随着中国芯片技术不断缩小性能差距,英伟达正面临数十亿美元的考验

Nvidia
Nvidia Faces a Multibillion-Dollar Reckoning as Chinese Silicon Bridges the Performance Gap
随着华为和中芯国际等中国企业展现出新型人工智能硬件能力,英伟达的绝对市场主导地位正面临首次严峻的技术与经济挑战。

在全球半导体制造这一高风险领域,统治地位与脆弱性之间的距离是以纳米和互联带宽来衡量的。在过去近两年的大部分时间里,Nvidia 几乎处于无对手状态,乘着生成式 AI 的浪潮,其估值曾一度超越全球最大的科技巨头。然而,中国芯片行业内部的一系列发展令华尔街感到震动,引发了人们对 Nvidia 的“护城河”在快速且规避制裁的创新面前是否具有长期可行性的质疑。

近期市场焦虑的核心在于人们意识到,西方高端 GPU 与中国国产加速器之间的技术差距正在以比预期更快的速度缩小。尽管美国商务部不断收紧对 A100、H100 以及更新的 Blackwell 架构的出口管制,但中国企业已被迫进入一个高强度的内部研发期。其结果是诞生了一代新的硅片,虽然在理论峰值吞吐量上可能尚不及 Nvidia,但已足以满足全球第二大经济体对大语言模型(LLM)训练的海量需求。

Ascend 910C 的工程现实

这一转变的核心是 Huawei 在 Ascend 910C 处理器上取得的进展。对于工程师和系统架构师而言,关注的焦点不仅在于算力的原始 TFLOPS(每秒万亿次浮点运算),更在于内存架构和互联效率。Nvidia 的统治地位在历史上一直受到其 NVLink 技术的保护,该技术允许数千个 GPU 以高速率通信,从而有效地将其作为一个单一的、庞大的计算机运作。如果没有这种高速通信,单个芯片就会受到数据传输延迟的制约。

软件平价能否打破 CUDA 垄断?

硬件只是等式的一半。Nvidia 真正的堡垒一直是 CUDA(统一计算设备架构),这个专有软件平台已成为 AI 开发的行业标准。十年来,开发人员一直专门为 Nvidia 硬件编写库和框架。转型到不同的架构通常涉及大量代码重写和优化损失,代价高昂。

光刻与良率的物流挑战

从机械和工业工程的角度来看,这些芯片的制造是一场耐力测试。SMIC(中芯国际)在无法获得极紫外(EUV)光刻机的情况下,面临着提高先进制程良率的巨大压力。深紫外(DUV)多重曝光技术的物理原理极其复杂;它需要对硅片进行多次曝光,以定义出小于所用光波长的特征。

这一过程传统上成本高昂且容易产生缺陷,导致良率低下。然而,中国半导体行业获得的大量国家级投资使 SMIC 能够消化这些成本。随着良率的提高,单片成本下降,使得国产 AI 加速器即使没有 EUV 的效率加持,在商业上也变得可行。对于 Nvidia 而言,这意味着他们为满足出口法规而特意降频的“中国特供版”芯片,现在正面临着更具竞争力的国产产品。当深圳的客户可以买到性能优于经过“阉割”的 Nvidia H20 的国产芯片时,符合出口标准的 GPU 的经济逻辑便不攻自破了。

市场估值与高增长悖论

4000 亿美元的市场情绪波动反映了一个更广泛的现实:Nvidia 的估值建立在近乎无限的增长和近乎完全的垄断基础之上。任何对其中国市场份额(历史上占其收入的很大双位数比例)的实质性威胁,都会迫使人们对其市盈率进行重新评估。投资者开始将未来 Nvidia 成为众多主要参与者之一,而非全球 AI 基础设施唯一供应商的局面纳入考量。

此外,中国国产硬件的崛起引发了关于供过于求的次生担忧。如果中国企业能够满足其内部需求,Nvidia 生产合作伙伴的过剩产能可能会导致其他市场的供过于求。尽管全球范围内对 AI 算力的需求目前超过供给,但半导体的工业生命周期表明,这种峰值无法无限期持续。当供应链最终赶上需求时,利润率不可避免地会收缩。

