英伟达、AMD 高端芯片断供，国产芯片如何迅速崛起

来源：大数据文摘转载自AI科技大本营

整理：苏宓

出品：CSDN

8 月 31 日，据外媒 Protocol、路透社等多家报道，美国开始对出口人工智能相关应用所需的先进芯片施加新的限制，其中 AMD、NVIDIA（英伟达）等半导体巨头受到了直接的影响。

英伟达的 A100、H100、A100X 均被限制

英伟达在周三披露的一份文件中证实了这一消息的真实性，其表示，"2022 年 8 月 26 日，美国政府（或称 USG）通知 NVIDIA，USG 对公司 A100 和即将推出的 H100 集成电路今后向中国（包括香港）和俄罗斯的任何出口提出了新的许可要求，立即生效。"

与此同时，「DGX 及其他任何采用 A100 或 H100 集成电路和 A100X 的系统也在新的许可证要求范围内。许可证的要求范围还会覆盖到未来的一些 NVIDIA 集成电路产品，其中只要新品的一切性能等于或高于 A100，以及包含这些电路的任何系统，都要遵守此次许可。」

毫无疑问，这一出口限制会直接影响到 A100 和 H100  图形处理单元产品的销售，英伟达的股价应声下跌 6.5%。

几天前，英伟达发表一份声明预计第三季度营业收入约为 59 亿美元，而针对此次突发性事件的影响，本季度英伟达在中国的潜在销售可能会损失 4 亿美元。另一方面，英伟达认为这也可能会阻止 H100 的开发进程，进一步影响该公司的数据中心产品的销售。

剑指高端 GPU

A100 是英伟达于 2020 年发布的 GPU 旗舰产品，基于 Ampere 架构。彼时 英伟达 CEO 黄仁勋表示，A100 采用的是先进的台积电（TSMC）7nm 工艺，拥有 540 亿个晶体管，其性能相比前代产品提升了 20 倍，此外 GPU 的最大功率达到 400W。这款作为通用型工作负载加速器，主要应用在 AI 领域。

另一款受影响的产品 H100，作为 A100 的替代者，在设计方面采用了最先进的台积电 4nm 工艺、拥有 800 亿个晶体管，可以加快 AI、HPC、内存带宽、互连和通信的发展，甚至能够实现每秒近 5 兆字节的外部连接。在性能方面，H100 采用了自然语言处理的标准模型，即新的 Transformer Engine。H100 加速器可以将这些网络的速度提高到上一代的 6 倍而不损失精度。

此外，H100 是第一个支持 PCIe Gen5 的 GPU，也是第一个利用 HBM3 的GPU，实现了 3TB/s 的内存带宽。20 个 H100 GPU 可以维持相当于整个世界的互联网流量。

英伟达的 A100X 和 H100 提供比 A100 更高的性能，几款都属于高端的 GPU 产品，此次断供也带来了极大的影响。"新的许可证要求可能会影响公司及时完成 H100 的开发或支持 A100 的现有客户的能力，并可能要求公司将某些业务从中国过渡出去，" 英伟达表示。

同时，据 CNBC 报道，英伟达称“公司正在与美国政府接触，并正在为公司的内部开发和支持活动寻求豁免。我们正在与中国的客户合作，用替代产品满足他们计划或未来的购买。在替代产品不够的情况下，可能会申请许可证。”

这款替代产品极有可能是 A30，不过 A30 的性能比 A100 低得多，而且不提供类似的可扩展性。尽管如此，在人工智能、分析或高性能计算方面，A30 会是一个备选。

AMD 也在列

除了英伟达之外，也有媒体报道称 AMD 也收到了来自美国的类似通知，涉及其适合执行 AI 相关计算的 GPU 系列，AMD 的 MI200 产品波及其中。不过相较于英伟达，基于 AMD 在中国的销售业务规模，它受到的影响要小一些。

启示录

内容描述.

这也不禁让我们想起不久之前，美国商务部以“保证这些对美国国家安全至关重要的技术不被恶意利用”为由，宣布于 8 月 15 日生效的新规定：

对设计 GAAFET（全栅场效应晶体管）结构集成电路所必需的 ECAD（EDA）软件、金刚石和氧化镓为代表的超宽禁带半导体材料、燃气涡轮发动机使用的压力增益燃烧（PGC）等四项技术实施新的出口管制。

毋庸置疑，当前部分芯片的断供为我们敲响了警钟。近年来，其实不少人也意识到了芯片自研的重要性。根据《2021-2022 中国开发者调查报告》显示，芯片创业团队迅速崛起，过去一年小于 10 人的芯片创业团队占比超过 50%。

不过，作为基础设施的重要一环，盲目的投入势必会丢失方向，那又该如何在国产芯片行业实现突破？上海交通大学计算机科学与工程系教授梁晓峣也曾在《国产GPGPU如何赶超国外？这3条路最有希望》一文中剖析了当前这个时代“好用”的芯片成长之路：

这是一个非常好的时代，芯片产业总是由先进工艺推动的，我们可以乐观的预期未来推动先进工艺的未必是美国的英特尔或英伟达，或许可能是中国的某家高科技公司呢？但另一方面，我们也必须看到英伟达研发一款新品的投入是以十亿美金计，如果一个芯片公司的销售达不到这个规模，肯定是无法持续的。

当前海量的资本都疯狂的涌入这个赛道，而芯片是一个需要打持久战的行业，一旦收入无法跟上，或无法成长为某个赛道的头部，结局就可能很悲惨，即便是“飞起来的猪”也可能很快掉下来。

我们必须理解市场需要的不是“好”的芯片，而是“好用”的芯片。所谓好的芯片就是绝对算力高、硬件指标高，这个相对容易做到。但是做到好用就很困难，做出来的芯片没办法把潜力发挥出来，这是目前AI芯片公司的通病。

还是以史为鉴，英伟达其实也是一步一步从不好用做到好用，走过了一个漫长的阶段。早期的GPU是很不好用的，没有什么人会用GPU编程，只有那些所谓的“极客”会考虑使用GPU，拼命把其中的算力榨取出来。可以说早期的GPU比现在的AI芯片更不好用。

这时候就需要有一批行业领袖和技术大咖挺身而出，代表性的人物包括UIUC的胡文美教授（Wen-mei Hwu），他们发明了CUDA，从此有了可以直接对GPU进行编程的语言，使得GPU的潜力得以充分发挥，从而真正走上了腾飞之路。又经过十年左右的发展，形成了一个非常强大的生态，可以支持各种各样的应用，丰富了高级语言的属性，能够支持更为复杂的模型和算法，并且逐步在很多行业形成垄断。

因此，芯片是一个需要不断积累的行业，而且独行未必会有一个良好的结果，只有众人拾柴方能让火焰高。中国工程院院士倪光南也曾在“第十七届开源中国开源世界高峰论坛”上呼吁，「建议我国在发展芯片产业时，要抓住开源发展的新潮流，抓住新一代科技革命和产业变革的发展机遇，用好开源的创新模式，结合我国举国体制和超大规模市场优势，聚焦开源绿色发展架构，发展中国芯片产业，大力发展壮大 RISC-V 产业生态。」

参考链接：

https://www.sec.gov/ix?doc=/Archives/edgar/data/0001045810/000104581022000146/nvda-20220826.htm

https://www.protocol.com/bulletins/nvidia-amd-ai-chips

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）大脑研究计划，构建互联网（城市）大脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”