生成式AI的花园里 英伟达如何做“挖掘工”

英伟达的GPU为什么昂贵？

作者：江月

编辑：陶力 卢陶然

图源：图虫

"CPU扩张的时代已经过去了"是英伟达创始人兼CEO黄仁勋在5月29日台北国际电脑展上宣布的话。”整场持续了2小时的演讲中，他围绕着生成式AI带来的“触发点”，将英伟达近期的硬件、软件、系统新品进行了一番兜底式介绍。

黄仁勋称，GPU塑造的“新计算机”到来了。由英伟达打造的新型“计算机”，形态已经不同以往，它的单台售价高达20万美元。在“昂贵”的争议之中，黄仁勋又称，GPU是每个电力预算有限的公司之不二选择，也是最“省钱”的基建选择。

黄仁勋近期在公开演讲中称，面对AI时代，人们需要“奔跑、而不是慢慢地走”。在生成式AI的花园里，英伟达显然正在奋力挖掘中。

解码GPU数据中心成本

“大家总是说GPU数据中心很贵，让我来算给你看。”5月29日，英伟达创始人兼首席执行官黄仁勋在台北国际电脑展上，向公众具体地介绍了GPU数据中心的成本。

英伟达在与供应商和客户会面时带来了全新的AI计算机DGX GH200。这是一款集成了256个英伟达最高性能CPU和GPU的超级计算机，能满足“超大大模型”的训练需求。

DGX GH200使用英伟达NVLink-C2C互连技术，将基于Arm的Grace架构CPU和Hopper架构GPU进行架构互联，实现了高达900GB/s的总带宽，比传统加速系统中的标准PCIe Gen5通道高出7倍，这种算力能够满足眼下要求最苛刻的生成式AI和HPC应用。

图为英伟达于5月29日公布的GH200 Grace Hopper超级芯片

英伟达公司供图

随着市场对数据中心基建需求的增长，英伟达眼下也需要向市场施展一些“销售手段”。最迫切的需求，就是化解人们对其设备“昂贵”的恐惧。

简单来说，“使用GPU数据中心，你可以获得150倍的性能，并省下2/3的成本。”黄仁勋称。

黄仁勋介绍，以同样的1000万美元预算为例，AIGC开发商可以搭建一个由960个CPU服务器组成的数据中心，这足以训练1个大语言模型，最终的运营消耗是11千兆瓦时电力（GWh，相当于1100万度电）。

但若换做GPU，则可搭建一个由48个GPU服务器组成的数据中心，不过这个数据中心可以训练44个大语言模型，总共消耗3.2千兆瓦时（相当于320万度电）。

按照上面的计算方法，按照单片价格计算，一片GPU芯片的价格是一片CPU的20倍，似乎“更贵”。不过，如果按照数据中心TCO成本计算法，则GPU数据中心更“省钱”。

黄仁勋甚至直接在演示PPT中列出了一个公式：数据中心持有成本=f{硬件成本（芯片、系统、硬件生态系统），吞吐量（GPU、AIgo软件、网络、系统软件、软件生态系统），使用率（AIgo Lib、软件生态系统），采购运营，生命周期最佳化，算力}，从而解释了数据中心的TCO成本问题。

“为什么这非常重要？因为现实生活中大多数企业都有电力限制。”黄仁勋再次强调。在投入AIGC之时，考虑到这一客观因素，企业必须选择更为高效、低功耗的数据中心产品。

为何GPU在数据中心中的性能如此强大？黄仁勋介绍，这主要归功于三大功能：光线追踪（模拟光的特性）、以张量计算为核心的人工智能和全新的算法。

自 2017 年起，英伟达开始在 GPU 上同时实现这三个功能，并且其使用 GPU 生成图片的效果首次引起市场的惊艳。当时，使用CPU服务器“无中生有”一张图片需要花费数个小时（这个过程用专业说法叫做“渲染”），但英伟达使用GPU只花了15秒。

