片的下半场
2023年11月，AMD发布预告已久的MI300系列，直接对标英伟达H100。
发布会上，除了例行的纸面算力比较外，Lisa Su重点强调了MI300带宽上的遥遥领先：MI300X带宽高达5.2TB/s，比H100还要高1.6倍。
这是实话，不过得先挤挤水分。
Lisa Su用来与MI300X比较的是H100 SXM版，但性能更高的H100 NVL版通过NVLink集成两颗GPU带宽达到7.8TB/s，仍高于MI300X的。
但这足见AMD对带宽的重视程度，以及AI芯片竞争的新焦点：互联技术。
英伟达发布NVLink的几个月后，AMD就推出了高速互联技术Infinity Fabric，提供CPU-CPU之间最高到512GB/s的带宽，后又扩展到GPU-GPU、CPU-GPU互联。
看着两大竞争对手甩开带宽的包袱放飞自我，英特尔作为PCIe的带头大哥，自然心情复杂。
2019年，英特尔联手戴尔、惠普等推出新的互联标准CXL，本质与NVLink和Inifinity Fabric一样，都是为了摆脱带宽掣肘，2.0标准最高带宽可达到32GT/s。
英特尔的心机在于，由于CXL是基于PCIe扩展的，因此和PCIe接口兼容。也就是说，过去用PCIe接口的设备可以“无痛”改用CXL，生态大法又立了大功。
芯片巨头围绕互联技术斗得正欢，转而自研芯片的AI大厂，也在解决互联问题。
谷歌在自家TPU上采用了自研的光电路交换机技术（OCS），甚至还自研了光路开关芯片Palomar，只为了提高数据中心里几千颗TPU之间的通信速度。特斯拉也自己开发了通信协议，处理Dojo内部的数据传输。
回到本文开头，也正是这种差距，才让NVLink成为了英伟达的新“刀法”。
大模型所需的算力，并非国产AI芯片不可触及，但数据传输技术瘸腿依然会造成不可忽视的成本问题。
举一个不太严谨的例子，来帮助大家理解这个问题：
假设H20和国产AI芯片的单价都是1万元，一颗H20提供的算力是1，国产芯片提供的算力是2，但考虑到集群规模带来的算力损耗，由于NVLink的存在，H20的损耗是20%，国产芯片是50%，那么一个算力需求100的数据中心，需要125颗H20或是200颗国产芯片。
在成本上，就是125万和200万的差距。
模型规模越大，数据中心所需的芯片越多，成本的差距就越大。要是黄仁勋狠狠心，刀法再犀利些，或许还可以卖出更低的价格。如果你是国内AIGC厂商的采购总监，你怎么选？
互联技术上的弱势，创造了英伟达的另一张王牌。
按照当前的消息，原本11月发布的H20已经延后到明年第一季度，接受预定、出货时间也将顺势延后。延迟发布的原因并不确切，但在H20正式开售前，留给国产芯片的机会窗口，已经在倒计时了。
英伟达的伟大在于，它以高度的前瞻性，几乎以一己之力开辟了一条人工智能的高速公路。
而它的成功在于，黄仁勋在每一个你可能经过的车道，都提前修好了收费站。
参考资料：
[1] 英伟达新卡H20影响，洞见研报
[2] NVLink到底Link了啥？架构师技术联盟
[3] AGI时代算力基础架构面临的挑战与机遇，大数据在线
[4] IBM Debuts Power8 Chip with NVLink and Three New Systems，HPCWire
[5] 聊一聊CXL的价值，半导体行业观察
[6] CXL vs NVLink：下一代互联技术的较量，Wisewave芯潮流
[7] NVLink词条，Semiwiki
[8] Infinity Fabric词条，Semiwiki
[9] PCIe词条，SemiWiki
本文来自微信公众号：远川科技评论 （ID：kechuangych），作者：何律衡，编辑：李墨天