AI芯片市场正呈现出一个关键变化, 挑战英伟达的, 并非仅仅是AMD、博通、Cerebras等传统或者新兴的芯片厂商, 而更是那些掌控着云计算入口、客户资源以及资产负债表能力的云巨头。

正在把过去主要服务于自身云平台的定制AI芯片推向更广阔外部市场的公司是亚马逊和谷歌, 这就意味着, 云厂商不再仅仅只是英伟达GPU的大客户了, 而且他们还开始计划使自己成为AI基础设施的芯片供应商以及系统方案提供者句号。

亚马逊正跟潜在那些客户展开洽谈工作, 打算把它自主研发的那个AI加速器Trainium售卖到别的公司的基础设施数据中心里面去, 亚马逊人工智能业务负责人Peter DeSantis宣称, AI基础设施正处于快速的演变进程当中, AWS始终就在寻觅能够触达更多一些客户的办法。

Trainium在2020年被推出, 起初主要经由AWS供客户调用, 如今, 像OpenAI、Anthropic以及Uber这类公司都已运用此硬件。亚马逊先前宣称, 和该芯片相关的AI基础设施需求已然带来了超2250亿美元的营收承诺, 亚马逊CEO Andy Jassy在致股东信里也曾确切表明, 公司“极有可能”把成机架的芯片售卖予第三方。

曾几何时, 亚马逊所自行研发的芯片, 更多的是作为 AWS 内部用于降低成本、提升效率的工具。比如, 针对通用计算的 Graviton, 还有针对 AI 训练以及推理的 Trainium、Inferentia。然而如今, 亚马逊正试图朝着将这些芯片从“云服务能力”转变为“能够向外售卖的基础设施产品”这一方向迈进。

德桑蒂斯称, 第三代Trainium在今年早些时候就已起始出货, 而现在已然是“基本售罄”的状况了, 并且市场对于预估明年才会登场亮相的第四代Trainium也是展现出了浓烈的兴趣。关于外销芯片会不会对AWS云业务造成侵蚀的这个疑问, 他并没有担忧, 原因乃是AI领域里的算力消费需求到现在依旧远远没有被满足。

除却亚马逊, 谷歌同样在大力促使TPU商业化进程加速向前推进。TPU最初乃是谷歌专门为内部的AI任务开发出的芯片, 其作用在于为搜索、推荐、语音识别以及大模型训练等业务提供支撑。伴随AI算力的需求急剧猛增, 谷歌开始经由GoogleCloud向外部客户去开放TPU, 现如今更是进一步打算向特定的客户直接交付芯片, 以供这些客户在自有数据中心开展使用。

谷歌采用的打法并非单纯卖芯片, 而是效仿英伟达近些年构建生态的方式, 通过资金, 借助算力租赁, 利用数据中心项目, 与核心客户紧密绑定, 以此扩大芯片实现落地的规模。

于纽约州西部的Lake Mariner AI数据中心项目当中, 谷歌给相关项目给予了32亿美元的财务担保, 项目开发商会向Anthropic出租搭载谷歌TPU的计算能力。谷歌又与黑石达成50亿美元交易, 去建立新的云服务公司, 参与和CoreWeave、Nebius等英伟达生态云服务商展开竞争。另外, 谷歌还在路易斯安那州、得克萨斯州等地对多个AI计算基础设施项目进行支持。

处在这套打法背后的, 是因 AI 算力供给欠缺所造就的市场窗口。以往, 英伟达靠 GPU 性能、CUDA 软件生态、网络互连以及整机系统能力, 近乎垄断了高端 AI 训练和推理市场。众多 AI 实验室以及云服务商不但得去购买英伟达芯片, 而且还得采购完整硬件栈, 以此来保证性能、供货以及生态兼容。

由于AI竞赛演变成一场算力军备竞赛, 客户开始寻觅更多选择, 成本、供货、数据主权、本地化部署以及供应链安全, 正成为非英伟达方案进入市场的关键缘由。

外售Trainium于亚马逊而言, 其一个重要背景是, 美国以外的市场之中, 对本地化控制计算资源的需求呈现出上升态势。特别是在欧洲地区, “主权云”以及“主权AI”的概念热度不断升高, 部分的政府和企业希望, 数据、模型训练与推理过程能够尽可能在本地司法管辖范围之内留存。这给亚马逊、谷歌等云巨头提供了新的商业切口, 它们既能提供云服务, 还能够把自研芯片和系统交付给本地数据中心或者合作伙伴去进行部署。

处于进一步发展态势的谷歌, 努力借用资产负债表能力开辟客户市场。谷歌与一般芯片初创公司比, 展现出具备更强大资金实力的特点, 有着长期芯片研发方面的积累, 还拥有Anthropic等模型生态资源。谷歌的身份较为特殊, 它属于英伟达的客户范畴, 同时又是英伟达的竞争对手；它既在自家所拥有的数据中心运用GPU开展相关工作, 也在积极推进TPU成为一种替代方案。

然而, 这并不是说英伟达设立起的防护堤就能够在短时间内快速崩溃瓦解。英伟达所具备真实强大之所在, 这之中并不全都系于芯片自身一方面, 而系于由GPU、CUDA、NVLink、网络设备、服务器系统、有着相关功能的软件库以及开发者生态一同搭建而成的完备整体平台才是关键。对于众多的诸般不同类型客户情形来讲, 从英伟达切换转变到TPU方案、Trainium方案或者是其他的ASIC方案, 这可不单单是进行采购另外的一颗芯片这样简洁之事, 而是需要再次去周全考量评估模型适配性、软件迁移过程复杂程度、工程当中应用之时需要达到的效率以及从长远角度来看的供货方面存在的风险等一系列事宜。

黄仁勋曾多次着重表明, 英伟达在市场方面所具备的触达能力, 以及其生态所涵盖的广度, 远远超越了仅仅单一的TPU或是ASIC这样的方案, 也就是说, 英伟达并不觉得云巨头自行研发芯片能够在短时间之内使得自身核 心地位被动摇。

然而, 那种对于亚马逊以及谷歌所作的进攻之举, 依然是值得予以重视的。它们所瞄准的并非仅仅只是去简单复制英伟达, 是在有这样的背景之下, 也就是AI算力处于供不应求的状况, 还有客户成本压力出现上升的情形, 以及主权云需求呈现扩张的态势, 去切出一部分市场, 而这部分市场是更适合定制芯片的。

对于亚马逊来讲, Trainium向外售卖这一情况, 意味着AWS自己研发芯片所采取的战略, 从“在内部降低成本”转变为“向外部实现变现”, 对于谷歌来说, TPU直接销售以及数据中心进行融资, 意味着它正在把多年积攒下来的AI硬件方面的能力, 转化成更具攻击性的商业模式。

芯片竞争, 正从单点性能竞争, 转向“芯片加之云组合, 资金关联，客户涵盖, 数据中心整合”的系统竞争。英伟达, 仍是此市场最强劲的参与者, 然而它所面对的对手, 已不再仅是传统概念中的芯片企业, 而是那些具备模型, 兼拥云平台, 更有资本实力的超级科技公司。

参考链接

https://www.wsj.com/tech/ai/google-is-using-nvidias-playbook-to-build-a-rival-ai-chip-business-1eac86f9