本文目录一览：
- 1、英伟达秀全球最大GPU，黄仁勋从烤箱里拿出的产品果然「爆了」
- 2、穿皮衣的花臂CEO——撼动巨人的英伟达
- 3、AI 热潮下英伟达市值逼近伯克希尔哈撒韦，这说明了什么？
- 4、2700亿！美企发起芯片业最大收购案，或助美国垄断全球业务？
- 5、百度文心一言是什么？你对文心一言有什么期待？
英伟达秀全球最大GPU，黄仁勋从烤箱里拿出的产品果然「爆了」
SegmentFault 思否报道丨公众号：SegmentFault
是他，还是那个男人，那个熟悉的皮夹克。
5 月 14 日 晚，黄仁勋在厨房召开了英伟达 GTC 2020 线上发布会。由于新冠病毒疫情影响，英伟达原计划的现场活动被迫取消，定于 3 月 24 日通过媒体发布伍辩的新闻稿也未见踪影。千呼万唤中，黄仁勋终于在烤箱前和大家见面了。
本届 GTC 从预热开始就不走寻常路，黄仁勋在大会前一天晒出了自己从烤箱里拿出了 全新的安培（Ampere）架构 GPU NVIDIA A100 。
令人颇感意外的是，虽然无法举办线下活动，英伟达竟然连线上直播都懒得办，直接播放了黄仁勋在自家厨房里录制的视频完成了新品发布。果然是手里有「硬货」就不在乎形式了。
英伟达的首款安培架构 GPU 可以算「史上最强」了，基于 7nm 工艺制程，拥有 540 亿晶体管，面积为826mm²，与 Volta 架构相比性能提升了 20 倍 ，既可以做训练也可以做推理。
NVIDIA A100 具有 TF32的第三代 Tensor Core 核心，能在不更改任何代码的情况下将 FP32 精度下的 AI 性能提高 20倍，达到19.5万亿次/秒 。
多实例 GPU-MG 可将单个 A100 GPU 分割为 7 个独立的 GPU，根据核橘态任务不同提供不同的计算力，实现最佳利用率和投资回报率的最大化。
NVIDIA A100 新的效率技术利用了AI数学固有的稀疏性，优化之后性能提升了一倍。
英伟达将 NVIDIA A100 的特性总结为以下 5 点：
黄仁勋说：“Ampere架构的突破性设计为英伟达第八代GPU提供了迄今为止最大的性能飞跃， 集 AI 训练和推理于一身，并且其性能相比于前代产品提升了高达 20 倍 。这是有史以来首次，可以在一个平台上实现对横向扩展以及纵向扩展的负载的加速。A100 将在提高吞吐量的同时，降低数据中心的成本。”
NVIDIA A100 是第一个基于 NVIDIA 安培架构的 GPU，提供了在 NVIDIA 八代 GPU 里最大的性能提升，它还可用于数据分析，科学计算和云图形，并已全面投产并交付给全球客户。
全球 18 家领先的服务提供商和系统构建商正改源在将 NVIDIA A100 整合到他们的服务和产品中，其中包括阿里云、AWS、百度云、思科、Dell Technologies、Google Cloud、HPE、Microsoft Azure和甲骨文。
黄仁勋还介绍了基于 NVIDIA A100 的第三代 AI 系统 DGX-A100 AI。DGX-A100 AI 是世界上第一台单节点 AI 算力达到 5 PFLOPS 的服务器 ，每台 DGX A100 可以分割为多达 56 个独立运行的实例，还集合了 8 个 NVIDIA A100 GPU，每个 GPU 均支持 12 路 NVLink 互连总线。
据了解，与其他高端 CPU 服务器相比，DGXA100 的 AI 计算性能高 150 倍、内存带宽高 40 倍、IO 带宽高 40 倍。
黄仁勋说：“AI已经被应用到云计算、 汽车 、零售、医疗等众多领域，AI算法也正变得越来越复杂和多样。ResNet模型的算力需求从2016年到现在已经增加了3000倍，我们需要更好的解决方案。”
如此强大的 DGX-A100 AI 售价自然也不便宜，标价 19.9 万美元，约合人民币 141 万元。
此外，黄仁勋还提到了英伟达新一代 DGXSuper POD 集群，由 140 台DGXA100系统组成，AI算力达 700 Petaflops，相当于数千台服务器的性能 。
据了解，首批 DGXSuper POD 将部署在美国能源部阿贡国家实验室，用于新冠病毒疫情相关的研究。
除了以上两款重磅产品，黄仁勋还宣布推出了 NVIDIA Merlin，这是一个用于构建下一代推荐系统的端到端框架，该系统正迅速成为更加个性化互联网的引擎。Merlin将创建一个 100 TB 数据集推荐系统所需的时间从四天减少到 20 分钟。
英伟达此次还推出了众多 AI 领域相关产品，包括 以太网智能网卡 Mellanox ConnectX-6 Lx SmartNIC、EGX 边缘 AI 平台和一系列软件更新扩展。
1.以太网智能网卡 Mellanox ConnectX-6 Lx SmartNIC
ConnectX-6 Lx 是业界首个为 25Gb/s 优化的安全智能网卡，可提供两个 25Gb/s 端口或一个 50Gb/s 端口。
2.EGX 边缘 AI 平台
EGX Edge AI 平台是首款基于 NVIDIA 安培架构的边缘 AI 产品，可接收高达 200Gbps 的数据，并将其直接发送到 GPU 内存进行 AI 或 5G 信号处理。
3.Spark 3.0
英伟达还宣布在 Spark 3.0 上支持 NVIDIA GPU 加速，基于 RAPIDS 的 Spark 3.0，打破了提取，转换和加载数据的性能基准。它已经帮助 Adobe Intelligent Services 将计算成本降低了90％。
