​

GPU 是 AI 算力的最优解吗？如果不是，还有哪些公司可能自研芯片打破英伟达的垄断地位？

英伟达的GPU未必是算力最优解，但在当前阶段是效费比最优解，而天下事怕就怕成本二字。

(资料图)

X86架构能成为桌面主流，ARM能成为移动端主流是因为它们是算力最优解吗？

电动车能成为新能源主流，难道是因为电动车是新能源最优解吗？

以英伟达GPU为人工智能的算力支撑，除了英伟达的高性能GPU本身在算力方面的优势外，还有一个很重要的原因在于英伟达GPU是目前唯一可以持续稳定廉价且足量供应的优质算力工具，你别看A100显卡动不动大几万，H100动不动几十万，但这已经是目前最廉价的优质算力解决方案了，比它能算的方案比它贵出一大截，比它便宜的方案远远没它能算，说白了英伟达GPU的效费比是最好的，你其实根本就没得选。

之所以英伟达GPU会成为人工智能最具效费比的算力工具，这和人工智能最初的诞生环境有关。

目前人工智能训练的基础大纲是反向传播算法，基于这套算法的梯度优化是人工智能训练的主流技术路径，反向传播算法之父辛顿在最初设计这套算法的时候，就是用英伟达的游戏显卡作为算力工具的，这导致这套算法和英伟达GPU具有天然的适配性，相当于是娘胎里带出来的优势，就像你问中国人为什么说中国话说的那么好，我怎么知道，从小在那么个环境里长大，说着说着自然就说的好了。

这种高适配性带来的优势就是高效费比，可以近似的理解为早年的主机游戏通过手工调整代码让游戏程序更适配于主机硬件，这让主机游戏可以在硬件参数逊于同时代PC的情况下，通过更好的适配性，让游戏的画面表现打平乃至超越同时代的PC。

这个道理其实国内也有人懂，当年百度和谷歌竞逐招募辛顿时，除了开出的价码比谷歌高外，还承诺在辛顿采购硬件上给予大量照顾，特别是辛顿孜孜以求的显卡。

另一方面英伟达在人工智能领域布局多年，其硬件的设计方案在数年前就针对人工智能的使用场景进行了针对性优化，连带着整个产业设计思路也越来越“亲人工智能化”，就连游戏硬件都开始引入深度学习超级采样技术来改善画面表现，实现了人工智能对游戏硬件的反哺，再加上游戏显卡和数据中心两大关键业务摊薄了相关研发成本，在进一步提高了和人工智能算法的适配性的同时还进一步降低了成本，效费比再次提升。

至于英伟达常年深耕半导体供应链带来的全产业链成本优势，更是毋庸多言，工业化的优势并非制造单一高技术产品——那是手工业的优势——恰恰在于批量提供质量稳定成本低的量产产品。

企业为啥要做人工智能？为了赚钱，因此效费比最高的方案哪怕不是技术最优解，也是现实最优解。

随着人工智能的逐步迭代和英伟达针对迭代后的人工智能的针对性硬件设计，这种效费比优势只会增加而不会减弱，因为它是一个标准的帕累托改进过程，是一个越滚越大的雪球：高适配性→高性能→高效费比→高应用量→高利润→高改进→高适配性。

这注定了其它任何后来者在检索所有技术路线后会发现，最优解就是去把英伟达已经走过的路再原模原样的走一遍。

领先这个东西，是一步快，步步快，落后也一样，一步慢，步步慢。