英偉達(dá)（Nvidia） 超大規(guī)模和 HPC 業(yè)務(wù)副總裁兼總經(jīng)理 Ian Buck 近日在美國銀行證券 2024 年全球技術(shù)大會上表示，客戶正在投資數(shù)十億美元購買新的英偉達(dá)硬件，以跟上更新的 AI 大模型的需求，從而提高收入和生產(chǎn)力。

Buck表示，競相建設(shè)大型數(shù)據(jù)中心的公司將特別受益，并在數(shù)據(jù)中心四到五年的使用壽命內(nèi)獲得豐厚的回報。即“云提供商在購買 GPU 上花費(fèi)的每一美元，四年內(nèi)（通過提供算力服務(wù)，GAAS）都能收回 5 美元?！?/p>

“如果用于推理，則更有利可圖，每花費(fèi) 1 美元，在同樣的時間段內(nèi)就能產(chǎn)生 7 美元的營業(yè)額，并且這個數(shù)字還在增長?！盉uck說道。

英偉達(dá)創(chuàng)始人、總裁兼首席執(zhí)行官黃仁勛和執(zhí)行副總裁兼首席財(cái)務(wù)官Colette Kress此前也曾表達(dá)過同樣的觀點(diǎn)。

他們此前曾表示，借助CUDA算法創(chuàng)新，英偉達(dá)將H100的LLM推斷速度提升至原來的3倍，這可以將Llama 3這類的模型的成本降低到原來的三分之一。而H200在推理性能上較H100幾乎翻了一番，為生產(chǎn)部署帶來了巨大的價值。例如，使用7000億參數(shù)的LLama 3，單臺HGX H200服務(wù)器可以每秒輸出24000個Token，同時支持超過2400名用戶。這意味著，按照現(xiàn)有的定價來看，托管Llama3的API供應(yīng)商每花費(fèi)1美元在英偉達(dá)HGX H200服務(wù)器上，未來四年內(nèi)就可從Llama3 token計(jì)費(fèi)中賺取7美元收入。

圍繞 Llama、Mistral 或 Gemma 的 AI 推理模型正在不斷發(fā)展，并由Token提供服務(wù)。英偉達(dá)正在將開源 AI 模型打包到名為 Nvidia 推理微服務(wù) (NIM) 的容器中。

英偉達(dá)最新推出的Blackwell 針對推理進(jìn)行了優(yōu)化。該 GPU 支持 FP4 和 FP6 數(shù)據(jù)類型，在運(yùn)行低強(qiáng)度 AI 工作負(fù)載時可進(jìn)一步提高能效。根據(jù)官方的數(shù)據(jù)，與Hopper相比，Blackwell 訓(xùn)練速度比H100快4倍，推斷速度快30倍，并且能夠?qū)崟r運(yùn)行萬億參數(shù)大語言模型生成式AI?？蛇M(jìn)一步將成本和能耗降低到原來的25分之一。這似乎呼應(yīng)了黃仁勛多次喊出的“買的越多，省的越多”的口號。但是不可忽視的是，英偉達(dá)GPU價格也在快速上漲。

為 Rubin GPU做準(zhǔn)備

很多云提供商提前兩年就已經(jīng)開始規(guī)劃新的數(shù)據(jù)中心，并希望了解未來的AI GPU 架構(gòu)會是什么樣子。

英偉達(dá)在6月初的Computex 2024展會上宣布，Blackwell芯片現(xiàn)已開始投產(chǎn)，即將替代Hopper芯片。2025年將會推出Blackwell Ultra GPU芯片。英偉達(dá)還公布了下一代集成HBM4的名為“Rubin”的AI平臺，該GPU將于2026年發(fā)布，以替代Blackwell和Blackwell Ultra GPU。

“對我們來說，做到這一點(diǎn)真的很重要——數(shù)據(jù)中心不是憑空而來的，它們是大型建設(shè)項(xiàng)目。他們需要了解Blackwell 數(shù)據(jù)中心會是什么樣子，它與Hopper數(shù)據(jù)中心有何不同？”Buck說。

Blackwell 提供了一個轉(zhuǎn)向更密集的計(jì)算形式和使用液體冷卻等技術(shù)的機(jī)會，因?yàn)榭諝饫鋮s效率不高。

英偉達(dá)已經(jīng)宣布每年都會推出一款新的 GPU的節(jié)奏，這有助于公司跟上 AI 發(fā)展的步伐，進(jìn)而幫助客戶規(guī)劃產(chǎn)品和 AI 戰(zhàn)略。

Buck說：“英偉達(dá)已經(jīng)與那些最大的客戶針對Rubin GPU探討了一段時間——他們知道我們的目標(biāo)和時間表?！?/p>

AI 的速度和能力與硬件直接相關(guān)。在 GPU 上投入的資金越多，AI公司就能訓(xùn)練出更大的模型，從而帶來更多收入。

微軟和谷歌將自己的未來寄托在人工智能上，并競相開發(fā)更強(qiáng)大的大型語言模型。微軟嚴(yán)重依賴新的 GPU 來支撐其 GPT-4 后端，而谷歌則依賴其 TPU 來運(yùn)行其人工智能基礎(chǔ)設(shè)施。

