GPT-5出世，需5万张H100！英伟达GPU陷短缺风暴

随着人工智能技术的不断突破，自然语言处理领域也掀起了一波又一波的革命。从GPT-3.5的惊艳登场，到紧随其后的GPT-4的惊世震人，人们仿佛置身于科幻电影中，亲历了一场场技术的奇迹。然而，这场奇迹背后却逐渐显现出一道不容忽视的阴影：GPU资源的巨大需求与紧缺。

随着GPT模型的不断升级，其规模和复杂性也在飞速增长。GPT-4的发布更是将模型推向了前所未有的高度，但与此同时，巨大的模型也意味着巨大的计算资源需求。大量的GPU资源投入不仅成为了模型训练的基础，更是各大公司在人工智能领域竞争中的生死攸关的关键因素。然而，GPU资源的紧缺却成为了一道无法回避的门槛。即使是规模庞大的公司也面临着在GPU市场中争夺宝贵资源的压力，这使得许多初创公司或研究机构难以承担高昂的计算成本。

未来GPT-5的出世导致现在GPU资源需求势必将再次攀升。在GPU未来的发展方向上，充满着无限的可能性。科技巨头英伟达将扮演着关键的角色。以技术创新为核心，英伟达或将致力于设计更高性能的硬件，同时关注资源的智能分配，为GPU资源的有效利用开辟更广阔的道路。而随着量子计算等前沿技术的崛起，GPU或将进一步融合多样的计算形式，为AI领域拓展更大的天地。

在这个竞争激烈、变革不息的时代，GPT模型的崛起既是挑战，更是机遇。OpenAI将在求索技术突破的同时，探索可持续发展之道。GPU作为这一领域的基石，其未来将为人工智能的壮大提供坚实支撑。英伟达也将在创新驱动下，引领着GPU技术的前行。让我们共同期待，未来的科技格局将会呈现怎样的精彩局面。

1. 我们需要多少张GPU

「谁将获得多少H100，何时获得H100，都是硅谷中最热门的话题。」

OpenAI联合创始人兼职科学家Andrej Karpathy近日发文，阐述了自己对英伟达GPU短缺的看法。

而他所评论的tweets里便是一张社区广为流传的图「我们需要多少张GPU」

翻译一下图里内容：

• GPT-4可能在大约10000-25000张A100上进行了训练
• Meta大约21000 A100
• Tesla大约7000 A100
• Stability AI大约5000 A100
• Falcon-40B在384个A100上进行了训练
• Inflection使用了3500和H100，来训练与GPT-3.5能力相当的模型

马斯克最近猜测，GPT-5可能需要30000-50000个H100。此前，摩根士丹利曾表示GPT-5使用25000个GPU，自2月以来已经开始训练，不过Sam Altman之后澄清了GPT-5尚未进行训。

不过Altman曾表示：

我们的GPU非常短缺，使用我们产品的人越少越好。
如果人们用的越少，我们会很开心，因为我们没有足够的GPU。

2. GPU需求真的是遇到了瓶颈吗？

各大公司GPU需求：约43万张H100

当前，生成式AI爆发仍旧没有放缓，对算力提出了更高的要求。一些初创公司都在使用英伟达昂贵、且性能极高的H100来训练模型。马斯克说，GPU在这一点上，比药物更难获得。Sam Altman说，OpenAI受到GPU的限制，这推迟了他们的短期计划（微调、专用容量、32k上下文窗口、多模态）。

Karpathy 发表此番言论之际，大型科技公司的年度报告，甚至都在讨论与GPU访问相关的问题。

上周，微软发布了年度报告，并向投资者强调，GPU是其云业务快速增长的「关键原材料」。如果无法获得所需的基础设施，可能会出现数据中心中断的风险因素。

他猜测，OpenAI可能需要50000个H100，而Inflection需要22,000个，Meta可能需要 25k，而大型云服务商可能需要30k（比如Azure、Google Cloud、AWS、Oracle）。

