【小哈划重点：英伟达的壁垒，并不是GPU硬件性能，而是基于CUDA的开发环境。虽然华为在这方面也在开发类似的CANN，但相对于已经推出超过15年的CUDA来说，差距还比较明显。】
“AI芯片赛道会在年底再度爆发，芯片危机最快会在明年解决。”
早在半年前，就有很多AI和芯片业内人士对算力危机提出了乐观预期。业内普遍认为，以谷歌研发TPU芯片为例，各家重注投资AI大模型的公司一定都会投入AI芯片的赛道。
其最主要的原因就是，资本巨头们不会让英伟达长期独占市场。
诚如预期。最近两周，AI大模型的头部玩家相继放出了最新的芯片战略。先是亚马逊给OpenAI最强竞对Anthropic注资40亿美元，买断了他们在AI训练方面的“芯片选择权”；其后是微软AI芯片Athena被媒体曝出将在下月发布；最后则是这两天路透社的报道，称OpenAI正在评估潜在的芯片公司收购。
虽说OpenAI投资芯片研发在情理之中，但相对于其他重注AI大模型的巨头来说，OpenAI毕竟体量有限。如此迅速地杀入芯片研发赛道，会不会有些仓促？
事实上，OpenAI入局芯片也是逼不得已。一方面，芯片价格持续上涨，这也说明OpenAI正在被迫把自己辛苦研发AI赚到的钱，上供给英伟达。另一方面，GPU短缺的现状，也的确正在制约AI公司的发展。
OpenAI的CEO山姆奥特曼就曾在2023年中的一场闭门讨论中抱怨：GPU短缺的问题打乱了OpenAI的短期计划。
山姆奥特曼在这次会议中提到，OpenAI在GPT-4发布之初就计划把ChatGPT的上下文长度提升到32k token，但GPT-4上线很长一段时间，这一预期都没有实现，其根本原因就是OpenAI也面临着GPU短缺，以及算力太贵等问题。
不过，对于刚刚崛起的AI独角兽来说，研发AI芯片，除了是要反抗英伟达的“压榨”，投资芯片还隐含另一层原因，就是要努力花钱。
烫手的钞票
在大模型的资本狂欢中，AI公司账上的钱，越来越多。
OpenAI年初收获微软100亿美元注资；在亚马逊给Anthropic注资40亿美元之前，谷歌就已经给这家公司投资了数亿美元，在亚马逊之后，谷歌还有计划继续对该公司追加投资。国内AI大模型的明星公司智谱AI，近期也曝出了B-4轮融资的消息，目前估值或达10亿美金。
除了大量融资涌入，AI公司的技术升级也在给研发省下很多钱。
今年3月，OpenAI公布的API接入价格就出现了大幅下降，据OpenAI公布的数据，ChatGPT的推理运算成本，在3个月时间里下降了至少90%。
虽然半年过后的今天，OpenAI并没有公布推理和训练成本的下降最新情况。但可以预见的是，在不考虑算力芯片涨价的情况下，AI训练和推理的单位算力成本大概率是在持续下降的。
当然，在原有基础上AI公司肯定会扩大研发规模，但技术研发并不会无限扩张。如果算力成本能保持3个月“打一折”的下降速度，那么可以想见，OpenAI的很多研发预算，短期内都会闲置在账户里。
资金快进慢出，对于创业公司不是好事。
一方面会导致投资者对公司资金管理能力的疑虑，另一方面大量现金也有可能降低创业公司的投资回报率。
拿到巨额融资，本应是好事，但对于短期盈利预期并不明朗的AI公司来说，钱多了反而使这些公司的掌舵人开始发愁：这么多钱怎么花？
要全部投在模型训练上吗？这显然不合理。
首先所有技术的研发都是周期性的，不管一次融了多少钱，花钱都要按部就班地来。另外，现阶段AI大模型公司开销的大头主要是AI训练过程中产生的算力费用。但如果把钱全花在算力付费上，那这些钱就完全是研发开支。
