今年夏天，英偉達創始人黃仁勳專門騰出時間，拜訪了一家名叫戰略與國際研究中心 ( CSIS）的智庫。在美國，智庫的意見能在很大程度上左右華盛頓的政策走向，深處科技戰前線的黃仁勳自然深知這一點。
黃仁勳上來就是一頓彩虹屁，并明确表達了捐贈的意向。随後他話鋒一轉，表示有一位小同志嚴重拖累了智庫隊伍的整體水平，建議清除出去。
這位小同志不是别人，正是 CSIS 高級研究中心主任 Gregory C. Allen，也是美國芯片出口管制政策的堅定鼓吹者。
面對美國的打壓，英偉達似乎比中國公司還着急。過去數月，黃仁勳一直在竭盡全力阻止制裁落地。
Gregory C. Allen，爲數不多能拿捏黃總的男人
除去給智庫施壓，黃仁勳還當面警告了華盛頓決策層，認爲制裁會造成嚴重代價。與此同時，他還不忘敦促美國半導體行業協會發表譴責聲明，強調進一步限制将損害行業的競争力 [ 2 ] 。
今年 7 月，黃仁勳還拉上高通和英特爾去了趟華盛頓，目的也是說服美國政府放松對華限制。
然而，美國依然在 10 月 17 日更新了芯片出口管制，中國特供版芯片 H800 和 A800 也被列入禁售範圍。更令人驚訝的是，用于遊戲的消費級顯卡 RTX 4090 也進了名單。
這對英偉達來說無疑是緻命一擊，長期以來，中國大陸市場一直占據其 20% 以上的收入。10 月 17 日出口管制發布當天，英偉達股價下跌近 5%，AMD 和英特爾也跟風跌了 1%。
那麽，英偉達是否真的無法替代？中國市場之于英偉達又意味着什麽？
最好的選擇
簡單來說，美國政府在新的出口管制政策中添加了多個新指标，不僅把特供産品 H800 和 A800 牢牢卡死，還順便誤傷了消費級顯卡 RTX4090，搞得國内黃牛趁機漲了一波價。
爲什麽說是 " 誤傷 "？雖然 RTX4090 和 H100 都是 GPU，但兩者的設計思路截然不同。
比如，RTX4090 的頻率強于 H100，因爲更高的頻率能夠提供更強的圖形渲染能力。而 H100 的強項則是理論算力、顯存大小和顯存帶寬，這是因爲 AI 推理和訓練都非常考驗數據的吞吐效率，這也是爲什麽 H100 需要昂貴的 HBM3 内存。
至于玩遊戲，H100 甚至都不支持主流遊戲的圖形接口。這也符合英偉達官方的 " 消費類 " 和 " 計算類 " 歸類。
在一些讨論中，RTX 4090 由于更低的價格、不差的算力、更低的功耗，一度被認爲同樣可以用于高性能計算。
客觀地說——鐵了心也能用。但一般而言，RTX 4090 由于顯存和帶寬的限制，最多隻能用作推理芯片。
AI 芯片根據部署位置區分，大緻上可分爲雲端芯片和終端芯片。雲端芯片用于訓練模型，俗稱訓練芯片；終端芯片用于終端設備，根據訓練好的模型對實時數據執行推理任務，俗稱推理芯片。
職責不同，導緻對訓練芯片和推理芯片的性能要求也有很大差異：
訓練芯片需要通過海量數據訓練可靠的模型，因此對數據傳輸速率、算力等指标有相當極端的要求。這也是爲什麽 H100 不惜用上昂貴的 HBM 内存和 CoWoS 封裝，目的都是爲了數據吞吐效率。
" 特供版 " 的 H800 和 A100，閹割的也是内存帶寬，算力其實沒有變化。
推理芯片一般處理實時任務，對于低延遲的要求更高，而且由于部署在終端，還要考慮功耗、大小、成本等問題。因此，用 RTX4090 這類消費級顯卡強行訓練，過低的帶寬會帶來 " 内存牆 " 的問題。
無論是谷歌的 TPU、還是特斯拉的 FSD 芯片，大部分應用場景都是推理。大部分國産 AI 芯片，也都是走推理芯片的路子。
而在訓練芯片這個場景下，英偉達的确是目前最好的選擇。
從絕對的算力來講，H100 并不是巅峰。但在 AI 訓練這件事上，一口氣買幾百塊顯卡的科技公司更在意的是另一個指标：單位成本的算力。