Lambda和CoreWeave以及其他私有云可能总共需要100k。他写道，Anthropic、Helsing、Mistral和Character 可能各需要10k。

作者表示，这些完全是粗略估计和猜测，其中有些是重复计算云和从云租用设备的最终客户。

整体算来，全球公司需要约432000张H100。按每个H100约35k美元来计算，GPU总需求耗资150亿美元。这其中还不包括国内，大量需要像H800的互联网公司。

还有一些知名的金融公司，比如Jane Street、JP Morgan、Two Sigma等，每家都在进行部署，从数百张A/H100开始，扩展到数千张A/H100。

包括OpenAI、Anthropic、DeepMind、谷歌，以及X.ai在内的所有大型实验室都在进行大型语言模型的训练，而英伟达的H100是无可替代的。

3. H100为什么成为首选？

• H100比A100更受欢迎，成为首选，部分原因是缓存延迟更低和FP8计算。
• 因为它的效率高达3倍，但成本只有（1.5-2倍）。考虑到整体系统成本，H100的性能要高得多。
• 从技术细节来说，比起A100，H100在16位推理速度大约快3.5倍，16位训练速度大约快2.3倍。
  
  
  
  大多数公司购买H100，并将其用于训练和推理，而A100主要用于推理。但是，由于成本、容量、使用新硬件和设置新硬件的风险，以及现有的软件已经针对A100进行了优化，有些公司会犹豫是否要切换。

4. GPU 并不短缺，而是供应链问题

英伟达的一位高管表示，问题不在于 GPU 短缺，而在于这些 GPU 如何进入市场。英伟达正在正在开足马力生产GPU，但是这位高管称，GPU的产能最主要受到的是供应链的限制。芯片本身可能产能充足，但是其他的组件的产能不足会严重限制GPU的产能。这些组件的生产要依赖整个世界范围内的其他供应商。不过需求是可以预测的，所以现在问题正在逐渐得到解决。

GPU芯片的产能情况

首先，英伟达只与台积电合作生产H100。英伟达所有的5nmGPU都只与台积电合作。未来可能会与英特尔和三星合作，但是短期内不可能，这就使得H100的生产受到了限制。根据爆料者称，台积电有4个生产节点为5nm芯片提供产能：N5，N5P，N4，N5P
而H100只在N5或者是N5P的中的4N节点上生产，是一个5nm的增强型节点。而英伟达需要和苹果，高通和AMD共享这个节点的产能。而台积电晶圆厂需要提前12个月就对各个客户的产能搭配做出规划。如果之前英伟达和台积电低估了H100的需求，那么现在产能就会受到限制。而爆料者称，H100到从生产到出厂大约需要半年的时间。而且爆料者还援引某位退休的半导体行业专业人士的说法，晶圆厂并不是台积电的生产瓶颈，CoWoS（3D堆叠）封装才是台积电的产能大门。

H100内存产能

而对于H100上的另一个重要组件，H100内存，也可能存在产能不足的问题。与GPU以一种特殊方式集成的HBM（High Bandwidth Memory）是保障GPU性能的关键组件。

爆料者援引一位业内人士的说法：主要的问题是 HBM。制造它是一场噩梦。由于 HBM 很难生产，供应也非常有限。生产和设计都必须按照它的节奏来。HBM3内存，英伟达几乎都是采用SK Hynix的产品，可能会有一部分三星的产品，应该没有镁光的产品。英伟达希望SK Hynix能提高产能，他们也在这么做。但是三星和镁光的产能都很有限。而且制造GPU还会用到包括稀土元素在内的许多其他材料和工艺，也会成为限制GPU产能的可能因素。

