Originalquelle: Lei Technology

Bildquelle: Erstellt von Unbounded AI

NVIDIA lebt derzeit ein sehr wohlhabendes Leben. Von der Begeisterung für virtuelle Währungen bis zur Ära großer KI-Modelle hat NVIDIAs Entwicklungsgeschwindigkeit in den letzten Jahren alle vorherigen Perioden übertroffen, was auch dazu beigetragen hat, dass der Marktwert des Chipunternehmens erfolgreich die 10.000-Milliarden-Marke überschritten hat Dollarmarke.

Im Vergleich zur burgähnlichen virtuellen Wirtschaft virtueller Währungen ist jedoch die „reale Nachfrage“, die große KI-Modelle mit sich bringen, die wichtigste treibende Kraft für NVIDIA, die Billionen-Dollar-Marktwertmarke zu durchbrechen. Berichten zufolge soll NVIDIAs H100 aus der Bestellung stammen Bis zur Lieferung dauerte es mehrere Monate, und die Prämie des Spots lag einst bei nahezu 100 %.

Die guten Tage von NVIDIA werden jedoch möglicherweise nicht lange anhalten. Da große KI-Modelle als „breiter Weg“ gelten, verstärken große Unternehmen ihre Bemühungen, NVIDIA-Grafikkarten zu kaufen und eigene Trainingsserver zu bauen. Sie sehen auch, dass Gelder abfließen eine Überschwemmung. , machte auch seine eigene kleine Berechnung.

Kürzlich gab OpenAI bekannt, dass es mit der Entwicklung eigener KI-Chips beginnen wird, um seine Abhängigkeit von Nvidia zu verringern. Zufälligerweise kündigte Microsoft, das einen großen KI-Server baut, auch seinen eigenen KI-Chip-Plan an. **Obwohl OpenAI nun nominell zum Microsoft-Lager gehört (Microsoft hat die Übernahme von OpenAI zuvor bereits abgeschlossen), scheinen OpenAI und Microsoft interessanterweise keine Pläne zu haben, Chippläne zu teilen.

Neben OpenAI und Microsoft gibt es auch viele Hersteller, die zu einem Schritt bereit sind.

Von allen Seiten umkämpft

Die Kosten für die Unterstützung eines großen Rechenzentrums sind nicht gering. Allein die anfängliche Hardware-Investition beläuft sich auf „Hunderte Millionen“. Der von Microsoft vor einiger Zeit angekündigte europäische Rechenzentrumsplan sieht eine anfängliche Investition von bis zu 500 Millionen US-Dollar vor, nicht inklusive anschließender Wartung. Wartegebühren. Unter den 500 Millionen US-Dollar entfällt neben dem Infrastrukturbau und anderen Ausgaben der größte Aufwand auf den Kauf professioneller Computerkarten von Nvidia.

Laut einer Analyse vor einiger Zeit könnte der Unterschied zwischen den Kosten und dem Verkaufspreis der Nvidia-Chips mehr als das Zehnfache betragen. Am Beispiel des H100, der bei großen Unternehmen am beliebtesten ist, belaufen sich die Kosten für die Rechenkarte auf etwa 2.000 -2.500 US-Dollar, während der offizielle Verkaufspreis mehr als 25.000 US-Dollar beträgt.

Ob es darum geht, Geld zu sparen oder von diesem aufstrebenden Markt zu profitieren, die Umsetzung eines eigenen Forschungs- und Entwicklungsplans für KI-Chips steht unmittelbar bevor. **Nach den derzeit bekannten Informationen zu urteilen, haben Halbleitergiganten wie Intel und AMD eine neue Runde von Forschungs- und Entwicklungsplänen für KI-Chips angekündigt. Intel nutzt die CPU als Durchbruch, um einen weiteren KI-Chip auf andere Weise zu entwickeln, und hat ihn sogar veröffentlicht Mit der ersten Generation von KI-Chips versucht AMD, Nvidias Position im GPU-Bereich herauszufordern. **

Es ist nicht verwunderlich, dass traditionelle Halbleitergiganten versuchen, ein Stück vom Kuchen abzubekommen. Was Nvidias Aufmerksamkeit noch mehr erregte, war die Ankündigung von OpenAI und Microsoft, dass sie Forschungs- und Entwicklungspläne für KI-Chips starten werden. Als die beiden Hauptnutzer, wenn sie Nvidia aufgeben , sie werden offensichtlich negative Folgen für Nvidia haben. Ökologischer Zustand und Einnahmen haben schwerwiegende Folgen.

