SK海力士和三星之間要打價(jià)格戰(zhàn)？打下AI芯片成本是首件大事

據(jù)韓國媒體BusinessKorea近日?qǐng)?bào)道，在人工智能芯片對(duì)于高帶寬內(nèi)存HBM需求的推動(dòng)下，自2023年以來，第三代的HBM3的報(bào)價(jià)已經(jīng)上漲超過5倍。這對(duì)于英偉達(dá)等AI芯片大廠來說，所需的關(guān)鍵HBM價(jià)格大漲，勢必會(huì)影響其AI芯片的成本。

在此背景下，市場傳聞稱，英偉達(dá)似乎故意煽動(dòng)三星電子、SK海力士彼此競爭，以便勢壓低HBM的價(jià)格。

4月25日，SK集團(tuán)董事長崔泰源（Chey Tae-won）匆匆前往硅谷與英偉達(dá)CEO黃仁勛（Jensen Huang）會(huì)面，似乎跟這些策略有關(guān)。

雖然過去一個(gè)多月來，英偉達(dá)一直在測試三星領(lǐng)先業(yè)界開發(fā)出的12層堆疊的HBM3E，卻遲未下單采購。市場解讀，這是一種策略，目標(biāo)是激勵(lì)三星與SK海力士進(jìn)行價(jià)格競爭。

在最新的一季度財(cái)報(bào)會(huì)議上，三星表示，將繼續(xù)增加HBM供應(yīng)，以滿足對(duì)生成人工智能不斷增長的需求。本月，三星已經(jīng)開始量產(chǎn)8層堆疊的HBM3E ，并計(jì)劃在第二季度量產(chǎn)12層堆疊的HBM3E產(chǎn)品。

SK海力士社長郭魯正（Kwak Noh-Jung）也在一季度財(cái)報(bào)會(huì)議上表示，2025年的AI芯片組用的HBM幾乎全數(shù)售罄，2024年的供應(yīng)也已全部訂光。他說，12層堆疊的HBM3E將在今年5月送樣，預(yù)計(jì)第三季開始量產(chǎn)。SK海力士正在與一些客戶就HBM的長期合同進(jìn)行談判。


AI芯片制造成本也在不斷上升

近年來,隨著人工智能技術(shù)的快速發(fā)展,對(duì)HBM內(nèi)存芯片的需求不斷攀升。HBM作為高性能計(jì)算領(lǐng)域不可或缺的關(guān)鍵部件,其價(jià)格在過去一年內(nèi)已經(jīng)上漲了5倍以上。

這一漲價(jià)趨勢的根源,主要在于HBM芯片的供給不足難以滿足日益增長的市場需求。目前,全球HBM芯片市場被三星和SK海力士兩家韓企所壟斷,他們掌握著超過90%的市場份額。

在產(chǎn)能有限的情況下,兩家韓企不得不順應(yīng)市場行情,不斷提高HBM芯片的售價(jià)。這就給下游需求方,尤其是英偉達(dá)等關(guān)鍵客戶,帶來了極大的成本壓力。

金融服務(wù)公司 Raymond James 分析師曾預(yù)估過 B200 的成本。

英偉達(dá)每制造一顆 H100 的成本約為 3320 美元，售價(jià)為 2.5-3 萬美元之間，根據(jù)兩者的性能差異推算 B200 成本將比 H100 高出 50%~60%，大概是 6000 美元。

黃仁勛在發(fā)布會(huì)后接受 CNBC 專訪時(shí)透露，Blackwell GPU 的售價(jià)約為 3 萬~ 4 萬美元，整個(gè)新架構(gòu)的研發(fā)大約花了 100 億美元。

我們必須發(fā)明一些新技術(shù)才能使其（新架構(gòu)）成為可能。

按照以往的節(jié)奏，英偉達(dá)大約每兩年就會(huì)發(fā)布新一代 AI 芯片，最新的 Blackwell 相較于前幾代產(chǎn)品在算力性能和能耗控制上有了顯著的提升，更直觀的是， 結(jié)合了兩顆 GPU 的 Blackwell 比 Hooper 大了將近一倍。

高昂的成本不僅與芯片有關(guān)，還與設(shè)計(jì)數(shù)據(jù)中心和集成到其他公司的數(shù)據(jù)中心緊密相連，因?yàn)樵邳S仁勛看來，英偉達(dá)并不制造芯片，而是在建數(shù)據(jù)中心。

根據(jù)英偉達(dá)最新的財(cái)報(bào)顯示，第四財(cái)季營收達(dá)到創(chuàng)紀(jì)錄的 221 億美元，同比增長 265%。四季度凈利潤 123 億美元，同比暴增 765%。這當(dāng)中最大的營收來源數(shù)據(jù)中心部門，達(dá)到創(chuàng)紀(jì)錄的 184 億美元，較第三季度增長 27%，較上年同期增長 409%。

研發(fā)成本很高，但以此搏來的正向回報(bào)更高。

英偉達(dá)目前正在構(gòu)建的數(shù)據(jù)中心，包含全棧系統(tǒng)和所有軟件，是一套完整的體系，Blackwell 或者說 GPU，只是這當(dāng)中的一環(huán)。

