在ChatGPT惊艳全球，类ChatGPT层出不穷之际，其背后的英伟达才是最大的赢家。

上个月，英伟达创始人兼CEO黄仁勋在演讲中兴奋地谈论ChatGPT带来的变化，感叹这是“人工智能的iPhone时刻”。

在21日晚的英伟达的年度活动GTC上，黄仁勋带来了包括针对生成式AI图像处理、大模型处理的四款AI推理芯片，并且又把“AI的iPhone时刻”这句话重复了三遍。

生成式AI的爆火，AI的iPhone时刻都离不开AI芯片。微软用ChatGPT震惊了世界，也作证了英伟达的行业地位。

全新的GPU推理平台包括4种不同配置，针对不同工作负载进行优化，分别对应了AI视频加速、图像生成加速、大型语言模型（LLM）加速和推荐系统和LLM数据库。包括：L4 Tensor Core GPU、L40 GPU、H100 NVL GPU和Grace Hopper超级芯片。

其中，H100 NVL是专门为LLM设计的GPU，采用了Transformer加速解决方案，可用于处理ChatGPT。相比于英伟达HGX A100，一台搭载四对H100和双NVLINK的标准服务器速度能快10倍，可以将大语言模型的处理成本降低一个数量级。

目前，能够处理拥有1750亿参数的GPT-3等大型语言模型的只有A100，而GPT-4等参数量更大的模型则需要更多A100的堆叠。性能方面，一台8卡的H100 NVL的速度是目前标配8卡A100服务器的10倍。这不仅意味着速度的提升，也将降低大模型公司在算力方面的成本，毕竟GPT-3训练一次的成本约为140万美元，而对于一些更大的LLM模型，训练成本介于200万美元至1200万美元之间。

ChatGPT能取得如此成就，离不开大量GPU的推理和训练，如果高性能GPU的数量不够或者性能不足，那么AI推理和模型训练的准确度就会大打折扣，微软的Azure为ChatGPT构建了超过1万枚英伟达A100 GPU芯片的AI计算集群。

据美国市场研究机构TrendForce的报告显示，处理1800亿个参数的GPT-3.5大模型，需要的GPU芯片数量高达2万枚。未来GPT大模型商业化所需的GPU 芯片数量甚至超过3万枚。所以，英伟达与未来AI技术的爆发有着密不可分的关系。

回顾过去，其实早在十多年前，英伟达就触发了深度学习大爆炸。2012年，Alex koshevsky、Elias suskaver和Jeff Hinton的研究团队，在英伟达Geforce GTX 580上使用1400万张图片训练了AlexNet计算机视觉模型，可处理262千万亿次浮点运算。经过训练的模型以压倒性优势赢得了ImageNET挑战赛。

十年之后的2022年，OpenAI凭借10000片英伟达GPU芯片来训练GPT-3大语言模型，需要进行323 x 10^21次浮点运算，比AlexNet多出一百万倍，进而触发了生成式AI的爆发点。

黄仁勋认为生成式 AI 将重塑几乎所有行业——由于ChatGPT模型背后算力成本超过400万美元，在这场大模型军备竞赛中，手握A100和H100的“军火商”英伟达，或已成最大赢家。据花旗预估，ChatGPT或将促使英伟达一年内销售额增长100亿美元。

从全球GPU的市场占比情况来看，无论AI技术如何发展，哪些科技企业/大佬进入生成式AI领域，英伟达的地位都是铁打的，其已经不只是一家芯片公司，也是AI时代基础设施的提供方。

对于进入类ChatGPT领域，每个参与者都有自己的定位、看法。

>谷歌Bard的定位

Bard没有与搜索引擎结合，而是一个独立的网页，带有一个问题框，可以认为是一个对谷歌搜索的补充。谷歌高管称，Bard是一个创造性的工具，可以草拟电子邮件和诗歌，并就如何让孩子参与飞钓等新流行的爱好提供指导。高管们表示，该公司渴望了解人们如何使用这项技术，并将根据使用情况和反馈进一步完善聊天机器人。不过，与搜索引擎不同的是，Bard的设计初衷并不是提供可靠的信息来源。

从最新的公测版本来看，前期的翻车让Bard更为谨慎，当用户提出一个问题之后，Bard能直接帮用户生成3个不同版本的答案，用户可以根据自己的喜好进行挑选，也可以理解为将AI答案可能出现的错误问题踢给用户。

>百度文心一言的定位

李彦宏表示，百度文心一言定位于人工智能基座型的赋能平台，将助力金融、能源、媒体、政务等千行百业的智能化变革。从发布会现场来看，文心一言某种程度上具有了对人类意图的理解能力，回答的准确性、逻辑性、流畅性都逐渐接近人类水平。但整体来看文心一言的发布有些许仓促，还有很大提升空间。

“一直担心人生被惯性主导，怠于熟悉的环境而错过了不同的精彩”的美团前高管王慧文要打造中国OpenAl。

李开复认为AI 2.0是绝对不能错过的一次革命，AI 2.0不仅仅是个高能聊天工具，也不仅仅是图文创作的AIGC生成，Co-pilot和如今看到的应用都还只是AI 2.0能力的开端。

阿里技术大佬贾扬清在入职4年后选择离职创业，投身于人工智能架构领域，与贾扬清一同携手创业的，还有他多年携手并肩的战友，曾共同参与ONNX、PyTorch和Caffe2项目。

任何新技术、新应用的出现都会吸引诸多公司、业内人士的目光，ChatGPT正在引爆AI创业的一波新热潮。但是如果仅仅只是被热潮所吸引，跟风投机，没有全力以赴的坚持和投入，大多数的创业都是竹篮打水，毕竟Open AI也是经过几年的发展，投入了大量的资金才推出了ChatGPT。

从企业的角度来看，虽然国内大模型技术的发展呈现百花齐放的态势，但不得不承认我们与国外在基层技术上的差距，这一点通过文心一言与ChatGPT的对比就可以看出，比如对问题的理解程度、答案的准确度等。

此外，很多国产大语言模型都是用开源软件，对于只能采用GPT2.0模型的国内公司而言，与GPT4.0的差距变的更大，想要在短期内达到同样的水平还有较大难度，语料库的建立，人工标注，算法的训练都需要时间。所以，国产的类ChatGPT产品能达到什么效果还很难说，如果达不到预期的商业效果就有可能成为拖累企业发展的陷阱。

从创业者的角度来看，投身AI大模型，首先就意味着要消耗大量的资金，如上文提到的GPT-3训练一次的成本约为140万美元，此外，以ChatGPT在1月的独立访客平均数1300万计算，其对应芯片需求为3万多片英伟达A100 GPU，初始投入成本约为8亿美元，每日电费在5万美元左右。对资本而言，他们要从不确定性中寻找最大的确定性，所以有着深厚技术功底的团队更受青睐。其次，从技术层面来看，很多创业项目还停留在理论层面、热情层面，想要真正实现并达到商业效果还有不小的阻力，从0到1需要的不仅仅是魄力与热情，还需要扎实的技术基础。此外，创业者还需要面对来自微软、谷歌、百度、阿里、腾讯、华为等科技公司的巨大压力，所以选择ChatGPT赛道对创业公司而言非常不友好。

生成式AI赛道看似很热，但是表面之下或许是岩浆在翻涌，投身其中需要大量资金的加持和深厚的技术壁垒，能跟上处于加速状态的ChatGPT又有几个，让我们拭目以待。