智通財經APP獲悉，截至週二美股收盤，AI芯片領導者英偉達(NVDA.US)股價下跌約1%，在此之前股票研究以及市場情報提供商Edgewater Research表示，自今年年初以來，該芯片巨頭的人工智能GPU芯片渠道需求展望首次出現“喜憂參半”的預期數據。在需求端，買賣雙方“價格博弈”信號已經出現，尤其是一些買家選擇觀望，等待他們能接受的市場價格。
這家市場研究公司指出，2024年數據中心GPU出貨量的渠道預測數據基本保持不變，並且基於COWOS先進封裝技術的芯片供應短缺仍然將持續一段時間，特別是來自臺積電(TSM.US)的芯片供應量將持續緊張。
Edgewater Research補充稱，英偉達的客戶們仍在試用H200和L20芯片，預計將在2024年上半年客戶試用規模將增加。“客戶最關心的是新品價格;(英偉達)被認爲可能需要在H200等新品芯片價格的定價區間上更加靈活，尤其是某些特定產品性能降級的情況下。因此，一些客戶可能傾向於暫時觀望，等待他們能接受的市場價格。”Edgewater Research表示。
該公司表示，目前還不清楚爲什麼英偉達的人工智能GPU需求突然出現了“好壞參半”的數據預測點，不過人們猜測最有可能的原因是全新H200 AI芯片的正式推出(於上個月宣佈)，以及最強大競爭對手之一AMD發佈號稱“最強算力”的AI芯片Instinct MI300X，這一局面導致主要客戶在重新考慮GPU採購計劃時暫停購買，直至等到英偉達報出他們認爲合理的市場價格。然而，該研究機構補充表示：“這也可能表明2024年中期的英偉達新產品潛在需求將因性能等優勢而重新加速。”
AMD並未透露MI300X的定價，但AMD首席執行官蘇姿豐表示，AMD的芯片必須比英偉達的芯片購買和運營成本更低，才能說服潛在大客戶購買。
Edgewater Research在研究報告中寫道:“令人鼓舞的是，統計渠道對英偉達數據中心地位和AI芯片需求的長期評論仍然具有建設性，英偉達旗艦產品在數據中心的應用比例仍在不斷擴大，在英偉達芯片加速驅動下，無論是基於人工智能還是非人工智能應用的潛力都非常大。”
該研究機構還對英偉達的競爭對手AMD (AMD.US)和英特爾(INTC.US)的新產品發表了較爲積極的看法，並指出，預計到2024年，AMD的人工智能部署將帶來至少10億美元的營收規模。英特爾旗下的各類芯片產品可能將受益於PC端需求持續復甦，因爲該機構預計到2024年，個人電腦銷量將同比增長2%至5%。
展望未來，AI芯片領域的競爭局勢或將愈發激烈
英偉達在2023年堪稱是全球股票市場最火熱的投資標的，得益於去年ChatGPT橫空出世引發的人工智能投資狂潮，在AI芯片領域處於毫無爭議壟斷地位的英偉達股價暴漲，該股在2023年的表現異常出色。今年以來，英偉達股價漲幅達到了驚人的240%。這一成就不僅令該股輕鬆超過美股基準指數——標普500指數(S&P 500)，同時年內漲幅位列七大科技巨頭之首。美股市場的七大科技巨頭(Magnificent Seven)包括：蘋果、微軟、谷歌、特斯拉、英偉達、亞馬遜以及Meta Platforms。
全球AI芯片領導者英偉達在AI芯片領域份額接近90%，AMD則遠遠不及英偉達，然而在AMD發佈號稱“最強算力”的AI芯片Instinct MI300X之後，英偉達壟斷地位毫無疑問將面臨來自AMD的巨大威脅。“Advancing AI”發佈會上，AMD將截至2027年的全球AI芯片市場規模預期，從此前預期的1500億美元猛然上修至4000億美元，而2023年AI市場規模預期僅僅爲300億美元左右。華爾街大行花旗預計明年AI芯片市場規模將在 750億美元左右，同時預計AMD能夠佔據 10% 左右的市場份額。
除了面臨來自AMD的競爭壓力，英偉達還面臨各大雲服務巨頭自研AI芯片帶來的競爭壓力。比如谷歌近期宣佈推出新版本的TPU芯片TPU v5p，旨在大幅縮減訓練大語言模型時間投入，v5p是今年早些時候全面推出的Cloud TPU v5e的更新版本。全球第一大公有云巨頭——亞馬遜旗下的AWS近期宣佈推出爲生成式AI和機器學習訓練而設計全新自研AI芯片AWS Trainium2，性能比上一代芯片提高到4倍，可提供65ExaFlops超算性能。微軟近期宣佈推出第一款定製的自研CPU 系列 Azure Cobalt 和AI加速芯片 Azure Maia，後者是微軟首款人工智能芯片，主要針對大語言模型訓練，預計將於明年初開始在微軟Azure數據中心推出。
據瞭解，有着“OpenAI勁敵”之稱的人工智能初創公司Anthropic已經成爲首批使用谷歌TPU芯片的公司之一，其他在人工智能領域備受矚目的初創公司，如Hugging Face和AssemblyAI也在大規模使用谷歌TPU芯片。據媒體報道，Anthropic還計劃用Trainium2芯片構建新的AI大模型。
從技術層面上來看，與英偉達A100/H100等通用型GPU 相比，谷歌TPU設計初衷正是專注於深度學習領域，尤其是全面加速神經網絡訓練和推理效率。英偉達的A100和H100，它們屬於廣義上的通用型GPU，而不僅僅侷限於深度學習和人工智能領域。這些GPU具有通用計算能力，適用於多種計算工作負載，包括但不限於：高性能計算(HPC)、深度學習以及大規模數據分析。
與英偉達通用型GPU相比，谷歌TPU採用低精度計算，在幾乎不影響深度學習處理效果的前提下大幅降低了功耗、加快運算速度，尤其對於中型LLM設計者來說完全夠用，因此他們可能不需要依賴高性能的英偉達A100/H100。同時，TPU 使用了脈動陣列等設計來優化矩陣乘法與卷積運算。谷歌TPU追求專注於AI訓練和推理，因此精簡化部分設計架構，這也是TPU功耗、內存帶寬和FLOPS都明顯低於英偉達H100的部分原因。