數(shù)據(jù)中心被分解成多個(gè)模塊，用戶能夠根據(jù)自身需求自由選擇相應(yīng)的軟硬件服務(wù)，英偉達(dá)會(huì)根據(jù)不同的要求對(duì)網(wǎng)絡(luò)、存儲(chǔ)、控制平臺(tái)、安全性、管理進(jìn)行調(diào)整，并有專門團(tuán)隊(duì)來提供技術(shù)支持。

如此的全局視野和定制化服務(wù)到底好不好，數(shù)據(jù)可以說明一切：截至 3 月 5 日，英偉達(dá)的市值繼超越 Alphabet、亞馬遜等巨頭后，又超過沙特阿美，成為全球第三大公司，僅次于微軟和蘋果兩大科技巨頭，總市值達(dá)到 2.4 萬億美元。

目前，全球數(shù)據(jù)中心大約有 2000 億歐元（約合人民幣 7873 億）的市場，英偉達(dá)正是這當(dāng)中的一部分，黃仁勛預(yù)測這個(gè)市場在未來極有可能增長到 1-2 萬億美元。


英偉達(dá)的"價(jià)格戰(zhàn)"策略

面對(duì)HBM芯片價(jià)格的飆升,英偉達(dá)顯然很難接受。作為全球最大的GPU芯片供應(yīng)商,英偉達(dá)需要大量使用HBM內(nèi)存來支撐其高性能計(jì)算產(chǎn)品。如果HBM芯片價(jià)格持續(xù)大漲,必將嚴(yán)重影響其產(chǎn)品的成本競爭力。

因此,英偉達(dá)開始采取了一些"價(jià)格戰(zhàn)"策略。一方面,他們一直在密切關(guān)注并測試三星的最新HBM3E芯片;另一方面,又主動(dòng)去接觸SK海力士的高管,似乎想要通過"挑撥離間"的方式,引發(fā)韓企之間的內(nèi)部競爭。

這種做法,無疑是想要利用三星和SK海力士之間的矛盾,讓他們?cè)趦r(jià)格上展開惡性競爭,從而達(dá)到降低HBM芯片采購成本的目的。

降模型成本

2024年非常關(guān)鍵的事

今年以來，算力已經(jīng)被公認(rèn)為是大模型競爭的「軍火庫」。這不僅讓英偉達(dá)的市值超過英特爾，也讓其財(cái)報(bào)中的GPU收入超過了手機(jī)芯片之王高通。

但算力的另一面是GPU供應(yīng)緊張、價(jià)格昂貴。成本壓力是會(huì)層層傳導(dǎo)的。

比如AWS首席執(zhí)行官Adam Selipsky前不久在談到整個(gè)行業(yè)時(shí)曾直言：「我接觸過的很多客戶都對(duì)運(yùn)行其中一些模型的成本感到不滿。」

在這個(gè)問題上，中美企業(yè)所面臨的挑戰(zhàn)并無不同。在同《降噪NoNoise》交流時(shí)，侯震宇提到他的一個(gè)判斷——預(yù)計(jì)2024年整體算力資源供應(yīng)的不確定性或者說緊張程度仍然比較大，所以云計(jì)算廠商面臨的共性問題是如何更高效地使用算力資源。

其實(shí)不僅是算力資源昂貴，目前人力資源、數(shù)據(jù)資源（如數(shù)據(jù)標(biāo)注），本身成本也很高。「確保大家用足夠少的錢能訓(xùn)練出來想要的模型，以及用一個(gè)客戶可接受的成本使其真的把AI大模型用起來，這些會(huì)是2024年非常關(guān)鍵的事。」

目前，國內(nèi)云計(jì)算廠商的思路大多是在保證同等效果前提下，通過推理優(yōu)化、模型訓(xùn)練工具鏈優(yōu)化等，以縮短算力使用時(shí)間。

以百度智能云為例，其主要通過基礎(chǔ)設(shè)施層的異構(gòu)計(jì)算平臺(tái)「百舸」、大模型平臺(tái)層的「千帆」互相打配合，以實(shí)現(xiàn)算力性價(jià)比。

追求算力性價(jià)比的方向無非兩個(gè)：一是提高GPU利用率，縮短使用時(shí)間。比如在大模型訓(xùn)練環(huán)節(jié)，百度通過分布式并行訓(xùn)練策略和微秒級(jí)互聯(lián)，讓萬卡規(guī)模集群訓(xùn)練的加速比達(dá)到95%、萬卡集群有效訓(xùn)練時(shí)間占比達(dá)到98%。

「百舸」升級(jí)到3.0版本后，訓(xùn)練和推理場景的吞吐量據(jù)稱可提高30%-60%，這些意味著原來要用100天的訓(xùn)練，現(xiàn)在可能只用70天，節(jié)約時(shí)間等于間接省錢。

二是適配成本更低的AI芯片，除英偉達(dá)外，千帆平臺(tái)還兼容昆侖芯、昇騰、海光DCU、英特爾等國內(nèi)外主流AI芯片。畢竟不是所有訓(xùn)練都需要?jiǎng)佑肏800這種頂格待遇。

通過組合選項(xiàng)，理論上客戶可以用最小的切換成本完成算力適配。這種屬于直接省錢。

不過再怎么省錢，前提還是要保證AI模型的效果。若達(dá)不到客戶的預(yù)期效果，云服務(wù)商對(duì)算力資源「算計(jì)」再多，也是沒有意義的。