4.NVIDIA Jarvis
黄仁勋在发布会中详细介绍了 NVIDIA Jarvis，这是一个新的端到端平台，可以充分发挥英伟达 AI 平台的强大功能，创建实时多模态对话式 AI。
5.Misty 交互 AI
现场演示中，一个名为 Misty 的 AI系统展示了实时理解并回答一系列有关天气的复杂问题的交互过程。
自动驾驶方面，英伟达也将安培架构嵌入了新的 NVIDIA DRIVE 平台。据了解，小马智行、法拉第未来等自动驾驶企业已宣布采用 NVIDIA DRIVE AGX 计算平台。
英伟达的 NVIDIA Isaac 软件定义的机器人平台还将用于宝马集团工厂。英伟达机器人技术全球生态系统涵盖配送、零售、自主移动机器人、农业、服务业、物流、制造和医疗保健各个行业。
英伟达这场时隔 3 年的发布会可谓诚意满满，首次推出的安培架构给足了惊喜，性能提升 20 倍的 NVIDIA A100 GPU 可谓性能飞跃。
虽然发布会并不是现场直播，但依旧爆点十足。一台就比千台强的 DGX-A100 AI 也印证了黄仁勋那就经典名言“买的越多，赚的越多”。英伟达的 AI 解决方案已经覆盖了各行各业，强大的 AI 生态正在形成。
中国工程院院士倪光南曾表示：「芯片设计门槛极高，只有极少数企业能够承受中高端芯片研发成本，这也制约了芯片领域创新。」
英伟达在本届 GTC 上推出的安培架构和基于此的一系列 AI 平台无一部显示了一个 AI 芯片巨头的实力，又一次树立了性能标杆。
根据 Gartner 的预测数据 ，未来 5 年内全球人工智能芯片市场规模将呈飙升趋势 ，自 2018 年的 42.7 亿美元 ，升高至 343 亿美元 ，增长已超过 7 倍，可见 AI 芯片市场有较大增长空间。
尽管与西方发达国家相比，中国的 AI 芯片研发还存在一定差距，但过去两年中，中国 AI 芯片初创企业已获得了数亿美元的资金。华为等公司也开发了令人印象深刻的芯片设计。
但芯片开发极具复杂性，中国人才的短缺以及缺乏多家全球销售排名前 15 位的中国半导体公司的情况表明，中国仍需要取得重大进展，才能在半导体领域与美国匹敌。
穿皮衣的花臂CEO——撼动巨人的英伟达
半导体市场向来是一个硝烟未灭另一个硝烟又起之地，大佬们摆棋弄局，小弟们争相突围。
每隔数粗乱十载，市场格局又大变。
前有半导体界称霸已久的巨头英特尔，因困于制程进展缓慢休憩片刻，便引来无数垂涎其地位已久的竞争者——台积电大步超车，从5nm到开始布孙凳拿局3nm；三星不甘示弱，下血本开多条产线，剑指龙头；AMD推陈出新，疯狂抢占PC处理器市场。
而其中，突围最成功的当然要数AI芯片领域的佼佼者英伟达。
短短几年，人工智能从一个冷门的非主流领域，变成了人们争相谈论的“网红”，甚至发展到了商业的最前沿。
今年来，以 游戏 显卡成长起来的英伟达可算是吃到了甜头。由于新冠疫情的影响，居家隔离办公期间，在线 游戏 和远程计算服务让英伟达成为了最大的受益者。
2020年8月17日，英伟达公司股价再创新高，493美元的收盘价之后市值冲破3000亿美元，成为美国半导体行业的第一，比巨头英特尔高出近1000亿美元，这个市值也等于老朋友AMD、Intel两家的市值之和。
这一件又一件的喜事，足以让英伟达创始人老黄-黄仁勋兴奋不已——看来以后怼英特尔更理直气壮了！
老黄于1963年2月在台湾出生，后在1972年举家移民美国。
老黄在上高中的时候就迷上了计算机，高中毕业后就报考了俄勒冈州大学学习计算机科学和芯片设计。在那里，他遇到了他未来的妻子
Lori。
毕业后，他们搬到了硅谷，黄仁勋开始了他在竞争对手AMD的第一份工作。老黄工作的同时也在继续着学业，并于1992年在斯坦福大学获得了电子工程硕士学位。在他的第二份工作，就职于芯片制造商LSI Corp期间，他遇到了在Sun Microsystems（太阳计算机系统公司）工作的Malachowsky和Priem。
1993年4月，在圣何塞Berryessa立交桥附近的Denny's里，三位年轻的电气工程师——黄仁勋和朋友马拉乔斯基（Chris Malachowsky）和Curtis Priem联合创立了Nvidia，启动资金4万美元，致力于生产能够为视频 游戏 生成更快、更逼真的图形专用芯片。
公司起初没有名字，黄仁勋说：“我们想不出名字，就给所有的文档命名为NV，意思是‘下一代’（next version）。”由于需要让公司具象化，创始人只能去查阅所有带了这两个字母的单词，他们发现了“ invidia ”，它在拉丁语中意为“羡慕”。于是名字就这么敲定了。
三人在21世纪初看到了 数字化浪潮 的机会，并且希望用与英特尔在1990年代相同的方式定义计算。
英伟达创始人之一的马拉乔斯基说： “ 1993年没有市场，但我们看到了一波热潮。” “每年都有一个加州冲浪比赛，比赛时间为五个月。当他们在日本看到某种形式的波浪现象或风暴时，便告诉所有冲浪者出现在加利福尼亚州，因为两天内会发生波浪。就是这样我们才刚开始。”
浪潮？
三人看到的浪潮，就是那个年代新兴市场——图形处理器（GPU）。
在 PC 诞生之初，并不存在 GPU的概念，所有的图形计算都由 CPU 进行则搭计算，直到NVIDIA提出了GPU概念。
