日前，有代理商透露，英伟达的A100价格从2022年12月份开始上涨，截至2023年4月上半月，5个月价格累计涨幅达到37.5%；在中国市场，A800价格从2022年12月份开始上涨，截至2023年4月上半月，5个月价格累计涨幅达20.0%。

目前，对于所有AI大模型而言，无论是推理还是训练，基本都是依赖英伟达的GPU芯片。其中，英伟达A100芯片是目前的主流，在大模型训练市场的市占比接近100%。

英伟达算力芯片量价齐升

根据此前的公开报道，OpenAI的GPT-3大模型参数规模已经达到1750亿，因此在训练过程中需要做大量的数据并行计算，这就是为什么AI 大模型都要哄抢GPGPU。

所谓的GPGPU又名通用算力GPU，能够帮助CPU进行非图形相关程序的运算——复杂的数值计算、物理模拟和数据分析等任务。GPGPU在进行相关运算时有几大突出的优势，高效并行性、高密集运算、超长流水线等。

那么，为什么只有英伟达有AI淘金浪潮“卖铲人”的称号呢？

主要原因有两点，其一是英伟达芯片的算力更高，比如英伟达的A100，这颗采用Ampere架构和7nm制程的芯片里晶体管数量达542亿颗，单芯片可提供的FP32峰值算力为19.5TFLOPS。如果是英伟达的H100 SXM，FP32峰值算力为67TFLOPS，提升明显。并且，无论是A100还是H100都能够提供包括FP64、TF32、FP32、FP16 和INT8在内的所有算力精度。

在高算力方面，我们都知道，先进芯片和先进算力之间并不是画等号的，在算力集群里，传输也是极为重要的。为了保障传输，英伟达给H100配备了可提供 900 GB/s GPU 间互连的第四代NVlink、可跨节点加速每个GPU通信的NVLINK Switch系统、PCIe 5.0，以保障高效的算力集群。即便是目前主流的A100，英伟达也是为其配备了2TB/s的内存带宽，以及NVIDIA NVLink、NVIDIA NVSwitch、PCIe 4.0，用以保障传出。

其二是生态的优势。英伟达长期占据GPGPU的头把交椅，并在此过程中持续完善自己的生态。在算力利用的过程中，无论是学习、运算还是开发，往往都需要一个统一的开发架构，you秀的架构才能尽可能释放GPGPU的算力。在这方面，公开数据显示，英伟达的CUDA占据了quan球大概80%以上的市场。其他公司做的基本都是对标CUDA，比如OpenAI的开发架构Triton，业界往往认为其是简化版的CUDA。目前，市场上很多芯片只能从理论算力上去对标英伟达，宣称能够达到英伟达某款芯片的几成，然而在实际应用中由于软件生态的缺失，是要进一步打折扣的。

算力和生态的优势让行业界对英伟达的A100和A800趋之若鹜。有代理商爆料称，目前英伟达主流算力芯片不仅价格走高，同时交货周期也被拉长，之前拿货周期大约为一个月，现在基本都需要三个月或更长。甚至，部分新订单“可能要到12月才能交付”。

产业苦英伟达久矣

目前，英伟达的GPGPU可以说就是AI大模型部署算力的标准。有zhuan家曾表示，做好AI大模型的算力zui低门槛是1万枚英伟达A100芯片。TrendForce研究则显示，以A100的算力为基础，GPT-3.5大模型需要高达2万枚GPU，未来商业化后可能需要超过3万枚。

业界还预估，国内大概只有3万块的英伟达A100芯片存量，其余用于AI大模型的都是新购进的A800特供版。因此，目前国内部分公司已经开始在内部做出限制，除AI大模型相关业务外，其余业务不允许使用A100或者A800提供的算力。

业界一边在尽力去追求英伟达的高端算力芯片，同时对于价格不断走高，且供货周期持续延长的英伟达芯片也是怨声载道。

因此，目前行业内不断有声音出现，要替代英伟达的相关芯片。

比如谷歌第二代TPU，在一些数据吞吐测试中，这款芯片已经能够和英伟达GPGPU相当。另外有分析师指出，由于一些公司买不到英伟达的高端GPGPU，因此选择将模型做小，然后选择AMD公司的CPU或者Cerebras的WSE来进行部署，进而促进了垂直领域和AI大模型的结合。

在国内，也已经有一些公司在推出方案，尝试在AI大模型领域取代英伟达的芯片。

后记

根据相关统计数据，英伟达A100芯片已经贡献目前quan球数据中心和算力中心业务的50%，成为该公司的摇钱树。在国内市场，几天前的报道指出，A800芯片在国内售价被炒到超过10万元/颗，而且是低配的版本。然而，AIGC时代里，算力就是王道，因此算力芯片便物以稀为贵。