但大模型研究其实有点像赌博，并不是说每次训练都能得到满意的结果。如果大模型研发效果好，那么巨大的算力开支还算说得过去。但如果反复训练，没有达到预期的效果，那这些为算力支付的费用就只能是试错成本。这也就使得AI公司在算力方面支付的钱，也变成了赌博，为算力付的钱，有多少是真的投资了未来，又有多少打了水漂呢？
然而，如果能在研发AI的同时，把这些钱花在算力芯片上，那就完全不一样了。
投资AI芯片，最直接的好处就是账面上好看，收购芯片研发公司，就可以把原本要烧在算力上的钱，沉淀成了资产。这不仅能增强自己的核心竞争力，还能给早期投资人和未来的投资人花钱的合理解释。一旦公司IPO，这些沉淀下来的资金，也可以帮助推高公司的估值。
芯片最适合AI公司烧钱
多数技术公司花钱的最好的办法都是买买买。但是买谁，也有讲究。
过去一段时间里，很多AI公司在“烧掉多余的钱”方面，都会选择收购业务相似的同行，或者是与自身业务强相关的上下游企业。国内很多财大气粗的AI公司，就已经收购了不少金融、制造等数字化转型服务公司，有的甚至还自己投资新建了不少相关公司。
不过，从过去二三十年，互联网、软件公司的发展来看，AI技术研发、数字化转型，这些偏重互联网、云和软件等业务的研发花销普遍不大，未必能达到把钱花好的目的。
以美股头部公司为例。市值3012亿美元的甲骨文，2023财年的研发费用是66.4亿，占营收的17%。2018亿美元市值的Salesforce，2023财年的研发费用是50.55亿，投研比为16%。
相对来说，芯片研究要比软件贵得多。同类型的芯片公司，即使体量不大，研发费用也要高过这些软件公司。
最火的英伟达，2023财年研发成本73.39亿美元，占比27.2%，2022财年52.68亿美元，占比19.6%。虽然英伟达目前市值超万亿，但在2023财年中，英伟达股价的平均值还不到现在的一半。
其他的芯片公司，AMD的2022财年研发费用为50.05亿美元，占营收的21.2%；英特尔2023财年研发费用82亿美元，投研比33.2%；高通的2022财年研发费用81.94亿，投研比19%。
更有趣的是，给芯片行业做工具软件的EDA公司们的研发投入更大。主流EDA软件Synopsys上一财年的研发费用为16.8亿美元，投研比33.07%。过去几年中，这家公司的投研比也全部高于30%，有的年份甚至超过40%。
互联网/芯片公司近一财年研发投入
对于现阶段急需花钱的AI公司来说，AI芯片公司如此高的研发成本，算是很适合“烧钱”了。
AI公司能打破英伟达的壁垒吗？
AI公司做AI芯片，听起来很合理，但实际上并不容易。
目前市面上除了英伟达的GPU以外，还有很多公司在设计AI芯片。包括谷歌为TensorFlow设计的TPU (Tensor Processing Unit)；华为正在研究的专为神经网络计算设计的NPU (Neural Processing Unit)；以及传说被孙正义盯上的英国公司Graphcore开发的，专门用于AI任务的IPU。
这些芯片多数也都经历了很长时间的研发迭代，但商业表现和英伟达明显相去甚远。
其中，谷歌从2015年就开始研发TPU，并在内部推广使用。2018年，谷歌开放了TPU的第三方应用，作为其云基础设施的一部分。不过到目前为止，TPU仍没有大规模走入AI芯片市场。
事实上，即使TPU开放了商业化，目前主流的GPT模型要在TPU上运行，也会受到一定限制。因为GPT采用了与TensorFlow不同的PyTorch架构，虽然PyTorch中已经增加了对 TPU 的支持，但在运行过程中还需要一些额外的优化工作。