GPU通常作为视频 游戏 玩家插入PC主板的卡出售，可提供超快的3D图形。不过这项技术在当时并不被看好。
1995年9月30日，英伟达发布第一款可以真正意义上被称为显卡的产品，叫做NVIDIA STG-2000X。该产品采用英伟达的第一代NV1架构，开发成本为1000万美元。
这款产品并不成功，而且花光了英伟达筹来的第一笔投资，之后又经历了NV2的研发，均在市场上没有掀起什么浪花。这个刚成立没几年的年轻公司几乎破产，陷入财政危机的英伟达被迫解雇一半员工，最后仅保留了约40名核心人员艰难地维持公司的运作。
直到1997年，RIVA128的研发，它的速度是其他图形处理器的4倍，被视为英伟达第一款最成功的显示核心。借着这款产品的成功，英伟达一鼓作气于1998年秋和1999年2月分别推出了TNT和TNT2，一举占据了显卡芯片市场的主流位置。从此GPU就改变了世界，特别是在 游戏 领域，NVIDIA GPU几乎已经成为了 游戏 设备的标配。
上个世纪90年代末，70家GPU公司中存活下来的只有Nvidia和AMD。
与台积电
1998 年英伟达与台积电签署了合作伙伴关系协议，台积电开始协助制造 NVIDIA 产品。
这里还有一段小故事：
也许是同是老乡情谊，在一次采访中黄仁勋回记起1995 年的某天，张忠谋在跟他谈生意时说道，“我赴汤蹈火也要拿到你生意。” 黄仁勋说：“我们两家总共已做过100 亿美元的生意”。
1995 年，32 岁的黄仁勋遭遇商业瓶颈写信给张忠谋，询问台积电能否替 NVIDIA 代工生产第一颗芯片。随后台积电接下英伟达的订单，帮助其快速占领市场。黄仁勋对这段雪中送炭的情谊感动不已，据说还将这段经历画成了漫画送给张忠谋。（不得不说，画得是比我好多了。）
2017年黄仁勋获颁交大名誉博士，张忠谋也亲自到场祝贺，并表示与黄仁勋的友谊长达25年。张忠谋2018年6月在台积电股东常会后正式退休后，黄仁勋还受邀参加张忠谋的家宴。黄仁勋在家宴致词最后，也念了他写给张忠谋的一封信。这封信像是当作他们最后的道别，因为2019年的英伟达就转投由三星代工。
英伟达1999年1月全年营收突破1.5亿美元，并同年在美国纳斯达克挂牌上市。发行时，市值达2.3亿美元左右。2000年，公司收购九十年代末至二十世纪初的显卡芯片领导者3dfx，进一步壮大技术储备。2007年英伟达收入超过40亿美元，与上市时相比收入翻了近26倍！
2008年到2010年，受到“显卡门”事件以及全球经济危机的影响，上升势头正猛的英伟达遭遇了当头棒喝。公司一次性支付了近2亿美元来解决该产品质量问题，重创之后英伟达进入了短暂的停滞期。
终于来到关键性的2012年！
2012年，多伦多大学的Alex Krizhevsky创办了能够从100万样本中自动学习识别图像的深度神经网络“AlexNet”，成为人工智能的标志性事件。随后，斯坦福的 Andrew Ng 与 NVIDIA 研究室合作开发了一种使用大规模GPU 计算系统训练网络的方法。深度神经网络技术迅速发展，Nvidia 也一举成为深度学习领域最炙手可热的公司。
2016年9月13日，公司在GTC CHINA 2016 (NVIDIAGPU技术大会)
上发布了推理加速器Tesla P4/P40，形成了深度学习的核心产品。
据悉，英伟达数据中心的业务可分为高性能计算、人工智能和深度学习以及可视化三大部分。目前，英伟达数据中心业务约一半的收入来自于人工智能和机器学习，40%的收入来自于高性能计算。
英伟达在AI领域的高歌猛进甚至让半导体老炮英特尔都感觉到了威胁，以至于英特尔很快地开始大举收购小型AI初创公司，以免错过下一波浪潮。
_
除了 游戏 、数据中心业务，英伟达也在自动驾驶领域进行了多个布局。2015年推出世界上第一块车载超级大脑第一代Drive PX，2017年，英伟达发布了全球首款为全自动驾驶系统设计的计算机芯片，这套名为Drive PX Pegasus的新系统面向Level 5级别的自动驾驶 汽车 。近年来，英伟达深耕自动驾驶领域，如今已经成为自动驾驶硬件的前沿公司。
近日，英伟达公布第二财季财报显示，公司第二财季的营收为38.7亿美元，同比增长50%。其中，数据和 游戏 收入占大头——数据中心业务（包括Mellanox在内）营收达到17.5亿美元，同比增长167%； 游戏 业务营收为16.5亿美元，同比增长26%；专业可视化业务营收为2.03亿美元，同比下降30%；机动车业务营收为1.11亿美元，同比下降47%。
与一贯的500强CEO的形象不符的是，黄仁勋有着别具一格的风格。标志性的皮衣，以及手臂上有一个英伟达logo的抽象版本。
“我一直认为我们距离倒闭还有30天的时间，”黄仁勋说，“这不是害怕失败，而是害怕自满，我甚至不希望自己安定下来。”
往期精选
英特尔52年——大厦将倾，冰山欲倒
设备区｜中微半导体：撑起国产设备“半边天”
设备区｜光刻机还要“卡”多久？留给上海微电子的时间已经不多了
AI 热潮下英伟达市值逼近伯克希尔哈撒韦，这说明了什么？
这表明人工智能在当前的经济和科技环境下具有巨大的潜力和市场需求。英伟达作为一家在GPU芯片领域具有领先优势的公司，在人工智能技术的应用和发展方面表现出色，因此受到了市场的青睐。同时，伯克希尔哈撒韦顷扰是一家传统如枯的投资公司，其市值的逼近表明人们对AI公司的关注度和投资热情正在不断增加，这也反映出人工智能产业的前景十分广阔，具有极高的投资价值。 这是我的理解，仅供参考。
