半岛BOB在这一轮AI浪潮下，能把一场技术大会办得如Taylor Swift演唱会那样火爆，还得是英伟达。
近日，英伟达2024 GTC（GPU Technology Conference）引发全球AI界的关注，万人会场座无虚席，英伟达创始人兼首席执行官黄仁勋在开场演讲中直言：“这并不是一场演唱会，而是一个开发者大会。”
《中国经营报》记者注意到，英伟达在GTC上对外展示出新一代图形计算平台Blackwell，它代表的是一个平台，包含了采用全新架构Blackwell的GPU B200和GB200系列芯片，前者被称为“地表最强算力AI芯片”，据介绍B200训练万亿大模型的性能是H100的4倍，推理性能最多提升30倍。
除了超大尺寸的AI超级芯片，英伟达还展示出Blackwell所具备的新特性：第二代Transformer引擎、第五代NVLink网络技术、RAS引擎、安全AI和新解压缩引擎，这是外界所瞩目的地方。然而，多位产业分析师表示，本届GTC虽然新GPU吸人眼球，但惊艳之处还在于英伟达的软件服务，比如推理微服务（NIM）、基于Omniverse Cloud API的新软件框架等。
“这届GTC讲推理的次数远远大过讲训练。训练是前期投入烧钱的过程，推理是面向用户的，是往回收钱的一个过程，这才说明整个产业是在走向落地的。”与非网资深行业分析师张慧娟认为，这是英伟达的一个新阶段，或是AI进入应用部署阶段。
尽管国产AI芯片还很难追上英伟达GPU的步伐，但正如黄仁勋所说，“我们的芯片中有大量的零部件产自中国”，中国是全球产业链中重要的一环。电子创新网CEO张国斌表示：“在制造工艺上的限制，我们很难追上英伟达，但是可以利用数据优势、场景需求等继续追赶。”
据了解，英伟达将全新的GPU架构命名为Blackwell，这是向第一位入选美国国家科学院的黑人学者、数学家David Harold Blackwell致敬，延续了前几代（Pacal、Volta、Ampere、Hopper）的命名逻辑。
但相比前几代，Blackwell又有些不一样。“Blackwell不仅仅是一款芯片，它代表的是一个平台。”黄仁勋如此说。
毋庸置疑，采用Blackwell架构的GPU B200是最先被推出来的硬件新品，可谓是AI芯片的性能天花板。据介绍，B200不是单一的GPU，而是由两个紧密耦合的芯片组成，其拥有2080亿个晶体管，而Hopper架构只有800亿个晶体管，所以外观尺寸也比前代大不少。
黄仁勋表示，B200采用定制的、双reticle（光刻模板）的台积电4NP（4N 工艺的改进版本）工艺，两块小芯片之间的互联速度高达10TB/秒，可以支持多达10万亿个参数的AI大模型。在全新FP4精度下，Blackwell GPU的AI性能达到Hopper的5倍。
为什么英伟达推出如此大尺寸的GPU？黄仁勋表示：“我们已经来到了一个临界点，因此需要一种新的计算方式来加速整个行业的发展效率。那么，英伟达能够做什么？当然，答案就是更大的芯片。”
同时，新的GPU架构和技术也大大改善了能耗。黄仁勋举例称，如果要训练一个1.8万亿参数量的GPT模型，需要8000张Hopper GPU，消耗15兆瓦的电力，连续跑上90天。而使用Blackwell GPU，只需要2000张，跑90天只消耗四分之一的电力。
因此，B200被英伟达称为“新工业革命的引擎”。在统一的Blackwell平台下，英伟达推出该系列的“全家桶”产品：GB200超级芯片（通过第五代NVLink-C2C互连技术将2个Blackwell架构的 GPU连接到1个Arm架构的Grace CPU）、基于GB200的GB200 NVL72（将36个CPU和72个GPU集成到1组巨大的液冷机架的大型超级运算产品）、基于GB200 NVL72AI超级计算平台DGX B200系统和新一代DGX SuperPOD AI超级计算机。
此外，英伟达还推出全新网络交换机X800系列，以支持新型AI基础设施运行万亿参数级生成式AI业务。据介绍，英伟达Quantum-X800 InfiniBand网络和Spectrum-X800以太网络是全球首批端到端吞吐量高达800Gb/s的网络平台，交换带宽容量较前代产品提高5倍，网络计算能力通过英伟达第四代SHARP技术提高了9倍，网络计算性能达到14.4TFLOPS。
尽管英伟达还没明确B200 GPU的上市时间，但黄仁勋宣布了谷歌、微软、亚马逊等公司与Blackwell平台进行合作半岛BOB。
有媒体报道，英伟达最新一代AI芯片的定价在3万至4万美元，就此黄仁勋回应称：“我只是试图让大家对我们产品的定价有一定的感受，而并不打算给出具体的报价。因为根据每一个客户的需求，不同系统的价格差异是很大的，英伟达并不销售芯片，我们售卖的是数据中心。”
据了解，数据中心IT设备主要包括连接器（光纤、光模块）、网络设备（交换机、路由器）、算力设备（服务器）、存储设备（存储器）等。英伟达最新季度财报显示，其数据中心业务收入达到184 亿美元，季度营收221亿美元，占比超80%。从这个角度看，英伟达把华为列为竞争对手的理由也够充分。
