AI晶片 ｜ NVIDIA最強AI晶片誕生！Blackwell運算力領先群雄，市場形勢大好，卻暗藏2大隱憂？

　　當今科技市場的焦點已不再是Google、蘋果（Apple）等傳統龍頭，而是手握全球9成AI晶片供應的輝達（NVIDIA）。執行長黃仁勳在GTC 2024大會上，發表新一代Blackwell架構GPU，AI訓練速度比上代晶片快4倍、推理能力優30倍，能夠運行兆級參數規模的大型語言模型，重新定義AI產業的天花板。看似優勢佔盡的NVIDIA是否可以一直順風順水呢？究竟在一片好景背後暗藏著甚麼隱憂呢？

 

復辦實體GTC大會受全球注目

 

　　2009年，NVIDIA舉辦首屆GPU Technology Conference（GTC）大會，參加人數頂多約1,500人；2020年新冠疫情爆發，移師至網上舉行；睽違4年後，該公司砸下重金復辦實體GTC大會，2024年3月18日在美國聖荷西SAP中心舉行，全場2萬個座位皆無虛席，輝達官方YouTube頻道的直播更有逾6萬人收看。

 

　　黃仁勳在GTC展台上，左手拿著2023年全球瘋狂搶購的Hopper GPU，右手則拿著體積更大、效能更強的新一代AI晶片Blackwell GPU。這款以首位入選美國國家科學院的黑人科學家大衛·布萊克威爾（David Blackwell）命名的GPU共有３個版本，分別為單顆晶片B100與B200、以及組合型超級AI晶片GB200。

 

黃仁勳透露，Blackwell架構晶片（左）定價介乎3萬至4萬美元（約23.4萬至31.2萬港元），即是跟上代Hopper（右）定價區間相若。(圖片來源：翻攝輝達官方YouTube影片)

 

GB200推理能力比前作高30倍

 

　　使用2顆Blackwell架構、台積電4奈米製程的B200 GPU，再加上1顆ARM架構的Grace CPU，合組成GB200。在基於GPT-3模型的基準測試中，它的性能是前一代晶片H100的7倍、AI訓練速度快上4倍、AI推理能力高出30倍，惟能源消耗卻低25倍。

 

GB200是今次的旗艦級產品，內含1顆Grace CPU和2顆B200 GPU，將於2024年稍晚供貨，Google、微軟和亞馬遜均已下單訂購。(圖片來源：翻攝輝達官方YouTube影片)

Blackwell GPU性能是Hopper的7倍，訓練速度提升4倍，推論速度更加快上30倍。(圖片來源：翻攝輝達官方YouTube影片)

 

　　為迎合數據中心的需要，NVIDIA推出以GB200為核心的GB200 NVL72機架系統，把72顆Blackwell GPU與36顆Grace CPU集成到一組巨大的液冷機架，足以運轉規模達27兆組參數的大型語言模型。其特殊的液冷設計具備1300kW強大散熱能力，水冷液以每秒循環2公升的速度，可將滾燙的AI伺服器降溫至攝氏45度。

 

　　瑞穗證券分析師喬丹·克萊因（Jordan Klein）表示，當NVIDIA不斷強調B100用於AI推論的潛力後，外界擔心同樣以AI推論能力作賣點的AMD MI300可能會變成「路人甲」，逐漸被市場忽略。半導體分析師陸行之更直言，假如GB200賣得很好，那麼AMD與英特爾（Intel）的AI晶片「就不用玩了」。

 

輝達推AI代工欲做AI界台積電

 

　　當市場將NVIDIA視為AI晶片霸主之際，黃仁勳反而高喊輝達不是AI硬件公司，而是「AI平台企業」。他以台積電作比喻：「大家帶著構想去找台積電，台積電把晶片製造出來；我們也一樣，這就是『AI代工』。」黃仁勳的目標是，把NVIDIA變成AI界的台積電。

 

　　有鑑於此，NVIDIA推出為數十種企業而設的生成式AI微服務。例如面向醫療產業，輝達推出逾20項醫療專用AI微服務，並更新BioNeMo模型以強化AI輔助藥物開發；針對製造業，NVIDIA則發表人形機械人的通用基礎模型「GR00T」，讓具備自然語言理解能力的機械人，透過觀察和模仿，快速學習各項生產技能，進而融入工廠環境，提升生產線產能。

 

黃仁勳宣布，即將推出人形機械人計劃「Project GR00T」，以推動AI機械人的產業發展。(圖片來源：翻攝輝達官方YouTube影片)

 

政府管制晶片出口損害輝達收入

 

　　NVIDIA的業務發展看似形勢大好，是否真的毫無逆風？答案當然不是。現時各國監管機關擔憂AI對社會、經濟、以至國家安全構成風險，正尋求技術規管。自2023年起，美國政府限制高效能AI晶片和高階晶片製造設備出口給部分中國企業，輝達A100和H100晶片也被納入管制之列，損害了NVIDIA第三季收入。該公司表示，Blackwell GPU同樣會受到美國出口管制的約束。

 

　　然而，輝達的最大隱憂不是來自美國政府，而是自己的客戶。科技巨頭希望自家的AI伺服器可以建基於自己的解決方案，而不是長期依靠外部單一供應商。例如雲端平台3大巨頭，亞馬遜（Amazon）自行研發Inferentia與Trainium晶片，分別用於AI模型推論與訓練；微軟（Microsoft）亦推出自研晶片Maia 100和Colbert 100應戰；Google則早已手握自家開發的TPU，用作AI雲端運算。

 

NVIDIA大客戶爭相自研AI晶片

 

　　近年，雲端3巨頭不斷增加對IT基建的投資。美國銀行（BofA）調高Amazon、Microsoft、Google在2023年雲端支出總額至840億美元（約6,552億港元），成長率為14%；又預測2024年支出總額將攀升至1,160億美元（約9,048億港元），成長率高達22%。

 

　　此外，依靠NVIDIA GPU起家的Open AI，執行長山姆·奧特曼（Sam Altman）甚至想與阿聯酋政府、軟銀集團合作，集資7兆美元（約54.6兆港元）自建半導體供應鏈。這些科技巨頭有錢、有技術，一旦下決心要脫離對單一廠商的依賴，絕對是NVIDIA值得懼怕的對手！

 

 

 《經濟通》所刊的署名及／或不署名文章，相關內容屬作者個人意見，並不代表《經濟通》立場，《經濟通》所扮演的角色是提供一個自由言論平台。

• 

【與拍賣官看藝術】畢加索的市場潛能有多強？亞洲收藏家如何從新角度鑑賞？► 即睇