别自嗨了，真相殘酷！看清中美AI晶片技術差距，還樂觀得起來嗎？

大洋彼岸的AIGC現象級産品ChatGPT聊天機器人的火爆成就了A股市場的一次狂歡。

一些上市公司一旦蹭上這個熱點，股價就像坐上了火箭，短短幾個交易日大漲超過50％甚至翻倍。反觀隔壁的港股市場和美股市場，相對要理性很多。

在人工智能的發展浪潮中，AI晶片是基石。如果能夠看清中美AI晶片公司的差距，你還樂觀得起來嗎？A股的投資者，先别自嗨了！

AI晶片，算力的基石

最近，很多使用ChatGPT的使用者，都會遇到一個麻煩事。當機、卡頓又如影随形，體驗效果大打折扣。

究其原因，就是算力不夠。

可能Open AI也沒有料到，ChatGPT會火到這種程度，能夠打敗抖音，拿下新的最快月活人數破億的記錄。現在，每天湧入ChatGPT的人數還在暴增，解決算力問題成了迫在眉睫的任務。

那什麼是算力呢？

作為人工智能三大核心要素（資料、算法、算力）之一，算力被譽為人工智能“發動機”。人工智能的每一次浪潮，都離不開算力的提升。

華泰證券研報顯示，根據Open AI測算，自2012年以來，全球頭部AI模型訓練算力需求3-4個月翻一番，每年頭部訓練模型所需算力增長幅度高達10倍。AI深度學習正在逼近現有晶片的算力極限，也對晶片設計廠商提出了更高要求。

作為算力的硬體基石，AI晶片是針對人工智能算法做了特殊加速設計的晶片。

信達證券釋出研究報告稱，在技術架構層面，AI晶片可以分為 GPU（圖形處理器）、FPGA（現場可程式設計門陣列）、ASIC（專用內建電路）和類腦晶片，同時CPU也可用以執行通用AI計算。

在應用層面，AI晶片又可以劃分為雲端、邊緣端和終端三個類型，不同場景對晶片的算力和功耗的要求不同，單一晶片難以滿足實際應用的需求。

在雲端層面，由于大多數AI訓練和推理工作負載都在此進行，需要運算巨量、複雜的資料資訊，是以對于 AI 晶片的性能和算力要求最高；邊緣端是指處理雲端和終端之間的傳輸網絡，承擔着彙集、分析處理和通信傳輸資料的功能，一定程度上分擔雲端的壓力，降低成本、提升效率。

終端AI晶片由于直面下遊産品，大多以實際需求為導向，主要應用于消費電子、智能駕駛、智能家居和智慧安防等領域，終端産品類型和出貨量的增加，也相應刺激了對晶片的需求。

不單單對于Open AI，所有涉及到聊天機器人的公司，增加算力都是繞不開的一道坎，這也就意味着，人工智能晶片的需求将會持續迎來井噴。

目前，采購一片英偉達頂級GPU成本為8萬元，GPU伺服器成本通常超過40萬元。對于ChatGPT而言，支撐其算力基礎設施至少需要上萬顆英偉達GPU A100，一次模型訓練成本超過1200萬美元。

英偉達，跑在了前面

相比CPU，GPU在從事簡單特定的并行任務時有着更高的效率。

CPU就像一個大學生，可以進行微積分等複雜計算，但若要在短時間内完成幾萬道加減算數問題，也是很難辦得到的；而 GPU就像幾百個國小生，雖然都不會微積分等複雜計算的能力，但人數多，可以在很短時間内完成幾萬道加減算數問題。

GPU的這一特性，使得其特别适合對密集資料進行并行處理，尤其是AI訓練等需要大規模并發計算場景。一個例子是2010年，Google負責人工智能的吳恩達最初使用了16000台計算機的CPU完成訓練，後來改用英偉達的GPU僅用了12個GPU就完成了訓練。

說到GPU，就很難繞開英偉達，這家由華裔創立的科技巨頭。

1993年，美籍華人黃仁勳聯合Sun公司兩位年輕工程師共同創立了英偉達。成立之初的英偉達推出了兩代針對遊戲主機的顯示卡産品，但并不成功。直到1997年，微軟推出Direct3D通用API标準，原先的顯示卡市場上司者3dfx卻堅持使用自己的封閉接口，英偉達此時抓住了這個機會，毅然放棄了部分已有專利，轉而全面支援Direct X，其産品開始逐漸被戴爾等知名整機廠商使用。

1999年，對于英偉達而言，又是一個裡程碑。随着圖形顯示規模的增加，CPU已經很難分出更多精力來處理圖形資訊。英偉達此時推出了世界上第一款GPU：GeForce 256。自此之後，英偉達在邁向顯示卡霸主的道路上再沒有對手。

