炼大模型最佳GPU英伟达H100，全部卖空了！即使现在立即订购，也要等2024年Q1甚至Q2才能用上。这是与英伟达关系密切的云厂商CoreWeave对华尔街日报透露的最新消息。从4月初开始，供应就变得异常紧张。仅仅一周之内，预期交货时间就从合理水平跳到了年底。
全球最大云厂商亚马逊AWS也证实了这一消息，CEO Adam Selipsky近期表示：
A100和H100是最先进的……即使对于AWS来说也很难获得。
更早时候，马斯克还在一场访谈节目中也说过：GPU现在比d品还难获得。
如果找“黄牛”买，溢价高达25%。
如Ebay上的价格已从出厂价约36000美元涨到了45000美元，而且货源稀少。
这种形势下，国内的百度、字节、阿里、腾讯等大型科技公司也向英伟达下了总计50亿美元的A800等芯片订单。
其中只有10亿美元的货能今年内交付，另外80%也要等2024年才行。
那么现有高端GPU都卖给谁了？这一波产能又是卡在了哪？
H100卖给谁，老黄说了算
ChatGPT爆发以来，擅长训练大模型的英伟达A100、H100成了香饽饽。
甚至H100已经可以作为初创公司的一种资产，找投资基金获得抵押贷款。
OpenAI、Meta为代表的AI公司，亚马逊、微软为代表的云计算公司，私有云Coreweave和Lambda，以及所有想炼自家大模型的各类科技公司，需求量都巨大。
然而卖给谁，基本是英伟达CEO黄仁勋说了算。
据The Information消息，H100这么紧缺，英伟达把大量的新卡分配给了CoreWeave，对亚马逊微软等老牌云计算公司限量供应。
（英伟达还直接投资了CoreWeave。）
外界分析是因为这些老牌公司都在开发自己的AI加速芯片、希望减少对英伟达的依赖，那老黄也就成全他们。
老黄在英伟达内部还把控了公司日常运营的方方面面，甚至包括“审查销售代表准备对小型潜在客户说什么话”。
全公司约40名高管直接向老黄汇报，这比Meta小扎和微软小纳的直接下属加起来还多。
一位英伟达前经理透露，“在英伟达，黄仁勋实际上是每一款产品的首席产品官。”
前阵子，还传出老黄干了一件夸张的事：要求一些小型云计算公司提供他们的客户名单，想了解GPU的最终使用者是谁。
外界分析，此举将使英伟达更了解客户对其产品的需求，也引起了对英伟达可能利用这些信息谋取额外利益的担忧。
也有人认为，还有一层原因是老黄想知道谁真的在用卡，而谁只是囤卡不用。
为什么英伟达和老黄现在有这么大的话语权？
主要是高端GPU供需太不平衡，根据GPU Utils网站的测算，H100缺口高达43万张。
作者Clay Pascal根据各种已知信息和传言估计了AI行业各参与者近期还需要的H100数量。
AI公司方面：
OpenAI可能需要5万张H100来训练GPT-5
Meta据说需要10万
InflectionAI的2.2万张卡算力集群计划已公布
主要AI初创公司如Anthropic、Character.ai、欧洲的MistraAI和HelsingAI需求各自在1万数量级。
云计算公司方面：
大型公有云里，亚马逊、微软、Google、甲骨文都按3万算，共12万
以CoreWeave和Lambda为代表的私有云加起来总共需要10万
加起来就是43.2万了。
这还没算一些摩根大通、Two Sigma等也开始部署自己算力集群的金融公司和其他行业参与者。
那么问题来了，这么大的供应缺口，就不能多生产点吗？
老黄也想啊，但是产能被卡住了。
产能这次卡在哪里？
其实，台积电已经为英伟达调整过一次生产计划了。
不过还是没能填补上如此巨大的缺口。
英伟达DGX系统副总裁兼总经理Charlie Boyle称，这次并不是卡在晶圆，而是台积电的CoWoS封装技术产能遇到了瓶颈。
与英伟达抢台积电产能的正是苹果，要在9月发布会之前搞定下一代iPhone要用的A17芯片。
而台积电方面近期表示，预计需要1.5年才能使封装工艺积压恢复正常。
CoWoS封装技术是台积电的看家本领，台积电之所以能击败三星成为苹果的独家芯片代工厂靠的就是它。
这项技术封装出的产品性能高、可靠性强，H100能拥有3TB/s(甚至更高)的带宽正是得益于此。
CoWoS全名叫Chip-on-Wafer-on-Substrate，是一种在晶圆层面上的芯片集成技术。
这项技术可以将多个芯片封装到厚度仅有100μm的硅中介层上。
据介绍，下一代中介层面积将达到6倍reticle，也就是约5000mm?。
目前为止，除了台积电，没有哪家厂商拥有这个水平的封装能力。
虽然CoWoS的确强悍，但没有它就不行吗？其他厂商能不能代工呢？
先不说老黄已经表示过“不考虑新增第二家H100代工厂”。
从现实上看，可能也真的不行。
英伟达此前曾和三星有过合作，但后者从未给英伟达生产过H100系列产品，甚至其他5nm制程的芯片。
据此有人推测，三星的技术水平可能无法满足英伟达对尖端GPU的工艺需求。
至于英特尔……他们的5nm产品好像还迟迟没有问世。
既然让老黄换生产厂家行不通，那用户直接改用AMD怎么样？
AMD，Yes？
如果单论性能的话，AMD倒的确是慢慢追上来了。
AMD最新推出的MI300X，拥有192GB的HBM3内存、5.2TB/s的带宽，可运行800亿参数模型。
而英伟达刚刚发布的DGX GH200，内存为141GB的HBM3e，带宽则为5TB/s。
但这并不意味着AMD能马上填补N卡的空缺——
英伟达真正的“护城河”，在于CUDA平台。
CUDA已经建立起一套完整的开发生态，意味着用户要是购买AMD产品，需要更长时间来进行调试。
一名某私有云公司的高管表示，没人敢冒险花3亿美元实验部署10000个AMD GPU。
这名高管认为，开发调试的周期可能至少需要两个月。
在AI产品飞速更新换代的大背景下，两个月的空档期对任何一家厂商来说可能都是致命的。
不过微软倒是向AMD伸出了橄榄枝。
此前有传闻称 ，微软准备和AMD共同开发代号为“雅典娜”的AI芯片。
而更早之前，MI200发布时，微软第一个宣布采购，并在其云平台Azure上部署。
比如前一阵MSRA的新大模型基础架构RetNet就是在512张AMD MI200上训练的。
在英伟达占据几乎整个AI市场的格局下，可能需要有人带头冲锋，先整个大型AMD算力集群打样，才有人敢于跟进。
不过短时间内，英伟达H100、A100还是最主流的选择。
One More Thing
前一阵苹果发布最高支持192GB内存新款M2 Ultra芯片的时候，还有不少从业者畅享过用它来微调大模型。
毕竟苹果M系列芯片的内存显存是统一的，192GB内存就是192GB显存，可是80GB H100的2.4倍，又或者24GB RTX4090的8倍。
然鹅，有人真的把这台机器买到手后，实际测试训练速度还不如英伟达RTX3080TI，微调都不划算，训练就更别想了。
毕竟M系列芯片的算力部分不是专门针对AI计算优化的，光大显存也没用。
炼大模型，看来主要还是得靠H100，而H100又求之不得。
面对这种情况，网络上甚至流传着一首魔性的“GPU之歌”。
很洗脑，慎入。