GPU是AI算力的最優解嗎？有哪些公司可能自研芯片打破英偉達的壟斷地位？_風聞

​

GPU 是 AI 算力的最優解嗎？如果不是，還有哪些公司可能自研芯片打破英偉達的壟斷地位？

英偉達的GPU未必是算力最優解，但在當前階段是效費比最優解，而天下事怕就怕成本二字。

X86架構能成為桌面主流，ARM能成為移動端主流是因為它們是算力最優解嗎？

電動車能成為新能源主流，難道是因為電動車是新能源最優解嗎？

以英偉達GPU為人工智能的算力支撐，除了英偉達的高性能GPU本身在算力方面的優勢外，還有一個很重要的原因在於英偉達GPU是目前唯一可以持續穩定廉價且足量供應的優質算力工具，你別看A100顯卡動不動大幾萬，H100動不動幾十萬，但這已經是目前最廉價的優質算力解決方案了，比它能算的方案比它貴出一大截，比它便宜的方案遠遠沒它能算，説白了英偉達GPU的效費比是最好的，你其實根本就沒得選。

之所以英偉達GPU會成為人工智能最具效費比的算力工具，這和人工智能最初的誕生環境有關。

目前人工智能訓練的基礎大綱是反向傳播算法，基於這套算法的梯度優化是人工智能訓練的主流技術路徑，反向傳播算法之父辛頓在最初設計這套算法的時候，就是用英偉達的遊戲顯卡作為算力工具的，這導致這套算法和英偉達GPU具有天然的適配性，相當於是孃胎裏帶出來的優勢，就像你問中國人為什麼説中國話説的那麼好，我怎麼知道，從小在那麼個環境里長大，説着説着自然就説的好了。這種高適配性帶來的優勢就是高效費比，可以近似的理解為早年的主機遊戲通過手工調整代碼讓遊戲程序更適配於主機硬件，這讓主機遊戲可以在硬件參數遜於同時代PC的情況下，通過更好的適配性，讓遊戲的畫面表現打平乃至超越同時代的PC。

這個道理其實國內也有人懂，當年百度和谷歌競逐招募辛頓時，除了開出的價碼比谷歌高外，還承諾在辛頓採購硬件上給予大量照顧，特別是辛頓孜孜以求的顯卡。

另一方面英偉達在人工智能領域佈局多年，其硬件的設計方案在數年前就針對人工智能的使用場景進行了針對性優化，連帶着整個產業設計思路也越來越“親人工智能化”，就連遊戲硬件都開始引入深度學習超級採樣技術來改善畫面表現，實現了人工智能對遊戲硬件的反哺，再加上遊戲顯卡和數據中心兩大關鍵業務攤薄了相關研發成本，在進一步提高了和人工智能算法的適配性的同時還進一步降低了成本，效費比再次提升。

至於英偉達常年深耕半導體供應鏈帶來的全產業鏈成本優勢，更是毋庸多言，工業化的優勢並非製造單一高技術產品——那是手工業的優勢——恰恰在於批量提供質量穩定成本低的量產產品。

企業為啥要做人工智能？為了賺錢，因此效費比最高的方案哪怕不是技術最優解，也是現實最優解。

隨着人工智能的逐步迭代和英偉達針對迭代後的人工智能的針對性硬件設計，這種效費比優勢只會增加而不會減弱，因為它是一個標準的帕累託改進過程，是一個越滾越大的雪球：高適配性→高性能→高效費比→高應用量→高利潤→高改進→高適配性。

這注定了其它任何後來者在檢索所有技術路線後會發現，最優解就是去把英偉達已經走過的路再原模原樣的走一遍。

領先這個東西，是一步快，步步快，落後也一樣，一步慢，步步慢。