如今，在PC的GPU市場，英偉達份額接近70％，隻看獨顯市場，英偉達市場佔有率更是高達70％-80％。

每6個月，英偉達就會推出一款新産品，每2年就會更新一次架構。當英偉達不斷在AI、自動駕駛、資料中心等領域開疆拓土時，就算是英特爾、AMD這樣的業界巨頭也隻能在後面苦苦追趕。

去年9月，英偉達釋出了業界最強自動駕駛晶片Thor，這款晶片融合了Grace（CPU架構）、Hopper（AI加速架構）、Ada Lovelace（圖形GPU架構），其算力高達2000TOPS，是去年釋出的Altan的2倍，是目前蔚來、小鵬、理想等造車新勢力新車采用的Orin X（254TOPS）的8倍。

國内公司，差距明顯

即使國内頭部公司，從算力上跟美國的英偉達等公司相比，差距非常明顯。

以GPU這個最主要的細分賽道來看，目前國内自研GPU的領軍企業主要是景嘉微、壁仞科技、芯動科技等，其中成立最早的是景嘉微，2006年就開始研發擁有自主知識産權的GPU産品。現在已經發展出了一系列的産品線，并且均采用國内成熟制程工藝及自主架構。

目前，景嘉微的主打産品有JH920獨立顯示卡，支援4路顯示輸出及視訊解碼，支援OpenGL 4.0、Vulkan1.1等圖形程式設計接口，支援OpenGL3.0計算程式設計接口，支援4 路4K@60fps HDMI 2.0外視訊輸入。

行業内專家稱，從産品參數來看，景嘉微的JH 920的性能與英偉達在2016年釋出的GTX 1050相仿，雖然從年份來看兩者僅相差6年時間，但是GTX 1050實質上為英偉達10系顯示卡中的入門級産品，顯然無法代表英偉達在2016年的全部水準。

在比對性能參數後，一直回溯到2010年的GTX 500系列才找到性能與GTX 1050相符且作為旗艦型号發售的GTX 580，意味着JH 920基本上是達到了英偉達12年前的水準，是以整體而言國産GPU的現狀并不算樂觀，雖然在特殊領域算是可以滿足自給自足的需求，但是在中高端領域及個人消費領域還有着非常大的差距。

目前來說，景嘉微所代表的就是自主知識架構GPU的頂尖水準，其産品則主要應用于工業、人工智能、雲計算、軍用工業等領域，至少是保證了國内相關産業即使被封鎖也依然能夠正常提供服務。

在2021年，景嘉微被美國列入實體清單，赢得AI技術競争早已經成為美國對華遏制戰略的一項重要議題。

去年，在美國總統拜登正式簽署晶片法案（《CHIPS and Science Act》）之後的大概一個月時間裡，美國政府對華實施了高端GPU晶片的出口禁令。2022年8月26日，英偉達在其向美國證監會送出的8K檔案中說明：美國政府要求其對中國（含香港地區）和俄羅斯禁運其所設計和售賣的高性能資料中心GPU晶片：A100以及H100。而另一家GPU設計商AMD同樣被要求禁止向中國出口其所設計的高性能晶片MI250。

雖然2022年11月7日，英偉達向中國的供應商提供其重新封裝的A800晶片，但傳輸性能較A100下降了50％。

與此同時，據金融時報報道，國内GPU設計商壁仞科技的GPU晶片BR100在台積電的試産也被迫叫停并主動修改設計，以符合出口禁令的限制。

關于美國的技術封堵，也分正反兩面來看。

有行業内人士稱，如果不是國内企業面臨被美國斷供的風險，不得不加快腳步研發GPU晶片，那麼國産GPU的性能可能至少會落後20年的時間，而不是現在的10年左右。

結語

2023年，美國對華科技戰進入第五年，逆全球化的趨勢依然明顯。

目前的美國依然吸引着全世界頂級的精英。一個喬布斯颠覆了手機行業，一個馬斯克改變了電動車行業。一個俄羅斯人Ilya Sutskever ，就幫助美國創造了一個新物種……

最近，美國還拉攏日本、荷蘭等其他國家加入中美之間的晶片、人工智能行業戰略競争，意圖封堵中國高端晶片的發展。

未來20-50年極有可能是AI時代，而底層基礎就是高端晶片，被美國等國聯合封堵的我們，在較長時間内或許都無法制造出比肩英偉達等國際頂級公司的高水準AI晶片。

面對一個新的時代，我們又該如何破局？

有一句話是這麼說的：如果不能超越，那就模仿，摸着鷹醬的腦袋過河，直到把它摸成秃頭鷹為止。

本文源自價值線