這也是爲什麽大家甯願加價搶 H100，也不願意買 " 青春版 H100"A100：按照 H100 SXM 版本、A100 80GBSXM 版本 8 月的銷售價格（24000 美元、15000 美元）計算，每單位算力的成本分别爲 12.13 美元、24.04 美元，H100 SXM 優勢明顯。
另外，數據中心搭建完成後，還需要考慮電力、運維、故障、後期支持等多方面成本。種種因素疊加，大家還是老老實實地拿起了号碼牌，加入了漫長的 H100 等待序列中。
比如特斯拉，前腳宣布給自研的 Dojo 超級計算機投 10 億美元，後腳就透露要購買 10000 張 H100 用于驅動 AI 負載。
簡而言之，在推理場景下，英偉達尚有替代方案；但在訓練芯片裏，英偉達是事實上的唯一方案。
原因在于，英偉達真正的護城河，是軟件。
隐形的護城河
今年 10 月 10 日，AMD 宣布打算收購一家名爲 Nod.ai 的 AI 開源軟件初創公司，以補足其軟件短闆。
雖然貴爲 GPU 行業的世界第二，但長期以來 AMD 的市場份額隻能和英偉達二八開，在以 AI 爲代表的高性能計算市場，存在感就幾乎爲 0。
事實上，AMD 的 AI 芯片理論參數并不差，與 H100 對标的 MI250X，雖然在 FP32/FP64 精度下的算力略遜于 H100，但考慮到 10000 美元的售價，MI250X 的 " 單位成本算力 " 其實更高，理論上可以成爲比 H100 更好的選擇。
但實際上，不管是大公司還是創業公司，大家還是更喜歡 H100。原因就在軟件，也就是大名鼎鼎的 CUDA。
衆所周知，GPU 最初的目的是爲遊戲和視頻進行圖像渲染。黃仁勳是幾乎所有奧斯卡 " 最佳視覺效果 " 提名影片背後的男人。2007 年，英偉達還曾獲得一個分量十足的獎項：艾美獎，以表彰其對娛樂行業作出的重大貢獻。
首先發現 GPU 被大材小用的是華爾街精英，在渲染圖像時所用到的并行計算能力，正符合金融場景裏高頻交易的需求。
不過，在用 GPU 跑交易之前，得先編寫大量的底層語言代碼，這顯然勸退了一大批交易員。
爲了降低 GPU 的編程門檻，David Kirk 說服黃仁勳在 2006 年推出 CUDA，CUDA 的全稱是 Compute Unified Device Architecture，即計算統一設備架構，其作用也直白地寫在名字裏了：爲 GPU 編程提供統一架構，使之滿足不同應用場景下的算力需求。
伴随 CUDA 推出的是一本編程指南，裏面詳述了實現性能的具體方法，并且随着産品的升級叠代不斷更新，至今已更新到 12.3 版。
最新版 CUDA 編程指南
這樣的說明書在今天看來是基礎必備，在當時與競争對手的差距也不過兩年，但先發者的一步領先卻足以定義行業。
CUDA 推出後，英偉達迅速打開了新業務的大門，在航空航天、天文學、氣象學領域裏都有 GPU 的身影。
2009 年，蘋果的開發團隊推出 OpenCL，支持者包括 AMD 和英特爾，希望能憑借着通用性在 CUDA 身上分一杯羹。但作爲追趕者，OpenCL 平台上的開發者天然地更少，很容易陷入惡性循環。
而 CUDA 則在 " 使用人數越多，CUDA 平台就越好用，新開發者就越傾向于選擇 CUDA" 的良性循環中，加固了生态優勢。
深度學習爆發後，許多學習框架要麽是在 CUDA 發布之後才會支持 OpenCL，要麽壓根不支持 OpenCL，使得 OpenCL 始終無法觸及更高附加值的業務 [ 5 ] 。
2016 年，AMD 自家軟件 ROCm 姗姗來遲，在投入不如英偉達的情況下，服務更新上滞後于 CUDA，因此也難與 CUDA 抗衡。