5. GPU芯片未来情况将如何发展

英伟达的说法

英伟达只是透露，下半年他们能够供应更多的GPU，但是没有提供任何定量的信息。

我们今天正在处理本季度的供应，但我们也为下半年采购了大量供应。
我们相信下半年的供应量将大大高于上半年。

– 英伟达首席财务官 Colette Kress 在2023年2月至4月的财报电话会议上透露

接下来会发生什么？

GPU的供应问题现在是一个恶性循环，稀缺性导致GPU拥有量被视为护城河，从而导致更多的GPU被囤积起来，从而加剧稀缺性。

– 某私有云负责人透露

H100的下一代产品何时会出现？

根据英伟达之前的线路图，H100的下一代产品要在2024年末到2025年初才会宣布。在那个时间点之前，H100都会是英伟达的旗舰产品。不过英伟达在此期间内会推出120GB水冷版的H100。
而根据爆料者采访到的业内人士称，到2023年底的H100都已经卖完了！！

6. 如何获得H100的算力？

前边英伟达的高管提到，H100的GPU所提供的算力，最终要通过各个云计算提供商整合到产业链中去，所以H100的短缺，一方面是GPU生成造成的。
另一个方面，是算力云提供商怎么能有效地从英伟达获得H100，并通过提供云算力最终触及需要的客户。

这个过程简单来说是：
算力云提供商向OEM采购H100芯片，再搭建算力云服务出售给各个AI企业，使得最终的用户能够获得H100的算力。而这个过程中同样存在各种因素，造成了目前H100算力的短缺。

H100的板卡找谁买？

• 戴尔，联想，HPE，Supermicro和广达等OEM商家都会销售H100和HGX H100。
• 像CoreWeave和Lambda这样的GPU云提供商从OEM厂家处购买，然后租给初创公司。
• 超大规模的企业**（Azure、GCP、AWS、Oracle）**会更直接与英伟达合作，但也会向OEM处购买。这和游戏玩家买显卡的渠道似乎也差不多。但即使是购买DGX，用户也需要通过OEM购买，不能直接向英伟达下订单。
  

大型云计算平台之间的比较

而对于很多初创公司而言，大型云计算公司提供的云服务，才是他们获得H100的最终来源。云平台的选择也最终决定了他们能否获得稳定的H100算力。

总体的观点是：Oracle 不如三大云可靠。但是Oracle会提供更多的技术支持帮助。

其他几家大型云计算公司的主要差异在于：

1. 网络：尽管大多数寻求大型 A100/H100 集群的初创公司都在寻求InfiniBand，AWS 和 Google Cloud 采用InfiniBand的速度较慢，因为它们用了自己的方法来提供服务。

2. 可用性：微软Azure的H100大部分都是专供OpenAI的。谷歌获取H100比较困难。

英伟达如何分配H100

英伟达会为每个客户提供了H100的配额。英伟达关心最终客户是谁，因此如果英伟达如果对最终的使用客户感兴趣的话，云计算提供平台就会得到更多的H100。英伟达希望尽可能地了解最终客户是谁，他们更喜欢拥有好品牌的客户或拥有强大血统的初创公司。

是的，情况似乎是这样。NVIDIA 喜欢保证新兴人工智能公司（其中许多公司与他们有密切的关系）能够使用 GPU。请参阅 Inflection— —他们投资的一家人工智能公司— —在他们也投资的 CoreWeave 上测试一个巨大的 H100 集群。
– 某私有云负责人

总结

GPU的短缺问题确实客观存在的，但是网络上还是有很多炒作的成分。OpenAI的GPT-5目前看来暂时无法出世，因为他们还无法获得足够的GPU。

也有很多公司也在训练自己大模型，他们也在大量购买囤积GPU，这也是促使GPU短缺的现象越演愈烈，也产生了一些泡沫。

我们可能还不知道GPT-5何时出，也不知道还有什么样的优秀大模型即将横空出世，但是我们都能看到的一件事就是，英伟达赚麻了。

参考
https://www.nextplatform.com/2022/03/23/nvidia-will-be-a-prime-contractor-for-big-ai-supercomputers/
https://twitter.com/karpathy/status/1686880098417508353
https://trace-tec.vn/nvidia-hopper-architecture-in-depth-ne38.html
https://mp.weixin.qq.com/s/aPMq4iVZPMiK0QZFDhOzag