Blackwell供不應(yīng)求

英偉達(dá)目前正在生產(chǎn) Blackwell GPU，樣品很快就會發(fā)布。但客戶可以預(yù)料，首批 GPU（將于年底發(fā)貨）將供不應(yīng)求。

“每一項(xiàng)新技術(shù)的轉(zhuǎn)型都會帶來……供需方面的挑戰(zhàn)。我們在 Hopper 上就經(jīng)歷過這種情況，Blackwell 的產(chǎn)能提升也將面臨類似的供需限制……今年年底到明年，”Buck 說道。

Buck還表示，數(shù)據(jù)中心公司正在淘汰 CPU 基礎(chǔ)設(shè)施，為更多 GPU 騰出空間。Hopper GPU 可能會被保留，而基于舊 Ampere 和 Volta 架構(gòu)的舊 GPU 則會被轉(zhuǎn)售。

英偉達(dá)將保留多個級別的 GPU，隨著 Blackwell 的不斷發(fā)展，Hopper 將成為其主流 AI GPU。英偉達(dá)已經(jīng)進(jìn)行了多項(xiàng)硬件和軟件改進(jìn)，以提高 Hopper 的性能。

未來所有云提供商都將提供 Blackwell GPU 和服務(wù)器。

專家模型

Buck 表示，GPT-4 模型大約有 1.8 萬億個參數(shù)，由于 AI 擴(kuò)展尚未達(dá)到極限，參數(shù)數(shù)量還將繼續(xù)增長。

“人類大腦的規(guī)模大概相當(dāng)于 1000 億到 150 萬億個參數(shù)，具體數(shù)量取決于個人，取決于大腦中的神經(jīng)元和連接。目前，人工智能的參數(shù)規(guī)模約為 2 萬億……我們尚未進(jìn)行推理?！盉uck說道。

未來將會有一個包含數(shù)萬億個參數(shù)的大型模型，在此基礎(chǔ)上會構(gòu)建更小、更專業(yè)的模型。參數(shù)數(shù)量越多對英偉達(dá)越有利，因?yàn)樗兄阡N售更多 GPU。

英偉達(dá)正在調(diào)整其 GPU 架構(gòu)，從原來的基礎(chǔ)模型方法轉(zhuǎn)向混合專家模型。專家混合涉及多個神經(jīng)網(wǎng)絡(luò)通過相互參考來驗(yàn)證答案。

Buck說：“1.8 萬億參數(shù)的 GPT 模型有 16 個不同的神經(jīng)網(wǎng)絡(luò)，它們都試圖回答各自層的部分問題，然后商討、會面并決定正確答案是什么?！?/p>

即將推出的 GB200 NVL72 機(jī)架式服務(wù)器配備 72 個 Blackwell GPU 和 36 個 Grace CPU，專為混合專家模型而設(shè)計(jì)。多個 GPU 和 CPU 相互連接，從而支持混合專家模型。

“這些家伙都可以相互通信，而不會在 I/O 上受阻。這種演變在模型架構(gòu)中不斷發(fā)生，”Buck 說。

鎖定客戶的技巧

英偉達(dá)首席執(zhí)行官黃仁勛本月在 HPE 的 Discover 大會上發(fā)表了一些激烈的言論，呼吁人們購買更多該公司的硬件和軟件。

英偉達(dá)和 HPE 宣布推出一系列新產(chǎn)品，其名稱簡單明了，為“Nvidia AI Computing by HPE”。

“我們設(shè)計(jì)了小號、中號、大號和特大號，你可以選擇。而且正如你所知，你買得越多，省得越多，”黃在 Discover 的舞臺上說道。

黃仁勛今年早些時候還發(fā)表了另一條備受爭議的言論，當(dāng)時他說未來的程序員不需要學(xué)習(xí)如何編寫代碼。但在 Nvidia GPU 上加載 AI 模型需要了解命令行和腳本，以創(chuàng)建和運(yùn)行 AI 環(huán)境。

英偉達(dá)的專有言論和在人工智能市場的完全主導(dǎo)地位使其成為反壟斷調(diào)查的目標(biāo)。

當(dāng) Buck 試圖淡化人們對 CUDA 的擔(dān)憂時，他必須小心謹(jǐn)慎，他表示“護(hù)城河是一個復(fù)雜的詞”。

英偉達(dá)兩位高管都表示，CUDA 是其 GPU 的必備軟件——要最大限度地發(fā)揮 GPU 的性能，就需要 CUDA。開源軟件可以與 Nvidia GPU 配合使用，但無法提供 CUDA 庫和運(yùn)行時的強(qiáng)大功能。

向下兼容性和連續(xù)性是英偉達(dá)的獨(dú)特優(yōu)勢，英偉達(dá)對AI 模型和軟件的支持可以延續(xù)到下一代 GPU。但對于英特爾的 Gaudi 等 ASIC 則不然，它們必須針對每個新模型重新進(jìn)行調(diào)整。