这也是困扰一众AI芯片的问题，多数AI芯片的硬件性能其实已与英伟达相差不远，但是底层软件和开发工具对应用的支持远不如英伟达。
不久前，科大讯飞总裁刘庆峰曾公开称赞华为的AI芯片性能，称其已经可以对标英伟达的高端显卡了。对此，很多业内人士其实并不感到奇怪，“显卡的裸金属性能要赶上英伟达，其实不难。”中科院自动化所主管刘昊告诉虎嗅，中科院自动化所的紫东太初大模型就一直与武汉智算中心合作，使用华为昇腾Ascend 910和910b训练AI大模型。
刘昊认为，在性能方面华为的算力芯片确实与A100差不多，但在训练大模型的过程中却无法替代英伟达显卡。“虽然华为芯片的性能没有问题，但在实际的AI大模型训练中，它的工具链不够完善，裸金属的性能并不能完全发挥出来。”
英伟达的壁垒，并不是GPU硬件性能，而是基于CUDA的开发环境。虽然华为在这方面也在开发类似的CANN，但相对于已经推出超过15年的CUDA来说，差距还比较明显。
不过，这对于OpenAI、Anthropic这样的AI公司来说，正是可以发挥优势的部分。
AI公司可以在软件和硬件之间进行紧密的协同设计，确保芯片的设计完全满足算法的需求，从而提高效率和性能。同时，AI公司可以围绕其芯片产品建立完整的生态系统，包括软件库、工具、框架和支持服务，从而为客户提供一站式的解决方案。
除此之外，AI公司对机器学习和深度学习算法的理解更深入，这使得它们能够为特定的算法或任务定制和优化芯片。在实际应用中使用机器学习模型，它们可以根据实际的应用需求和场景，也可以对芯片设计进行反复迭代。
赚钱预期的分歧
过去9个月时间里，英伟达股价翻了3倍，市值突破一万亿美元。目前的市盈率TTM为102.03，静态市盈率为242.75。而Invesco半导体ETF的30家美国半导体公司平均市盈率为21倍，其他在AI上重投入的科技巨头们的市盈率都在20-40倍之间，英伟达的赚钱能力几乎强过他们10倍。
有消息称，2023年第二季度英伟达最先进的H100显卡出货量达800多吨，且持续供不应求。多位国内GPU服务器渠道商向虎嗅透露，一台百万多的GPU服务器，交货周期不同，价格上浮空间超过50%。
在今天，买GPU服务器的AI公司、云厂商，像极了国内奢饰品店门口排队买LV和GUCCI的人。在英伟达门口，攥着钱，排着队。好不容易交了钱，还要等货。如果再没有能打的竞争对手出现，英伟达的销售们没准也要开始让客户“配货”买GPU了。
不过，在这样赚钱的赛道里，资本对AI芯片的情绪其实比较复杂。毕竟AI芯片的赚钱周期太长了。大家都想像英伟达一样赚钱，但没几个人愿意经历芯片研发的漫长等待期。
由此，资本市场对AI芯片公司的态度也出现了分歧。在OpenAI要做芯片的传闻之前，国内AI芯片行业就有两则新闻值得关注。
首先是寒武纪近期发布公告称，国投基金减持完毕，基本清仓。而这已经不是寒武纪创投股东们首次出现清仓式减持。第二则是背靠腾讯的燧原科技宣布完成D轮融资20亿元。
作为AI芯片第一股，寒武纪遇到的最大问题，就是持续亏损，长期烧钱却落地缓慢。在AI芯片上直接烧钱的做法似乎不太适合中国公司，中国的AI公司和AI芯片公司，可能更适合Anthropic和亚马逊的合作模式。在AI芯片研发方面，多方协作，发挥自身特长。AI公司把AI推理、训练的应用需求用好，芯片公司把芯片设计技术用好，再配合大厂的技术、资金优势，从而加快产品的研发、迭代速度，从而在市场中占领一席之地。
（收录有删节。原文编辑 | 廖影）
