作者|宇多田

出品|虎嗅科技组

封面来自视觉中国

如果能给人工智能与科学计算产业设一个热搜榜，那么从昨晚到今天，榜单只有两个热词：

英伟达停货，AMD停货。

作为全球顶级计算芯片企业，两家的公告几乎一夜之间刷遍算法工程师的朋友圈：英伟达的云端加速器系列A100与H100，以及AMD的数据中心级GPUMI100与MI200，都将暂停向中国客户发货，等待下一步通知。

图片由产业提供

虎嗅第一时间联系了英伟达与AMD官方联系渠道，得到的回答均为“不予回复”。但这个消息，已经得到了国内产业相关采购人士的证实。

昨日，一份由英伟达在8月26日提交给美国证券交易委员会（SEC）的报告里明确显示，出口英伟达的服务器GPUA100与H100系列，需要向政府申请新许可证。

“未来峰值性能与芯片I/O性能等于或大于A100的任何英伟达产品，以及包含这些电路的任何系统，都需要遵照新的许可要求。”文件里特意标注出受限的产品型号。

换句话说，代际在A100之后的高端AI加速卡系列（包括A100、H100以及与这些硬件产品密切相关的DGX系统），都将在中国市场受到更加严苛的销售限制。

英伟达接受美国媒体采访时承认，自己正在与中国客户做替代产品相关的交涉。虽然在申请新的许可证以延续中国出口项目，但并不清楚政府能否给予豁免。

从中国市场规模来看，英伟达遭受的打击不小。

据英伟达自己估算，2022年第三季度，他们在中国的潜在销售额会减少4亿美元，而此前的预估收入为59亿美元。消息一出，其股价在周三的盘后交易中跌幅达6.5%。

来自SEC文件

毋庸置疑，英伟达各系列GPU产品一直都是产业焦点。特别是数据中心级加速卡，基本代表着全球图形处理器软硬件的最高水准。

而A100，是在V100发布4年后，于2020年才推出的新一代数据中心级云端加速芯片。

如果说2019年前后，国内华为等中国企业陆续发布了可对标V100系列的产品（很明显，参数上的超越不代表实际应用的超越），那么A100无论从制程（7nm）、架构（Ampere）还是“运算与浮点性能”，都对市面上的其他产品进行了全方位碾压。

4年时间，每个系列的高性能运算能力迭代

“A100比V100强太多，这不单单是绝对性能的问题，而是在于‘怎么用’。”一位虎嗅芯片分析师表示，A100在应用层面有很大的想象力，而其配套的算法组件、算法库方面都是顶级的，在软件层面建立的全壁垒优势太难打破。

而基于Hooper架构的H100，则是2022年2月发布可取代A100的新一代异步计算巨兽。

除了比A100多出至少250亿个晶体管，它也在FP16、FP32和FP64计算上比A100快三倍。英伟达曾特别指出，它非常适用于当下流行且训练难度高的“大模型”。

“国内还没有能与这两代加速器相对标的硬件产品与系统能力。”尽管国内优秀团队与创业公司看起来很多，但一位分析师指出，研发周期跨度至少有3年。

商用影响不大

与强悍性能相对应的，则是昂贵的价格。

以英伟达A100为例，单台DGXA100服务器的售价高达19.9万美元，大部分学术机构负担不起，取而代之的是V与T系列的广泛应用。

另一方面，从人工智能覆盖的多产业（人脸、摄像头、金融、客服等等）与自动驾驶的企业级商用市场反馈来看，英伟达与AMD的顶配线一直不在他们的考虑范围内。

“性能虽强大，但对于城市道路级别的感知和规划，就过于大材小用了。自动驾驶对精度的要求，英伟达RTX（游戏）系列与Tesla系列的显卡足以应对。”多位自动驾驶从业者表示，“性价比”是绝对的第一考量因素。

而近年来，在逐步往汽车市场下沉的过程中，过去不计成本追求高端算力芯片与高端工控机的L4自动驾驶公司，最终在车规级与高性能之间找到了平衡。

譬如在2021年，自动驾驶公司最喜欢做的事情，就是晒“与英伟达车规级Orin芯片的合作证书”。这是一款英伟达专门面向车规级自动驾驶市场开发的“可调节”计算芯片。

2019年底英伟达正式发布Orin

而英伟达数据中心云端加速器产品的绝对大客户——服务器厂商与云计算厂商们，或许会喜忧参半。

一方面，2021年规模达到53.9亿美元的中国加速器市场还在不断壮大，GPU服务器占绝对主导。其中，加速卡的采购型号主要集中在英伟达的T4、V100、V100S以及A100系列上，外加少量的AMD与英特尔。

2021年，中国加速卡数量出货超过80万片，其中英伟达占据超过80%市场份额（数据来自IDC）。

“A100的采购量没有那么多，主要还是T4与V100。”一位云计算产业人士告诉虎嗅，从2021年下半年后，包括云计算和服务器厂商在内，为了应对不断变化的市场环境，在主动降低这类GPU的采购需求。

但另一方面，A100在更多复杂模型训练上的吸引力仍然极大。云巨头和一些有财力的科技公司加起来的购买量至少有万台规模。譬如，国内某家人工智能独角兽企业，采购了上千块A100。

不过值得注意，他们购买A100的理由并非只为商用，而是与“超算”“高性能运算”等领域有密切关系。

“顶配”的科学贡献

就像上面那位虎嗅分析师所说，享用A100与H100这类高端线的机构也需要拥有更多“想象力”。或者说，使用者也需要具备与之相匹配的系统级实力。

2022年5月30日，第59届的全球超算TOP500榜单上，美国橡树岭国家实验室开发的超级计算机Frontier以绝对优势称霸。值得注意，Frontier有9408个节点，每个节点配置了1个AMDEpycCPU和4个AMDMI250XGPU。

而橡树岭另一台超算Summit排名第四，有4356个节点，每个节点配置了2个IBMPower9CPU和6个英伟达V100；而美国能源研究科学计算中心发布的AI超级计算机Perlmutter则排名第7，GPU采用了英伟达的A100。

有趣的是，全球排名第8的超级计算机由英伟达公司自己开发，其每个节点由AMDEpycCPU与A100组成。

图片来自TOP500超级计算机榜单

“毋庸置疑，英伟达的高端加速器对大规模科学运算的研究有重大影响力。”一位国内专攻芯片性能调优的技术大佬指出，在这个市场，英伟达和AMD暂时还没有对手。

而有趣的是，越来越多的商业巨头也开始参与到“高性能运算”领域的技术竞演中。

就在2022年初，转型元宇宙的Meta公开承认，自己正在秘密建设一台名叫“AI研究超星团”（RSC）的AI超级计算机。

虽然Meta建造这台机器的理由，主要集中在“避免受到芯片与零部件供应链的太多牵连”。但实际上，他们早在2017年就建立了一个由2.2万片V100组成的超级计算集群，每天执行3.5万个算法训练任务。

而这次，RSC的任务范围也相应扩大——除了训练与自然语言处理与计算机视觉相关的大模型，也会探索更多未知的科学任务。

“大规模并行运算的研究覆盖面非常广泛，绝不仅仅是人工智能方面的应用。或者说，通过人工智能，可以‘解密’更多自然科学层面的研究。”

一位产业人士表示，“并行计算”也是仿真学、空气动力学、磁学等学科不可或缺的研究工具。譬如，高端工业仿真软件，便需要高性能计算架构的强有力支撑。

“因此，投入和发展这类底层并行计算产品，对我们极为重要。”