5月26日， 英伟达最急件处理等级（SHR）的芯片订单大量涌入台积电，直接将台积电5nm产能利用率推至满负荷。
据悉，英伟达的急单包括H100、A100、H800、A800等AI GPU，要知道，之前只有苹果的芯片会下急单，如今英伟达的大量订单突然涌入，让台积电又急又喜。
2023年初，ChatGPT爆火带动了AI芯片的快速需求，英伟达也站上了风口浪尖，一时间风光无两。
然而，尴尬的是国产AI芯片并没有搭上这趟快车，研发、设计、制造远落后于英伟达。国内企业为了发展AI产业，甚至被迫购买“残血版”英伟达芯片。
那么问题来了，英伟达到底有多牛？国产AI芯片真的会颗粒无收吗？
GPU领导者英伟达有多牛？
现在英伟达有多牛？
最直观的市值对比：英伟达市值达到了9632亿美元（约合68054亿人民币），相当于贵州茅台（2.12万亿），+工商银行（1.71万亿）+中国移动（2万亿）+宁德时代（9672亿）。
力压英特尔、台积电、三星，成为“最贵”的芯片企业。
市场份额方面：在独立显卡市场占据了88%的市场份额，在AI 数据中心GPU领域控制着90%的市场，在全球AI市场领域，英伟达占据了超过80%的市场份额。
可以说，在人工智能快速发展的今天，市场上根本离不开英伟达。
应用场景方面：英伟达的GPU已经大量应用在人工智能、超算、量子加速、自动驾驶、互联网、光刻技术等多个领域。
可以想象，未来英伟达GPU的应用领域还会继续扩大，并逐渐影响各行各业，包括你我他。
我们具体来看看英伟达的AI 芯片有多厉害吧！
2023年3月21日，英伟达召开GTC开发者大会，黄仁勋用76分钟介绍了公司多款最新产品，具体包括：
每月3.7万美元，就可以训练自己的ChatGPT
每一家企业都应该有自己的AI大模型，没有怎么办呢？那就使用开放的ChatGPT，然后再进行训练。
考虑到训练ChatGPT需要消耗大量的算力，而普通企业不能研发，也买不起新进的GPU，怎么办呢？
英伟达提供了AI 云服务DGX Cloud，它包含8个A100芯片，完全可以在云端训练ChatGPT，任何企业只要缴纳月租费（3.7万美元），就可以实现。
如此一来，企业就可以采用租赁的方式，介入人工智能大模型，快速开展相关业务，而无需等待计算资源。
为生成式AI提供算力
生成式AI可以让机器，通过算法生成文本、图片、视频等内容，它可以是特定的新闻稿、广告语、电商详情页等。
因为其增加了图片、视频的训练，因此深受人们的喜爱。
为此英伟达推出了L4服务平台，该平台在视频解码、视频编码、视频生成方面更具优势。根据测算L4比传统CPU性能提高了120倍，并且降低了99%的电力消耗。
同时推出了L40平台，专门用于 2D/3D 图像生成。
试想一下，研发一款专用于自媒体的AI，它可以制作视频、构思文章、合成图片，效率提升10倍、百倍，每天2小时，轻松写出10篇文章，多么炫酷。
助力芯片研发
此外，英伟达还发布了一个用2nm制造的突破性计算光刻技术——NVIDIA cuLitho计算光刻库。
芯片在设计和制造环节需要大量的计算，随着芯片制程的变小，晶体管数量的增加，传统的CPU计算方法越来越耗时。
而采用英伟达的GPU方案可以将计算速度提升40倍，大大提高了芯片设计和制造的速度。
例如，两周才能制造好的掩膜版，可以缩短至8小时。
这个方案已经吸引了包括台积电、新思科技、ASML在内的芯片产业链巨头。
一场76分钟的发布会，英伟达就发布了如此强大的产品，任何一项拿出来就够其他芯片企业追十几年了，一口气拿出几个，恐怕也只有英伟达了。
英伟达能够取得如此傲人的成绩，归根结底就是掌握了强大的“算力”。
AI时代，算力为王，随着数字经济和人工智能快速的发展，未来算力就是经济的基石。
根据IDC研究报告： 算力每提高1点，国家的数字经济和GDP将增加3.5%和1.8%。
如今，算力芯片的话语权掌握在英伟达手中，根据公开资料全球前500的超算，70%使用了英伟达的GPU，最新超算使用比例达到了90%。而AI大模型更是离不开英伟达。
为此黄仁勋表示：过去十年，摩尔定律的性能提升了100倍，而英伟达的GPU性能提升了100万倍，未来十年摩尔定律会失效，但自己的“黄氏定律”不会失效。
按照“黄氏定律”，未来十年，英伟达可以让人工智能的性能提升100万倍，让人工智能真正地觉醒。
老黄敢如此吹，就得益于强大的H100芯片。