Der Chip-Plan von OpenAI wurde erst kürzlich zum ersten Mal enthüllt. Als KI-Unternehmen habe ich Zweifel an den Chip-Forschungs- und Entwicklungskapazitäten von OpenAI. Darüber hinaus bauen sie, den jüngsten von OpenAI veröffentlichten Rekrutierungsinformationen zufolge, ein Forschungs- und Entwicklungsteam von Grund auf auf. Es kann mindestens ein Jahr dauern, bis sie vorläufige Ergebnisse vorlegen können, und es besteht eine hohe Wahrscheinlichkeit, dass sie dazu nicht in der Lage sein werden mit den Flaggschiff-Chips von Nvidia konkurrieren.

Relativ gesehen ist der Chip-Plan von Microsoft besorgniserregender. Die Investitionen von Microsoft in den Chip-Bereich waren tatsächlich ziemlich hoch und das Unternehmen hat in den letzten Jahren viele Produkte produziert. **Der Chip mit dem Codenamen „Athena“, der laut internen Angaben kürzlich enthüllt wurde Quellen, Forschung und Entwicklung begannen bereits 2019 und sind nun in die Testproduktionsphase eingetreten. **

Es wird berichtet, dass OpenAI den Athena-Chip heimlich getestet hat. Als Chip, der für das Training und den Betrieb großer Modelle entwickelt wurde, ist seine Leistung in Bezug auf die Leistung sehr gut, zumindest vergleichbar mit Mainstream-Chips von Amazon, Google und anderen Unternehmen.

Natürlich ist die Leistung von Athena definitiv nicht mit den Flaggschiff-Chips von Nvidia vergleichbar, aber sie kann Microsoft mehr Initiative geben und es Nvidia ermöglichen, bei der Abgabe von Chip-Angeboten etwas zurückhaltender zu sein. Darüber hinaus ist Athena nur der erste professionelle KI-Chip von Microsoft, und seine Forschungs- und Entwicklungsinvestitionen von mehr als 2 Milliarden US-Dollar werden offensichtlich nicht nur zu einem einzigen Ergebnis führen.

Als größter Sponsor von OpenAI wird Microsoft höchstwahrscheinlich von OpenAI verlangen, dass es eine Test- und Bereitstellungsumgebung für den Athena-Chip bereitstellt. Immerhin haben Amazon und Google dies getan. Lange bevor Microsoft, Amazon und Google in viele KI-Unternehmen investiert hatten, stellte Amazon Anthropic zwar finanzielle Unterstützung in Höhe von 4 Milliarden US-Dollar zur Verfügung, verlangte aber auch von der Gegenpartei die Verwendung von zwei von Amazon entwickelten KI-Chips. **

Wenn führende KI-Unternehmen beginnen, auf andere Chips oder selbst entwickelte Chips umzusteigen, wird dies unweigerlich erhebliche Auswirkungen auf die Hardwareauswahl der gesamten KI-Branche haben. Genau das möchte NVIDIA nicht sehen. Wie wird NVIDIA reagieren?

Nvidias Gegenmaßnahmen

Der Charme großer KI-Modelle hat viele Technologieunternehmen in diesen Bann gezogen, und einige glauben sogar, dass dies der Beginn der nächsten industriellen Revolution ist. Lassen Sie uns natürlich nicht darüber diskutieren, wie viele neue Technologien als „Beginn der industriellen Revolution“ bezeichnet wurden. Zumindest gemessen an der aktuellen Entwicklungsroute sollte das große KI-Modell in den letzten Jahren am engsten mit den gewöhnlichen Menschen verwandt sein. Fähigkeiten verbessert .

Die enge Beziehung zu einfachen Menschen bedeutet, dass diese Technologie einen sehr breiten Anwendungsmarkt hat und schnell gefördert und kommerzialisiert werden kann, um Gewinne zu erzielen. Von der Geburt der Technologie bis zu ihrer kommerziellen Nutzung haben sich nur wenige Technologien so schnell weiterentwickelt wie große KI-Modelle. Von der Ankündigung und Freigabe von ChatGPT bis hin zur Entstehung verschiedener großer KI-Modelle und deren Zugänglichkeit für die Öffentlichkeit hat der gesamte Prozess nur kurze Zeit gedauert eines Tages. Die Fertigstellung erfolgt in weniger als einem Jahr.