芯片的架構和制程可以靠一兩代産品迅速拉近差距，但一個成熟的生态系統卻很難被破壞。CUDA 生态遍布各行各業，從企業蔓延到教育系統。吳恩達曾評價：
CUDA 出現之前，全球能用 GPU 編程的可能不超過 100 人。而目前全球的 CUDA 開發者已經達到幾百萬。
從某種程度上來說，CUDA 已成爲行業的事實标準。它的另一個特點是：隻能和英偉達的硬件适配。
因此，任何開發者想要脫離 CUDA 生态，都不得不考慮标新立異的成本和風險。
不過對英偉達來說，繁榮的 CUDA 生态既是一座令競争對手望而生畏的高山，卻也是自己的軟肋所在。
英偉達在擔心什麽？
黃仁勳之所以如此着急，道理也簡單：如果鐵了心換掉英偉達，也不是不可以。
英偉達固然是人工智能得以走上時代舞台中央最大的功臣之一，但在當下，它卻存在兩個不容忽視的問題：
一是成本過高。以 " 地表最強 GPU"H100 爲例，首發價爲 3.3 萬美金，如今二手市場價格更一度上漲至 5 萬美金左右。
科技公司如果要搭建擁有一萬塊 H100 的數據中心，即便不考慮其他成本和後續開支，光 GPU 采購費就需要數億美金——即便對《财富》世界 500 強排行榜上的科技公司來說，這也不是筆小錢，更遑論初創企業。
二是通用芯片難以實現差異化。堆疊算力不是簡單往車裏加汽油，需要考慮軟件适配性、自身業務需求等一系列問題。更何況，如果隻用英偉達的 GPU，意味着隻有當英偉達出新産品，自家産品才能跟着升級，徹底将戰略主動權交給了黃總。
這就是英偉達面臨的一個尴尬情景：自己的客戶都是自己的對手。
早在 2014 年，谷歌已開始了自研芯片的計劃，其最新成果就是 TPUv5 系列。對參數量小于 200B 的大模型來說，TPUv5 在推理時更具性價比，相較于英偉達 GPU 有着肉眼可見的成本優勢 [ 4 ] 。
谷歌的 TPU
而在重要的中國市場，美國的出口管制實際上在給黃總幫倒忙。
如前文所述，英偉達的核心壁壘在 CUDA 組成的繁榮生态——它就像一個無數開發者組成的 " 圈子 "，後來者想要進入 AI 産業，就得融入這個圈子。如果把一部分開發者攔在圈子外面，那麽他們最有可能做什麽呢：
組建一個自己的圈子。
事實上，英偉達非常清楚這一點，其法律顧問 Tim Teter 就曾這樣警告華盛頓：你冒的風險是刺激了一個由競争對手主導的生态系統的發展，這可能會對美國在半導體、先進技術和人工智能領域的領導地位産生非常負面的影響。
如果 " 被踢出圈子 " 的概率隻有 1%，那大家隻會把它當作一個黑天鵝事件；但一旦這個概率上升到哪怕隻有 10%，就一定會有人行動起來。這也是爲什麽英偉達對美國的出口管制如此警覺——中國科技公司會鐵下心來掀桌子，開始搭建自己的生态。
英偉達并非是唯一有着類似境遇的公司，英特爾與高通也一同參與到了施壓美國政府的行動當中。它們的一部分競争力同樣來源于生态的構建，英偉達的境遇讓這兩家芯片巨頭深感唇亡齒寒。
要知道，上一輪針對英偉達的出口管制發布後，英特爾專門把 Gaudi 2 芯片的發布會放在北京開，一口一個 " 幫助構建中國人工智能的未來 "、" 攜手中國産業生态 "，趁機挖黃總牆角的心思昭然若揭。
結果新版出口管制出爐，AMD 的 MI250X、MI300，英特爾的 Gaudi 2、Gaudi 3 和黃總一起上了名單。這也難怪有小道消息說，英特爾高層和美國高級官員交涉時 [ 2 ] ，一度急得指着對方鼻子問 " 到底懂不懂半導體？"
盡管相比美國，國内的芯片産業整體的差距并不小，但長期的封鎖，一定會加速中國芯片産業的發展。一旦這個過程開始，也許就不可逆了。
這就是英偉達害怕的、美國衆多芯片公司所擔心的事情，正如黃仁勳所說 [ 1 ] ：There is no other China，there is only one China。