在这里推荐一个可以合规购买美港股股票的海外交易平台BiyaPay。一家聚合交易平台，交易市场覆盖全球股票市场和数字货币市场，对于想要投资的用户来说，BiyaPay提供最大的便捷程渣乎洞度，无需专门申请一个海外银行，可以通充值USDT方式，既可实时参与美港股和数字货币交易。 另外，BiyaPay在美国已取得美国证监会（SEC）旗下的RIA牌照，所以很安全，可以放心使用。
2700亿！美企发起芯片业最大收购案，或助美国垄断全球业务？
作为半导体行业最大的设计和知识产权供应商，ARM 将其技术授权给英特尔、高通和三星电子等客户，而这些公司与英伟达存在业务上的激烈竞争， 英伟达的收购案可能遭遇行业对手的强烈反对。
如果ARM变为一家美国公司，那么这会加剧ARM客户对于国际贸易风险的担忧。 因此，外界普遍认为，这项交易很可能无法通过包括在英国、中国、欧盟等多国监管机构的批准。 那么，明知收购ARM可能引起"众怒"，英伟达为何还要走出这一步呢？最终收购案的结局将会如何？
在英伟达宣布收购ARM后的几小时后，韩国和中国国内立马出现了质疑的声音。韩国半导体与显示技术学会会长Park Jea-gun表示， 这笔交易将加剧英伟达与三星、高通等公司在自动驾驶和其他未来芯片技术方面的禅野陪竞争，并引起市场对ARM可能会提高竞争对手专利许可费的忧虑。
一位中国芯片行业高管表示，如果ARM成为美国子公司，那么与ARM合作的美企在华很可能更难销售他们的芯片。
反对的不只有中韩业内人士，还有英国。曾经的ARM联合创始人Hermann Hauser公开反对，认为英国电子产业有数百家公司，其中许多公司都使用ARM的技术， 它们的产品也出口到全球市场，一旦收购完成，英国公司出售产品到哪都要遵循美国的规定，这将是个"灾难"。
ARM在芯片行业到底扮演什么特殊角色，为何能引起业内人士一片担忧？
芯片的架构设计一直被誉为芯片行业的"金字塔尖"，开发难度巨大。 架构是芯片设计的基础，犹如一座建筑里的结构设计，只有具备稳定可靠的结构设计，才能建造各式各样的房子。 在芯片领域，架构对芯片的整体性能起决定性作用， 不同架构的芯片在同样的芯片面积、频率下，性能甚至可以出现几倍的差距。 目前，全球芯片领域的主流架构主要是ARM公司主导的ARM架构和英特尔主导的X86架构。
在移动互联网时代到来之前，英特尔开发的X86架构以高效能的优势，逐渐在服务器、PC机流行起来。 1978年6月8日，英特尔生产出世界上第一款16位的微处理器"i8086"，该处理器的出现同时开创了一个使用X86架构的新时代。 这奠定了后续英特尔在计算机处理器的霸主地位。
不过，随着人们对手机等脊扰移动设备需求显著提升，全球芯片领域的主流架构市场孕育巨大变化。 英国ARM 公司创立于上世纪 90 年代，其创立初衷是做"结构简单、功耗低、价格便宜"的芯片 ，并最终做出了理想中的首款CPU。后来的ARM架构，指的就是设计这款CPU时采用的架构。
虽然ARM的研发方向与英特尔不同，但在英特尔的强大统治下，ARM的日子并不好过。在这个情况下 ，ARM决定改变他们的商业模式，不再像英特尔一样，完成整个芯片的设计、制造、封装等环节，而是专做IP授权，即将芯片设计方案转让给其他公司 ，剩下的由购买方自己去完成。万万没想到，这种模式开创了属于ARM的全新时代。 越来越多的公司参与到这种授权模式中，与ARM建立了合作关系。
随着移动智能时代的到来， ARM的芯片架构凭借低功耗、简单等优势受到市场的追捧，因为手机不像电脑需要X86架构来支撑强大的性能，巨大的智能手机出货量使ARM 在芯片领域得到极大普及 ，到 2010 年，ARM 已经成为移动设备最主流的选择。有数据显示， 如今全世界超过95%的智能手机和平板电脑都采用ARM架构，高通、苹果、华为等企业的芯片也无一例外都采用了ARM架构。 同时，ARM基于整个产业链的架构技术也在迅速升级。
在受主流市场欢迎的情况下，ARM架构甚至对X86架构的主导地位发生威胁。 2012年，微软开始尝试让Windows 运行在基于ARM架构的处理器上；今年，苹果宣布 Mac要全部切换到基于ARM 架构的自研芯片。 ARM架构对芯片设计行业的统治力可见一斑，一旦其被英伟达所控制，对很多竞争对手带来的影响不可小觑。
作为全球最大的GPU（图形处理器）设计和制造商， 过去英伟达的业务一直面向 游戏 行业，为市场提供显示芯片，英伟贺蠢达一度是PC时代的"显卡之王"，占全球市场份额曾高达70％ 以上，为推动 游戏 行业发展发挥巨大作用。2015年，该公司的销售额几乎全部来自 游戏 用半导体。
不过，随着人工智能时代的到来，大型数据中心对人工智能芯片的需求加速扩张，英伟达的业务开始考虑转向数据中心。在数据中心这种应用场景下， 英伟达领先的GPU并行处理能力使其成为行业训练人工智能系统等数据密集型业务的主要引擎，并带动了公司数据中心业务大幅增长。
在截至7月26日的第二财季，英伟达实现收入38.7亿美元，同比增长50%； 其中，英伟达的数据中心业务收入首次超过 游戏 业务，达到17.5亿美元，大幅增长167%。 拉长时间来看，英伟达的数据中心用半导体营收在5年内更是猛增了24倍。
得益于新业务表现优异，今年英伟达的股价一路高涨。今年7月8日，英伟达取代英特尔，成为美国市值最高的芯片制造商。 9月16日，英伟达的总市值达到3209亿美元，排在全球半导体企业第3，仅次于台积电和三星。