H100采用了Hopper架构，台积电4nm制造工艺，拥有18432个CUDA核心、576个Tensor核心、60MB二级缓存。
这款GPU集成了800亿个晶体管，算力达到了2000 TFLOPS，比上一代A100算力提升了3.2倍，整体性能提升了6倍。
H100可以进行动态加速，优化路径，这种状态下，算力将提升7倍。
在数据吞吐方面，H100同样非常强大，可实现3TB/s 的显存带宽，5TB/s的互联网速度。
H100还有一个特点，就是拆分GPU，一个单元拆分为7个，同时进行不同的运算任务，并且可以将单个单元性能提升7倍。
它的售价达到了24万人民币，抵得上一款不错的轿车了。但对于专业用户来说，这个价格不亏，毕竟数量有限，先到先得啊！
凭借强大的GPU，英伟达的未来充满希望。
过去几十年，芯片属于英特尔，而未来几十年则属于英伟达。黄仁勋也宣布：AI 的 iPhone 时刻已经来临！因为有了英伟达。
国产AI芯片发展如何？
百度、华为、360、腾讯等国内企业快速的切入AI领域，纷纷宣布研发AI大模型，但是AI基础是算力芯片，没有算力芯片，哪怕是华为也翻不起浪啊！
令人欣慰的是，国产AI芯片厂商也在积极搞研发，例如：景嘉微、寒武纪、壁仞科技、燧原科技、瀚博半导体等。
景嘉微的AI芯片主要应用在军事、工业领域，大模型方面尚未介入，原因无外乎算力不足。
寒武纪研发的芯片，华为都看不上，其实力可想而知。
国产AI芯片真正有实力，能与英伟达H100一较高低的唯有壁仞科技。
在2022年世界人工智能大会上，上海壁仞科技的BR100系列，成为国内AI芯片的代表作。
其中BR100采用了台积电7nm工艺，单芯片峰值算力达到了千万亿次浮点运算，打破多项GPU算力纪录，甚至可以与英伟达的H100相媲美。
网上有博主将BR100与H100进行了比较：
英伟达H100采用了台积电4nm工艺，集成了800亿晶体管，16位浮点算力达到1000T、8位定点算力达到2000T，在稀疏模式下算力可以实现翻倍。
BR100芯片16位浮点算力达到1000T以上、8位定点算力达到2000T以上，单芯片峰值算力达到PFLOPS级别。可以看出，BR100对比H100也毫不逊色。
当然，算力对比只是一方面，真正使用起来才能见分晓。毕竟还要考虑AI性能、显存带宽、互连通信速度、功耗和生态等。
但是，直到今天都没有见到哪个大模型应用几百个BR100，因此真正的对比尚未开始。
为此，我搜索了壁仞科技，发现这是一家初创公司，公司员工不多，但有多位来自其他企业的技术大牛。
焦国方，拥有30多年的GPU技术经验，先后就职于华为和高通，在华为负责鸿蒙OS图形图像处理和UI系统框架；在高通任首席骁龙GPU架构师，帮助高通完成了5代GPU研发与创新。
洪洲，20多年GPU架构设计经验，曾就职于英伟达、兆芯和华为，在英伟达负责Tesla架构和性能调优、CUDA架构开发。在华为负责海思GPU芯片研发。
唐杉，多年芯片设计研发经验，曾在新思科技担任AI芯片架构师，新思科技是全球最强的EDA工具公司。
张凌岚，从事半导体行业前沿20年，曾任职于海光、三星以及 AMD，担任 GPU SOC 架构方面的工作。
李新荣，前AMD全球副总裁、中国研发中心总经理，在芯片产品设计端具有丰富的经验。
徐凌杰，曾任职阿里云计算部门、三星、AMD 以及英伟达。
可以看出，壁仞科技在人才储备方面具有很强的优势，但是规模和数量与英伟达差距巨大。
英伟达的研发人员已经突破2万，而且快速增长的英伟达可以拿出更多的资金招聘、留住更多的GPU人才。
此外，这些从英伟达、AMD、高通过来的工程师，有没有可能会在研发过程中“侵犯专利”，重演当年的“中芯国际、台积电诉讼事件”？
还有关键的一点， 就是制造端 。
目前内地中芯国际的制造水平仅为12nm，而壁仞科技的芯片已经到了7nm阶段，未来还要向5nm、4nm进军，如果性能提升威胁到英伟达，会不会上演“华为事件”？
所以，国产AI芯片能够设计好只能算迈出了第一步，大规模量产和应用更关键。
写到最后
AI 已经到来，英伟达凭借强大研发能力牢牢把控着算力市场，加上台积电独一无二的制造能力，真的是要所向无敌。
内地AI芯片厂商在研发上落后英伟达，在制造环节落后台积电，真的要颗粒无收吗？
未来“壁仞科技+中芯国际”能否在AI芯片领域实现突围？
我是科技铭程，欢迎共同讨论！