然而，新型GPU计算机所谓的“便宜”并不是针对消费级市场而言的。目前，个人电脑市场上的CPU为核心的PC、笔记本等因其价格更为实惠，无法被替代。

黄仁勋在演讲中展示了一台由8个H100芯片构成的全新GPU计算机。“它是全球最昂贵的计算机。”黄仁勋称。

这个新型电脑重达65磅（大约29.5公斤），必须要借助机器人才能实现平稳、精确的安装。“这台电脑售价20万美元。”黄仁勋称。

启动AIGC行业变革

这是一种重写方式：英伟达攻占AIGC龙头地位的第一步是通过使用硬件淘汰“CPU时代”。眼下，英伟达已经在软件生态圈中进行精心布局，除了将CUDA计算模型推广给400万名软件开发者以外，还推出了游戏AI模型代工服务，并深入到制造业中支持虚拟工厂、机器人仿真技术和自动化检测。

“为什么这么多年来，人们无法创造一种新的计算方法？”黄仁勋谈及CPU时代时称。他指出，这是因为硬件与软件、消费市场与开发商供应者之间存在一种“鸡生蛋、蛋生鸡”的关系，导致互相牵制，令基于CPU的计算方法得以持续甚久。

因此，为了打破“CPU时代”的桎梏，英伟达除了大力设计芯片硬件，也十分关注搭建软件生态环境。CUDA计算模型就是英伟达为这个长远布局落下的一枚关键棋子。

目前已有超过3000个应用程序和400万开发者使用英伟达Cuda计算模型。仅在去年一年，Cuda的下载量就达到了2500万次，总下载量已经达到了4000万次。”黄仁勋称。他指出，在拥有了如此庞大规模的软件基础上，GPU取代CPU才实现可能。

总结黄仁勋两个小时的演讲内容，可以看到英伟达对AIGC领域的挖掘，涵盖了核心的超级芯片、到互连技术再到算法引擎的优化、以及配套软件的升级。

事实上，AIGC所涉及到的文生文、文生图、2D图生3D图等，正在经过多种大模型或应用进行实现，包括英伟达旗下的对话式 AI 模型开源框架NeMo、Meta旗下的大模型LLaMa、使用GPT模型的应用ChatGPT、以及文生图应用Stable Diffusion等。

目前，全球最有影响力的AIGC科技龙头都在深度使用英伟达所提供的工具，也推动英伟达在美股市场上攀爬“1万亿美元”市值的高峰，很快就要和苹果、微软、谷歌、亚马逊一起处于“万亿俱乐部”中。

英伟达此次带给AIGC行业的工具之多，令市场感到十分吃惊。除了以上的产品，英伟达在大型游戏创作和数字化工厂方面的介入，也十分引人注目。

在游戏创作方面，黄仁勋展示了一段游戏片段。这个片段中，除了现实感逼真的画面制作外，游戏玩家和NPC之间的对话也是完全由AIGC生成的。换句话说，以后的游戏可以“千人千面”，玩家面对的不再是只会吐露模式化回复的NPC。ACE游戏开发版是英伟达提供的AI模型代工服务，它可以帮助游戏开发商轻松使用该功能。

英伟达又介绍，现在一些领先的电子制造商已经使用英伟达的AIGC和元宇宙平台omniverse实现工厂的“数字化”。

在制造业，全球大约有1000万家工厂，它们是工业数字化的重点领域。

黄仁勋表示：“工业制造的都是实物，如果能先以数字的方式制造产品，可以节省数十亿美元。”

眼下，在工业领域，英伟达主要打造了Omniverse和生成式AI来帮助工厂进行虚拟工厂的设计，还推出了Isaac Sim模拟和测试机器人、Metropolis光学检测自动化工具。

据了解，富士康、和硕、广达等电子设备制造商已经在利用英伟达上述工具加快笔记本电脑、智能手机的生产和装配。

21Tech

南财集团特色栏目

往期推荐

从工业互联网到AIGC：智能制造如何跃迁？

05-30

荣耀CEO赵明：按需制定芯片战略 2023年研发占比维持10%

05-30

手机厂商竞逐影像和折叠屏 华为详解技术密码

05-29

英伟达呼吁“以跑代走”做AI，发力超级计算、淘汰CPU时代

05-29

以上是生成式AI的花园里 英伟达如何做“挖掘工”的详细内容。更多信息请关注PHP中文网其他相关文章！