现在大多数数据中心的服务器都是基于X86架构的CPU构建，有 AI 计算需求。 英伟达的GPU擅长并行计算，非常适合 AI 的计算需求，但仍不能满足数据中心的需求，比如数据中心的很多任务还是需要CPU来完成。而 ARM拥有设计CPU的经验优势和架构技术，能帮助英伟达研发出高性能、更符合市场要求的GPU芯片处理器。如果能够收购芯片设计公司ARM， 英伟达有望巩固在人工智能半导体领域的霸主地位。
英伟达创办人兼首席执行官黄仁勋曾表示："整合英伟达与ARM的实力，将创造出一家在AI 时代站稳脚步的企业。" "对于ARM的产业生态系统而言，此次结合将运用英伟达引领全球的GPU 和AI技术扩大其知识产权组合。"
事实上，英伟达有意收购ARM早有端倪。2019年3月，英伟达就表示正在和ARM共同开发人工智能专用芯片； 2019年6月，在国际超算大会上，英伟达宣布将利用其芯片与使用ARM架构的CPU协作打造超级计算机。
今年以来，英伟达更是频频发起收购行动，表露其在AI半导体领域大展拳脚的决心。今年3月11日，英伟达击败对手英特尔， 宣布收购以色列芯片厂商Mellanox Technologies，以扩大数据中心和人工智能业务。 7月12日，英伟达宣布收购Deep Instinct公司，加强其在人工智能领域的优势。除了上述收购之外，英伟达还投资了包括Datalogue、ABEJA、Fastdata等在内的八家国际人工智能领域的公司。
虽然英伟达收购ARM主要是出于其深耕AI半导体的雄心，但这也能够为英伟达打开更广阔的市场前景， 发力AI半导体可能只是个开端，英伟达的终极目标应该是成为芯片领域的霸主。
在智能手机兴起时，英伟达曾涉及移动芯片Tegra的设计，但由于与高通、三星在竞争中落了下风，这成为了英伟达的一大败笔。 在新智能时代来临之际，英伟达在机器人和自动驾驶 汽车 等其他人工智能芯片市场也很活跃 ，目前缺少在智能手机、边缘计算、物联网等方面的芯片研发技术。 如果能成功收购ARM，英伟达还可以开发更多的新兴芯片业务，产品阵容也将更加完善，成为在芯片领域的超级公司。
这也意味着英伟达将可能与其他芯片巨头在服务器、PC、移动终端、AI以及自动驾驶和物联网等多个领域展开竞争。也因此业内普遍反感英伟达的收购行为。 而且，英伟达收购成功的后果可能是全球芯片格局变成"美国人自己的 游戏 "。
不过，英伟达在书写自己的远大宏图之前，还面临一个难以跨过的挑战——国际反垄断审批。 按照国际规定，企业有涉及并购的垄断行为，需要通过全球九个市场（包括中国）的监管审批。 英伟达的竞争对手很可能会推动国家监管部门否决这笔交易。 另外，在当前美国动用 科技 力量打压其他国家发展的背景下，这笔交易审批前景也难言乐观。英伟达预计光是审批过程可能就要长达18个月时间。
如果这笔收购交易没通过垄断审批，那么英伟达估计也不会"轻言放弃"，有可能会发起联合入股行动 ，即相关的芯片需求巨头各自出资，联合控股ARM，这样的结果更为理想。比如，2012年，台积电、英特尔、三星在2012年一起入股荷兰ASML，以支持后者研发下一代的EUV光刻机。但不知道英伟达能否找到可以一起入股的竞争对手。
文 | 钟志生 题 | 曾艺 图 | 饶建宁 审 | 程远
百度文心一言是什么？你对文心一言有什么期待？
百度文心一言是每日更新的一句古诗词，旨在激发读者的思考，增强文人文魂。我期待文心一言能够带给我更多美好的文学体验，更深刻的文化意境，以及更多有趣的历史故事。
进入3月中旬，全球科技巨头再次竞相亮相大语言模型赛道。
一周之内，开发出ChatGPT的美国初创公司OpenAI，对OpenAI投入巨资的科技巨头微软，以及中国互联网龙头企业百度，相继发布了在大语言模型（LLM）领域的最新动态。这也再次引发了全球对该领域的关注。
当地时间3月14日，OpenAI公布了其大型语言模型的最新版本——GPT-4，它比GPT-3.5的问答质量和技术都有明显提升。
3月16日下午，百度开启新一代大语言模型、生成式AI产品文心一言测试，从而成为第一家加入该赛道竞争的中国企业。
在发布会现场，百度创始人、董事长兼首席执行官李彦宏通过问答的形式，展示了文心一言在文学创作、商业文案创作、数理推算、中文理解、多模态生成等五个使用场景。几个小时后，微软宣布，将把GPT-4接入Office全家桶，新名为“Microsoft 365 Copilot”。
正如财经E法在2月17日发布的文章（OpenAI独家回应｜ChatGPT为何不向所有中国用户开放注册？）所述，中国内地和中国香港的手机号均无法注册ChatGPT账号。此外，虽然OpenAI的应用程序编程接口（API）已向161个国家和地区开放，但不包括中国内地和中国香港。
一方面，业界普遍关注，在AIGC（生成式人工智能）势不可挡的科技浪潮中，谁将成为下一个弄潮儿？另一方面，在中美科技竞合的敏感期，各方亦颇为关注百度迈出的第一步带来的涟漪，以及中国企业该如何应对。
01“真的ready了吗？”
3月16日，李彦宏身着白衬衫和运动鞋演讲。开场就直面疑问，“最近一段时间，很多朋友问我，为什么是今天，你们真的ready了吗”？
李彦宏的回答是，虽然百度已投入AI研究十多年，为发布文心一言做了充分准备，但“不能说完全ready了”，因为文心一言对标ChatGPT、甚至是GPT-4，门槛很高，还“有很多不完美的地方”。但他强调“一旦有了真实的人类反馈，文心一言的进步速度会非常快”。