专用 AI 硅片的兴起

除了 GPU,我们正在看到向专用集成电路(ASIC)的转变。尽管 Nvidia 的 GPU 功能多样,但它们承担着作为通用处理器的开销。许多中国科技巨头现在正针对其内部工作负载——搜索算法、社交媒体推荐引擎和定向 LLM 推理——自行设计 ASIC。对于特定任务而言,这些芯片比高端 GPU 更节能且更具成本效益。

这种向垂直整合发展的趋势,可能是对 Nvidia 商业模式最大的长期威胁。当 Alibaba 或 Tencent 等公司设计自己的硅片时,它们不仅仅是取代了一枚 Nvidia 芯片,而是将一个客户完全从市场中移除。令华尔街震惊的突破不仅仅是来自 Huawei 的某一款芯片,而是整个垂直生态系统的成熟,它不再需要西方的介入也能实现规模化。

地缘政治摩擦与技术主权

追求“技术主权”已成为中国的国家指令。这不仅仅是经济竞争,更是为了确保 21 世纪的基础技术——人工智能——不受外国贸易政策随心所欲的影响。这一驱动力加速了新硬件的测试和验证周期。原本需要五年迭代开发的工作,通过大规模资本注入和对失败的高容忍度,被压缩到了十八个月内。

对于 Nvidia 而言,前进的道路涉及一种微妙的平衡。他们必须继续通过 Blackwell 和 Rubin 架构不断突破极限,以保持足以证明其价格合理的性能领先地位,同时还要应对地缘政治环境,这一环境限制了他们向其最大市场之一销售最先进产品的能力。近期的“震荡”是一个信号,标志着无争议的硅片霸权时代即将结束,取而代之的是一个支离破碎的全球市场,工程创造力再次成为首要货币。

归根结底,4000 亿美元的市场价值波动是一场转型的征兆。我们正在从 AI 的“淘金热”阶段(即任何硬件都是好硬件)转向工业优化阶段。在这个新时代,制造的机械精度、数据中心的电力输送效率以及供应链的弹性将决定最终的赢家。Nvidia 依然是领导者,但这是第一次,后视镜里出现了一个正以惊人速度追赶的竞争对手。

Noah Brooks

Noah Brooks

Mapping the interface of robotics and human industry.

Georgia Institute of Technology • Atlanta, GA

Readers

Readers Questions Answered

Q 什么是华为昇腾 910C,它如何挑战英伟达?
A 华为昇腾 910C 是一款国产 AI 处理器,旨在直接与英伟达的高端硬件竞争。它专注于高速互联效率和内存架构,以支持大语言模型训练。由于美国出口管制限制英伟达只能向中国提供性能受限版本的芯片,昇腾 910C 提供了一个强大的替代方案,满足了国内需求,并有可能打破英伟达在该地区长期以来的垄断地位。
Q 中芯国际如何在没有极紫外光刻机的情况下生产先进芯片?
A 尽管无法获得受限的极紫外(EUV)光刻机,中芯国际仍利用深紫外(DUV)多重曝光技术来制造先进的硅节点。这一复杂工艺需要多次光刻曝光来刻画小于光波长的特征。虽然该方法在传统上成本高昂且合格芯片产出率较低,但国家级的大力投资使中芯国际能够承担这些成本。随着良率的提高,这些国产芯片在成本竞争力上正日益接近西方同类产品。
Q 为什么英伟达的 CUDA 平台是中国竞争对手面临的重大障碍?
A CUDA 是英伟达的专有软件平台,十多年来一直是全球 AI 开发的标准。现有的绝大多数 AI 库和框架都是专门为 CUDA 编写的,这造成了极强的生态锁定效应。中国企业若想实现软件兼容,就必须说服开发人员为新架构重写庞大的代码库。这一转型过程涉及大量的精力和优化损失,这在历史上一直是英伟达维持市场主导地位的屏障。
Q 阿里巴巴和腾讯等公司的定制 ASIC 对英伟达有何影响?
A 中国科技巨头正越来越多地设计专用于搜索算法和推荐引擎等特定任务的专用集成电路(ASIC)。对于这些专门工作负载,这些 ASIC 通常比英伟达的通用 GPU 更节能、更具成本效益。这种向垂直整合的转变使大型企业能够绕过英伟达,将大批量客户从市场中分流,挑战了英伟达提供通用 AI 基础设施的商业模式。

Have a question about this article?

Questions are reviewed before publishing. We'll answer the best ones!

Comments

No comments yet. Be the first!