Von Produktivität bis hin zu Unterhaltung, Konsum, Reisen und Bildung wurden große KI-Modelle in vielen Anwendungen implementiert. Aus diesem Grund verstärken einige leistungsstarke Unternehmen auch ihre Bemühungen, ihre eigenen Rechenzentren und Rechenzentren zu bauen, um größere KI-Modelle bereitzustellen und zu trainieren. Maßstabsgetreue Modelle. KI-Modelle verschaffen Ihnen einen Vorteil gegenüber der Konkurrenz.

**Da der KI-Markt in eine Wettbewerbsphase eintritt, suchen Unternehmen auch nach effizienteren Trainingsmethoden und leistungsfähigeren Modellen. Neben der Optimierung von Algorithmen und anderen Aspekten sind auch professionelle Computerkarten mit stärkerer Rechenleistung ein Muss. **Die Gegenmaßnahmen von NVIDIA sind also eigentlich ganz einfach: Stabilisieren Sie das Forschungs- und Entwicklungsteam und bringen Sie KI-Chips auf den Markt, die anderen Herstellern weit voraus sind.

Die Hardwareleistung ist der größte Vorteil von NVIDIA. Ob Amazon oder Microsoft, solange sie das beste Gleichgewicht zwischen Leistung und Energieverbrauch finden möchten, ist NVIDIA ihre erste Wahl. Es gibt nur zwei Gründe, die Hersteller dazu anregen, selbst entwickelte Chips zu verwenden: Zum einen sind die Chips von Nvidia zu teuer, zum anderen ist das Angebot begrenzt und sie müssen auf Lagerbestände warten, was sich auf die Expansionspläne der Hersteller auswirkt.

Gegenwärtig steigt die Produktionskapazität von Nvidia allmählich an, während das Einkaufsvolumen allmählich zurückgeht, und es sollte bald ein Gleichgewicht zwischen Angebot und Nachfrage erreicht werden. Das einzige Problem ist dann der Preis. Wenn man bedenkt, dass die Kosten und der Verkaufspreis von Nvidia fast zehnmal unterschiedlich sind, sollte es ausreichend Spielraum für Preissenkungen geben.

**Ich persönlich glaube, dass es für viele Unternehmen immer noch ein kostengünstiges Geschäft sein wird, NVIDIAs professionelle Computerkarten zu kaufen, um Hochleistungs-Rechenzentren zu bauen, solange NVIDIA bereit ist, den Preis zu senken. **Was selbst entwickelte Chips betrifft? Tatsächlich benötigen Rechenzentren je nach Größe und Zweck unterschiedliche Arten von Chips. Einige Rechenzentren mit geringeren Leistungsanforderungen eignen sich für den Bau mit selbst entwickelten Chips.

Vereinfacht ausgedrückt nutzen Schulungs- und Entwicklungszentren die professionellen Computerkarten von Nvidia, um die Trainingseffizienz zu verbessern, während Rechenzentren für normale Benutzer selbst entwickelte oder andere Chips verwenden, um die Baukosten und die anschließenden Wartungskosten zu senken. Mit dem Anwendungsbereich von KI-Modellen, To Wenn Unternehmen expandieren, müssen sie offensichtlich mehr Rechenzentren auf der ganzen Welt bauen, um auf die Bedürfnisse der Benutzer in der Nähe reagieren zu können.

Daher werden die Vorteile, die NVIDIA in der Vergangenheit gesammelt hat, auch in Zukunft nicht so leicht verloren gehen. Wenn jedoch andere Unternehmen ins Spiel kommen, wird die Stimme von NVIDIA schwächer. In Bezug auf Produktpreise und andere Aspekte kann NVIDIA einen Teil abgeben seines Gewinns, um den Marktanteil zu halten.

Im Vergleich zu den vorherigen Kämpfen zwischen Göttern und Sterblichen kann die Belagerung von „Guangmingding“ durch viele KI-Unternehmen dieses Mal jedoch kleinen und mittleren KI-Unternehmen tatsächlich ermöglichen, günstigere Lösungen für die Bereitstellung von Rechenzentren zu erhalten.