李彦宏解释，之所以选择当天发布，是因为市场有需求：客户和合作伙伴都希望能早一点用上最新最先进的大语言模型。
如何理解李彦宏所言的“对标GPT-4的门槛很高”？
当地时间3月14日，OpenAI公布了其大型语言模型的最森衫新版本——GPT-4。值得注意的是，GPT-4是大型的多模态模型，即能够接受图像和文本类型的输入。而GPT-3.5只能接受文本输入。
在演示视频中，OpenAI总裁兼联合创始人格雷格·布罗克曼(Greg Brockman)用笔和纸画了一幅网站草图，并将图片输入GPT-4。仅1到2秒后，GPT-4就生成了网页代码，制作出了与草图高度相似的网站。根据OpenAI发布的实验数据， GPT-4模型相较前一代GPT-3.5已取得了巨大的进步，在许多专业测试中表现出超过绝大多数人类的水平。
浙江大学国际联合商学院数字经济与金融创新研究中心联席主任盘和林认为，文心一言未来还有待全亮拿面开放来获得用户检验。无论是通过B端API还是直接向C端用户开放，用户体验口碑都是硬道理。当前ChatGPT没对中国用户开放，在国内市场，百度将获得先发优势。
对OpenAI和百度的产品均做过测评的艾媒咨询CEO兼首席分析师张毅表示，GPT系列大模型，包括GPT-4与文心一言本质上都是同一类产品，只是它们各自的数据覆盖范畴和数据模型的积累长短不一。从短期看，OpenAI的产品准备时间相对更加充足，智能程度暂时领先一些。但是对文心一言而言，能在这么短的时间内训练出这样的一个产品，也是非常了不起的。
同时，张毅也对百度做出更好产品更有信心，他的理由是，从人工智能、大数据、大模型的人才储备来看，中国会更有优势。
中央财经大学数字经济融合创新发展中心主任陈端则认为，与海外竞争对手相比，百度最大的优势是立足本土，构建了语言和文化层面此键腔理解的护城河。
作为中国公司研发的大语言模型产品，文心一言的中文理解能力备受关注。重要原因是，此前很多评论人士认为，ChatGPT的中文问答能力不如英文问答能力强。
李彦宏表示，作为扎根于中国市场的大语言模型，文心一言具备中文领域最先进的自然语言处理能力。在现场展示中，文心一言正确解释了成语“洛阳纸贵”的含义、“洛阳纸贵”对应的经济学理论，还用“洛阳纸贵”创作了一首藏头诗。
李彦宏称，文心一言的训练数据包括：万亿级网页数据，数十亿的搜索数据和图片数据，百亿级的语音日均调用数据，以及5500亿事实的知识图谱等，这让百度在中文语言的处理上能够独一无二。
受访专家也指出，由于汉语的特殊性，中国企业在研发大模型时面临的难度更大，但若突破了，也会在提供本土服务时，具备更大的优势。
法国里昂商学院人工智能与商业分析教授丁文璿日前对媒体指出，语言对话模型训练，需要让机器对文字产生理解，英语比中文稍微容易一些。丁文璿解释，中国人工智能技术所处理的中文语言，大多都是象形词，而英文是解释性的，相较而言词语也并非特别丰富。
此外，上海交通大学约翰·霍普克罗夫特计算机科学中心助理教授林洲汉认为，未来大语言模型大概率会往多模态、交互式的方向发展，进一步将视觉、语音、强化学习等领域的技术综合进来。李彦宏也表示：“多模态是生成式AI一个明确的发展趋势。未来，随着百度多模态统一大模型的能力增强，文心一言的多模态生成能力也会不断提升。”
在多模态生成方面，李彦宏展示了文心一言生成文本、图片、音频和视频的能力。文心一言在现场用四川话朗读了一段内容，并根据文本生成了一段视频。但李彦宏透露，文心一言的视频生成成本较高，现阶段还未对所有用户开放，未来会逐步接入。
李彦宏称，文心一言的训练数据包括：万亿级网页数据，数十亿的搜索数据和图片数据，百亿级的语音日均调用数据，以及5500亿事实的知识图谱等，这让百度在中文语言的处理上能够独一无二。
受访专家也指出，由于汉语的特殊性，中国企业在研发大模型时面临的难度更大，但若突破了，也会在提供本土服务时，具备更大的优势。
法国里昂商学院人工智能与商业分析教授丁文璿日前对媒体指出，语言对话模型训练，需要让机器对文字产生理解，英语比中文稍微容易一些。丁文璿解释，中国人工智能技术所处理的中文语言，大多都是象形词，而英文是解释性的，相较而言词语也并非特别丰富。
此外，上海交通大学约翰·霍普克罗夫特计算机科学中心助理教授林洲汉认为，未来大语言模型大概率会往多模态、交互式的方向发展，进一步将视觉、语音、强化学习等领域的技术综合进来。李彦宏也表示：“多模态是生成式AI一个明确的发展趋势。未来，随着百度多模态统一大模型的能力增强，文心一言的多模态生成能力也会不断提升。”
在多模态生成方面，李彦宏展示了文心一言生成文本、图片、音频和视频的能力。文心一言在现场用四川话朗读了一段内容，并根据文本生成了一段视频。但李彦宏透露，文心一言的视频生成成本较高，现阶段还未对所有用户开放，未来会逐步接入。
发布会前后，百度的股价经历了大落大起。3月16日，港股百度盘中股价跌幅一度扩大超10%，报120.1港元。截至收盘，百度股价跌幅为6.36%，报125.1港元。但百度股价在美股势头强劲，当日百度美股开盘低开高走，振幅超7%。截至收盘，报138.16美元，涨幅为3.8%。3月17日，百度港股表现强势，盘中一度大涨超15%。截至当日收盘，百度港股涨幅为13.67%，报142.2港元。