记者注意到，黄仁勋日前回到母校斯坦福大学，在回应“AMD是个威胁吗”这个问题时表示，芯片只是一部分，现在的计算机不是普通的电脑，而是一个数据中心，买卖芯片的人考虑的是芯片价格，而运营数据中心的人考虑的是运营成本，就数据中心的总拥有成本而言，英伟达GPU的定价并不重要，我们有太多优势，即便竞争对手的芯片免费。
除了生成式AI，英伟达还相当看好具身智能，并发布了人形机器人通用基础模型Project GR00T、基于Thor SoC的新型人形机器人计算机Jetson Thor；还对其机器人平台NVIDIAIsaac™进行了升级，包括生成式AI基础模型和仿真工具，以及AI工作流基础设施等。
值得注意的是，多位分析师表示英伟达的软件服务在这次GTC大会上的表现更惊艳。“硬件是在预期之内的，今年大会比较值得关注的是NIM。”研究机构Omdia AI行业首席分析师苏廉节表示。
NIM，即英伟达推理微服务的缩写，可将优化的推理引擎、行业标准API和对人工智能模型的支持打包到容器中，以便于部署。
NIM另一强大用例还在于，除了提供预构建模型，它还允许企业使用自己的专有数据，并将支持和帮助加速检索增强生成（RAG）部署。英伟达企业计算部门副总裁马努维尔·达斯（Manuvir Das）说：“如果你是开发者，手中有一个备受期待的模型，希望能让更多人采用，只需将其部署在NIM上。我们承诺将兼容所有英伟达GPU，确保模型能触及广泛用户群。”
在外界看来，NIM或将成为英伟达“软件服务硬件”战略的又一关键举措。“这个微服务可以协助英伟达客户更容易让AI上线，英伟达这么做会让部署更顺滑。”苏廉节表示，从NIM可以看出，英伟达其实在逐渐从硬件商转型成解决方案提供商。
此外，让人印象深刻的还有英伟达Omniverse与苹果Vision Pro的“强强联合”。NVIDIA Omniverse是英伟达在2021年发布的一个开放平台，专为虚拟协作和实时逼真模拟而构建。
在过去两年的GTC上，黄仁勋也在对外大力展示Omniverse的魅力，这次Omniverse挺进苹果Vision Pro，发布云API。通过英伟达Omniverse的云API和图形交付网络（GDN），企业将可以轻松将3D应用的OpenUSD（交互式通用场景描述）实时串流到Vision Pro头显中。
根据英伟达方面的演示，一名设计师佩戴着Vision Pro，在Omniverse平台上开发的应用程序内进行汽车工业设计，当他切换油漆、内饰时，Vision Pro的三维环境实时渲染并跟物理世界融为一体。
黄仁勋认为，Omniverse是一个可以构建并操作物理真实的数字孪生的操作系统，Omniverse和生成式AI都是将价值高达50万亿美元的重工业市场进行数字化所需的基础技术。
Omniverse Cloud API将于今年晚些时候在微软Azure上以英伟达A10 GPU上的自托管API，或是部署在英伟达OVX上的托管服务的形式提供服务。
达斯在接受采访时表示：“最畅销的商业产品仍是GPU，软件则是为了帮助用户以不同的方式使用GPU。”他补充道：“当然，我们依然在致力于产品的创新半岛BOB。但现在，我们真正实现了转变，已经发展出了自己的商业软件业务。”
对于英伟达由硬件向软件的转变，苏廉节表示：“英伟达持续性的软件投入，对AI的普及和公司本身的未来都有很大的帮助。”
张慧娟则表示，这是英伟达的新阶段。“以前主要说大算力训练，当AI越来越多进入行业应用，就需要让AI好用、好上手，那么就需要软件的帮助。”
根据《第一财经》报道，关于英伟达在云服务市场的战略，黄仁勋这样回应：“虽然英伟达推出了云服务DGX Cloud，但我们的策略依然是与云服务提供商合作，将我们的云放入他们的云中。英伟达不会成为一家云计算公司，我们的目标是通过软件的构建，让全球的开发者和云服务提供商采用英伟达的架构来构建产品。”
黄仁勋认为，尽管目前很多云服务提供商都在研发芯片，但是这些企业研发芯片的逻辑与英伟达的业务逻辑完全不同。“我们正在尽全力使英伟达的业务在中国能够实现最大化，我们面向中国市场推出了L20和H20芯片，这些向中国出售的芯片将符合要求。”黄仁勋在采访中指出中国市场的重要性。
黄仁勋说，他们的芯片中有大量的零部件产自中国。这与全球汽车供应链的复杂性是一个道理，供应链的全球化是很难被打破的半岛BOB。国内AI芯片公司尽管还很难追上英伟达的步伐，但尺有所长、寸有所短，也能借助国内的产业优势，走出一条不一样的发展路径。
张国斌表示：“对比英伟达，我们主要有以下一些优势：一是大量的端侧需求，有细化的场景需求，这都让我们的厂商可以有的放矢，实现更多的专用方案；二是政府大力支持，政府已经出台很多政策；三是有众多的IC公司从其他路径进行尝试突破，例如有公司利用RISC-V架构实现了新型的算力加速器，性价比超过了英伟达的H100。”
张国斌指出，如果单纯去比拼GPU，由于在制造工艺上的限制，我们很难追上英伟达，但可利用数据优势、场景需求的优势。“英伟达的弱势在端侧，而我们的优势是端侧；利用3D集成也可以实现媲美HBM性能的内存，通过优化的算法和模型，一样可以实现创新的应用。”张国斌说。
