来源 | 数科星球
作者丨苑晶
编辑丨大兔
在AI圈，除了OpenAI，就属英伟达（NVIDIA ）最为知名。
对于广大生成式AI企业而言，这家企业的重要性是毋庸置疑的。它为前者既提供着GPU硬件，又提供名为“CUDA”的并行计算平台和编程模型。
一直以来，“转译”兼容英伟达CUDA，成为了非生态开发人员的既有工作模式。这样做可以在不依赖硬件的前提下，享受到其GPU加速软件所带来的相关好处。
但日前，这种“坐车不买票”的便宜被占到头了。
在最新版本的CUDA里，英伟达开始禁止以转译模拟的方式兼容CUDA。一些熟悉平台的开发者倍感头疼，但好处是，这项规定也客观推动着国产GPU行业的发展。
我们有可能治好“英伟达依赖症”吗？
01、三种挑战者
极盛之后，便是多事之秋。
就在最近，英伟达经历了股价暴跌5.6%的事件。据数据，其市值缩水1300亿美元，且创下美股单日市值暴跌最高纪录。似乎，美资本市场正在大幅撤资科技概念，这无疑为红得发紫的AI巨头们蒙上了一层阴影。
对于英伟达而言，如今面对的，更是前有群狼、后有猛虎的格局。所以，业界产生了一种质疑：英伟达的生态壁垒，能否扛住此次对手的竞相分食。
应该说，长期以来，CUDA是成功的。“我认为，英伟达的生态壁垒仍旧稳固，在过去，Intel、AMD等公司尝试打破格局，但都失败了”，一位问询者回答笔者。
技术上，其平台拥有面向AI和HPC（高性能计算）的多种算法框架。另外，CUDA还拥有一套编程工具和库，使得开发者能够使用如C、C++或FORTRAN等语言编写高效能的代码。
用个游戏平台的例子横向比较下，CUDA很像Steam，而Epic、Origin等平台多年来未对Steam形成超越的原因，是前者内置的游戏多、玩家多。
现在，CUDA同样拥有天量开发者和软件配套。
按照软件的通用逻辑，规模经济下，英伟达的优势很难被打破。但在新的竞争格局中，变革的速度显然正在加快。截至目前，至少有三种力量试图打破这一垄断：
其一，是生成式AI公司发起的“革命”。逻辑是，现在，英伟达几乎挡了所有生成式AI公司的盈利之路。在此前披露的财报中，其全年营收达到了600多亿美元，同比增126%，利润达到了近300亿美元，同比增长581%。
“我估摸，去年OpenAI应该有18亿美元的收入，整个生成式AI大概有60-70亿美元收入，英伟达一家涨这么多，不合理吧。”一位行业高管称。不合理之处在于，以OpenAI为首的企业已对“自己干活、英伟达赚钱”的模式颇为不满，并已纷纷投入到自研芯片的进程之中。
其二，是来自华为等企业的挑战。在国内的IDC或智算中心的建设项目中，华为已借助强大的政企资源获得了数量可观的订单。这样的情况同样在摩尔线程、壁仞科技等企业中发生。
在运算效率上，国产卡还赶不上NVIDIA ，属“三块顶一块”的程度，成本也略高。但乐观者分析，当海量订单转化成规模优势，制造成本也将随之降低，届时，国产GPU芯片将复制国产电动汽车行业的成功。
其三，是来自Intel和AMD的“怨念”。作为CPU行业的两大巨头，实际上，二者在GPU领域同样拥有顶尖产品。这些年，CPU行业极其眼红GPU的发展，但却无处下嘴。在经历了长时间的“跟随式”竞争后，两个大厂已摩拳擦掌、准备趁虚而入。
02、AIGC还有时间说No
由此可见，英伟达对转译甚至反汇编的担忧不无道理。
另外，业界预测，GPU行业将很快迎来下一轮发展周期。一位技术专家对笔者表示，今后的GPU行业极有可能快速进入到大并联时代。而届时，随着算力成本进一步降低，生成式AI的市场将更加广阔。
新的产品，已在酝酿，而这块蛋糕，也是英伟达的必争之地。
当下，英伟达想留住市场和用户，但它的竞争对手却不这么想。其实，从生成式AI的角度而言，开发者对CUDA的依赖是有可能扭转的。
“我认为，本质上，CUDA不是技术有多牛，而是开发者习惯了”，一个AI从业者回答。在他看来，在竞争对手中，都拥有类似CUDA的编码器。缺少的，只是开发者。
我们曾在一篇文章中谈及此事。以往，开发者迁移这件事并非从未有人染指，就在去年，华为鸿蒙就曾以“刷屏”的方式，让国内主流互联网企业加入了其中。
截至去年9月，鸿蒙版App就已逾5000款应用上线。
“我认为，对软件开发者来说，这不是一个技术问题，而是利益分配的问题”，一名ISV开发者说。据他了解，诸如用友等公司在加入中国软件为主导的国产系统项目开发后，投入了巨大的成本重新开发应用。
让厂商为此事买单的核心逻辑是，补贴到位、一切好谈。
还有，生成式AI行业仍属早期。对比较为成熟的并行计算场景，对大多数企业而言，改弦易辙似乎还有时间。
另外，对国有创新项目而言，技术自主化又是必须的。目前在笔者所接触的企业中，就有相当多的公司面对国央企下发的海量订单。
在以上因素的加持下，信创CUDA似乎是一件可以被期待的事情。
03、国内GPU的机会
英伟达为何如此成功？国内企业的反超机会在哪里？
纵览这家公司的发展历史会发现，其先后赶上了区块链（挖矿）、自动驾驶和大模型几轮浪潮，市值超越2万亿美元。更为关键的是，它不仅是硬件生产商，也是一家软件企业。
在破解英伟达软件护城河的方向上，业界给出了两种思路：即“直道赶超”和弯道超车。而前者要在底层编程上和它硬碰硬，后者的机遇则在推理型AI算力之中。
“我们的看点是，哪家能依据自己的工具，培养出一批极其有活力的开发者”，亚杰基金合伙人谭茗洲对笔者说。在这条道路上，国内的科学家要能利用国产软件进行诸如气象、电磁物理等科学实验。
在AI推理领域，国内的机会在于提升卡与卡之间的通信效率。“原理上，只要通信带宽足够大，训练、推理就会非常快”，西安电子科技大学电子工程学院教授吴家骥回答。
根本而言，提升单卡算力存在极限。其背后是单位密度的晶体管数量存在物理极限。而在“带宽派”的看法中，卡和卡之间的集群计算能力才是未来GPU行业竞争的关键，在这一点上NVIDIA NVLink-C2C中就可实现每秒900GB乃至更高的一致互联带宽。
“我认为，硬件上，我们十分有信心实现追赶”，一位从业者说。这一点，在牺牲流片良率的麒麟9000s和牺牲机器尺寸的EUV光刻工厂的案例中均有体现。只是，难点仍然是软件生态。
“形象的比喻是，你或许可以做出电脑，但没法做出操作系统”，吴教授补充说。在他的理解中，若国内在本轮算力中心建设浪潮中，未培养足够专注并行计算的人才，那么很有可能在未来的商业竞争中，该产业的发展仍处于受制于人的局面。