文心一言宣布开启邀请测试一小时内，排队申请文心一言企业版API调用服务测试的企业用户已达3万多家，申请产品测试网页多次被挤爆，百度智能云官网流量飙升百倍。
文心一言的市场热度持续飙升，资本市场也给予了价值重估。张毅认为，这也代表了公众对大语言模型/生成式AI “既期待，又担忧，然后是希望”的心情。
02谁都不能错过的科技革命
事实上，“真的ready了吗？”并不仅针对百度，也是伴随此轮“ChatGPT”热潮以来，公众普遍的疑问。
李彦宏观察到，从2021年开始，人工智能技术开始从“判别式”向“生成式”转变。
创新工场董事长兼CEO李开复3月14日在一场趋势分享会上表示，AI 2.0时代的第一个现象级应用，就是以GPT-4为代表的AIGC，又称生成式AI（Generative AI）。李开复表示，AI2.0 是绝对不能错过的一次革命，它将会是一个巨大的平台性机会，这个机会将比移动互联网大十倍。他还表示，AI 2.0也是中国在AI领域的第一次平台角逐机会。
受访专家普遍认为，此前全世界的AI企业都遇到了一个极大的问题：即使技术储备十分丰富，AI应用并没有给它们带来丰厚的收益。造成这一问题的原因在于，AI产品的应用主要集中在B端（企业用户）和G端（政府用户），AI产品在进入企业或机构时往往流程复杂，这在某种程度上会限制AI产品在市场上的快速扩张。
因此，张毅认为，AIGC的产品应用方向在C端更有可能产生巨大的商业机会。他分析说，在美国市场，此前C端市场被谷歌、亚马逊、Meta等企业抢占，让微软压力非常大，更需要一款产品来扳回一局。在中国市场，百度的优势和谷歌一样，都有强大的搜索引擎对数据的抓取能力，以及储存、整理、分析能力的基础。中国本身拥有十几亿人口的巨大市场，百度完全可以做得很优秀。
“百度和微软、谷歌本质上是两个不同市场的竞争，所以我相信文心一言以及系列产品也一定会跑出来。”张毅说。
李彦宏坚称，文心一言不是“中美科技对抗的工具”。但他也承认，ChatGPT 的成功，加快了百度推出该产品的进度。
百度CTO王海峰表示，人类进入AI时代，IT技术的技术栈可以分为四层：芯片层、框架层、模型层和应用层。百度是全球为数不多、在这四层进行全栈布局的人工智能公司，在各个层面都有领先业界的自研技术。例如，高端芯片昆仑芯、飞桨深度学习框架、文心预训练大模型以及搜索、智能云、自动驾驶、小度等应用。王海峰认为，百度全栈布局的优势在于，可以在技术栈的四层架构中，实现端到端优化，大幅提升效率。
文心一言与ChatGPT一样，都使用了SFT（模型微调）、RLHF（从人类反馈中进行强化学习）以及Prompt（提示）作为底层技术。此外，文心一言还采用了知识增强、检索增强和对话增强技术。王海峰表示，这三项是百度已有技术优势的再创新。
陈端认为，在当前技术创新的集成性越来越高的当下，全栈式布局的单一公司在内部技术研发统筹能力和后期商业化进行中的协同能力上具有比较优势。
信心很重要，但差距无法忽视。
在本月初的两会期间，中国科技部部长王志刚在回应ChatGPT相关的问题时，用足球打比方，指出中国还有很多工作要做。“踢足球都是盘带、射门，但是要做到梅西（足坛巨星利昂内尔·梅西）那么好也不容易。”
王志刚指出，中国在这方面也作了很多布局，在该领域的研究也进行了很多年，并且有一些
成果，“但目前要达到像 OpenAI 的效果可能还要拭目以待”他补充道。
王志刚说，ChatGPT出来以后，引起了大家的关注。实际从技术本身源头来讲，它叫做NLP、NLU，也就是自然语言处理和自然语言理解。ChatGPT之所以引起关注，在于它作为一个大模型，有效结合了大数据、大算力、强算法，计算方法有进步。同样一种原理，做得有区别。比如大家都能做出发动机，但质量是有不同的。
然而，无论是ChatGPT还是文心一言，其背后的大语言模型是核心竞争力。北京大学王选计算机研究所研究员赵东岩告诉财经E法，国内大模型在数据、训练方法和费用投入方面和OpenAI还有一定差距。
一位科技系统人士则对财经E法指出，客观而言，中美目前在该领域的基础研究成果差距较大。这些基础研究成果包含自然语言处理（NLP）、数据库、GPU产品，“美国切断GPU芯片（的供应），（中国的）算力就跟不上”。
大型算力的核心在于高性能GPU芯片。北京航空航天大学软件学院助理教授周号益告诉财经E法，在GPU芯片等计算硬件上，中国与国际的差距在十年左右，硬件水平会严重制约大语言模型以及科学计算类模型的发展。
周号益认为，在技术和模型上，中国的科技公司与OpenAI并没有代差，差距仅在五年以内，在一些较小的技术领域差距只有2-3年。在数据采集方面，以GPT-3大模型为例，其训练的语料中中文只占5%，中国科技企业对中文语料的积累具有一定优势，因此极有可能在中文领域实现突破。
03巨头下一步：构建生态
对于以ChatGPT为代表的大语言模型赛道如何实现盈利，是各方公认的难题（ChatGPT爆火的冷思考：盈利难题与治理挑战）。
开发出ChatGPT的OpenAI仍是一家亏损中的创业公司。而2023年1月，投资银行摩根士丹利（Morgan Stanley）的一份分析报告称，ChatGPT的一次回复成本大约是谷歌搜索查询平均成本的6倍-28倍。
但腾讯研究院高级研究员曹建峰和经纬创投前副总裁庄明浩都认为，ChatGPT能带来多少盈利，并不是OpenAI关注的重点，重点是基于它的模型能长出什么样的服务和应用，从而构建起一个生态系统。“ChatGPT的发展需要一个产业生态，比如它和微软相关应用的融合就是很好的思路。”曹建峰说。
当地时间3月15日，微软副总裁兼消费者首席营销官余瑟夫·梅迪发文表示，新版必应搜索引擎已经在 GPT-4 上运行。另据OpenAI披露，GPT-4是在微软Azure AI 超级计算机上进行训练的，并将基于Azure 的AI基础架构向世界各地的用户提供 GPT-4服务。
谷歌则宣布开放其大语言模型PaLM的API接口，并推出面向开发者的工具MakerSuite。通过PaLM API 接口，开发者们可以将PaLM用于各种应用程序的开发。MakerSuite则可以让开发者快速对自己的想法进行原型设计，并且随着时间的推移，该工具将具有用于快速工程、合成数据生成和自定义模型调整的功能。
微软迅速跟进。当地时间3月16日，微软宣布将把GPT-4接入Office全家桶。新功能名为“Microsoft 365 Copilot”。
李彦宏则在发布会上表示，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。
根据文心一言的邀请测试方案，3月16日起，首批用户可通过邀请测试码，在文心一言官网体验产品，后续将陆续开放给更多用户。此外，百度智能云即将面向企业客户开放文心一言API接口调用服务。该服务于3月16日起开放预约。
截至3月18日早11点，排队申请百度智能云文心一言企业版API调用服务器测试的企业用户增加到9万家，百度收到关于文心一言合作的咨询 6588条。
陈端认为，这一轮的竞争，不仅是商业主体的竞争，实际上也是关乎下一轮国家数字竞争力的竞争。所以，百度的当务之急不完全是技术层面的研发，也需要引领更多初创型企业、生态合作伙伴加盟生态阵营。
在陈端看来，中国在构建生态系统上具有优势。陈端指出，中国的移动互联网经过多年发展，应用层生态化的配套创新已经非常成熟。应用层的很多中小微创业团队，在过去配合移动互联生态做了大量的局部、垂类场景端的创新，把过去的这种模式以及底层基础设施从移动互联迁移到大模型领域依然适用。
04中小企业还有机会吗？
面对大语言模型的浪潮，中国企业该如何抓住机遇，避免风险？
在中国，布局ChatGPT的企业有两种类型：第一种是传统的互联网大公司，第二种是一些初创企业。
陈端认为，目前市场上的初创公司已经错过了布局大模型的初始创业阶段。陈端分析说，
重新打造生成式AI企业，跟时机、底层的生态支撑度，还有创始人自身的阅历、经验、视野、个人IP的自然调动能力都是息息相关的。此外，大模型在前期的投入，不管是算力还是其他的成本，以及时间窗口都很重要。
陈端表示，目前，百度有能力把自己的其他的产品与文心一言协同，就像微软把Office与GPT-4协同推出Copilot，而“创业者单纯去拼大模型却没有配套生态，这是很成问题的”。
张毅也认为，对于能够有资金、实力支撑的企业来讲，单独构建大模型产品可能会更受资本和创业者的青睐。但对于中小企业来讲，依托文心一言的开放平台去嫁接自己在细分领域的应用，也是一个不错的选择。
因为要做出大语言模型，需要长时间，以及巨额资金的投入。
OpenAI成功的背后，是微软多年来的巨额投入。美国时间2023年1月23日，微软宣布将对OpenAI进行为期数年、价值数以十亿计美元的投资。在2019年和2021年，微软曾向OpenAI两次投资。2019年的投资为10亿美元，而2021年的投资未公开金额。
AI公司“彩云科技”的创始人袁行远在接受36氪采访时指出，要想跑通一次100亿以上参数量的模型，至少要做到“千卡/月”这个级别，即：用1000张GPU卡，然后训练一个月。即使不用最先进的英伟达A100，按照一张GPU五万元的均价计算，1000张GPU意味着单月5000万的算力成本，这还没算上算法工程师的工资。
“无论是哪家公司，都不可能靠突击几个月就能做出这样的大语言模型。”李彦宏在发布会上表示，深度学习、自然语言处理，需要多年的坚持和积累，没法速成。大模型训练堪称暴力美学，需要有大算力、大数据和大模型，每一次训练任务都耗资巨大。
百度提供的数据显示，百度近十年累计研发投入超过 1000 亿元。2022 年百度核心研发费用 214.16 亿元，占百度核心收入比例达到 22.4%。但百度并未透露大模型研发在核心研发费用中的占比。
李彦宏在发布会上表示，百度对文心一言的定位，是一个通用的赋能平台，金融、能源、媒体、政务等千行百业，都可以基于这个平台来实现智能化变革，实现效率提升，创造巨大的商业价值。李彦宏认为，大模型时代将产生三大产业机会，分别为新型云计算公司、进行行业模型精调的公司和基于大模型底座进行应用开发的公司，即应用服务提供商。
李彦宏断言，对于大部分创业者和企业来说，真正的机会并不是从头开始做ChatGPT和文心一言这样的基础大模型，这很不现实，也不经济。基于通用大语言模型抢先开发重要的应用服务，这可能才是真正的机会。目前，基于文本生成、图像生成、音频生成、视频生成、数字人、3D等场景，已经涌现出很多创业明星公司，可能就是未来的新巨头。
“大模型、生成式AI最终的产品形态还不得而知，所以这条路注定是长跑，需要整个科技界在资本、研发、模式创新上密切、持续地跟跑。”张毅说。
李开复认为，AI2.0会最先应用在能容错的领域，而毫无疑问最大的应用领域现在是内容创造。每个领域都可以把原有的App重写一次，创造出更赚钱的商业模式，最终AI2.0的生成能力会把成本降的几乎到0。
发表评论