替换$英伟达(NVDA.US)$，甚至说干掉英伟达已经不是什么新鲜事了。

凭借其PU的领先优势，英伟达过去几年炙手可热，乘着ChatGPT热潮，公司的市值从今年年初至今更是大涨近90%，过去五年的涨幅更是超过200%。虽然GPU是英伟达的最重要倚仗，但这绝不是美国芯片“当红炸子鸡”的唯一武器。

通过过去几年的收购和自研，英伟达已经打造起了一个涵盖DPU、CPU和Switch，甚至硅光在内的多产品线巨头，其目的就是想在一个服务器甚至一个机架中做很多的生意。但和很多做GPGPU或者AI芯片的竞争对手想取替GPU一样，英伟达的“取替”计划似乎也不是不能一帆风顺。

近日，三巨头更是再次出手，想把英伟达拒之门外。

01 博通芯片，瞄准Infiniband

熟悉$博通(AVGO.US)$的读者应该知道，面向Switch市场，美国芯片巨头拥有三条高端产品线，分别是面向高带宽需求的Tomahawk、面向更多功能的 Trident，以及虽然带宽不高，但是却拥有更深的Buffer和更高可编程性的Jericho。

近日，他们带来了Jericho系列最新的产品Jericho3-AI。在他们看来，这是比英伟达Infiniband更适合AI的一个新选择。

据博通所说，大公司（甚至 英伟达） 都认为 AI 工作负载会受到网络延迟和带宽的限制，而Jericho3-AI 的存在则旨在减少 AI 训练期间花在网络上的时间。其结构的主要特性是负载平衡以保持链路不拥塞、结构调度、零影响故障转移以及具有高以太网基数（radix）。

利用这一独特的功能，与 All-to-All 等关键 AI 基准测试的替代网络解决方案相比，Jericho3-AI 结构的工作完成时间至少缩短了 10%。这种性能改进对降低运行 AI 工作负载的成本具有乘法效应，因为它意味着昂贵的 AI 加速器的使用效率提高了10%。此外，Jericho3-AI 结构提供每秒 26 PB 的以太网带宽，几乎是上一代带宽的四倍，同时每千兆比特的功耗降低 40%。

此外，Broadcom 表示，因为它可以处理 800Gbps 的端口速度（对于 PCIe Gen6 服务器）等等，所以它是一个更好的选择。对于将“AI”放在产品名称中，Broadcom 并没有做出过多解读，甚至关于网络 AI计算功能，他们也没涉及，这着实让人摸不着头脑，因为这是英伟达Infiniband 架构的主要卖点。

尽管如此，Broadcom 表示其 Jericho3-AI 以太网在 NCCL 性能方面比 NVIDIA 的 Infiniband 好大约 10%。

02 微软，自研芯片再曝进展

因为ChatGPT大火的企业除了英伟达外，作为ChatGPT投资人的$微软(MSFT.US)$也备受关注。为了发展ChatGPT，微软已经抢购了不少GPU。随着算力需求的增加，微软在后续必须要更多的芯片支持。

据路透社引述The Information 的报道，微软公司正在开发自己的代号为“Athena”的人工智能芯片，该芯片将为 ChatGPT 等人工智能聊天机器人背后的技术提供支持。

根据该报告，这些芯片将用于训练大型语言模型和支持推理——这两者都是生成式人工智能（AIGC）背后的关键技术，例如 ChatGPT 中使用AI 来处理大量数据、识别模式并创建新的输出来模仿人类对话。报告称，微软希望该芯片的性能优于目前从其他供应商处购买的芯片，从而为其昂贵的 AI 工作节省时间和金钱。

虽然目前尚不清楚微软是否会向其 Azure 云客户提供这些芯片，但据报道，这家软件制造商计划最早于明年在微软和 OpenAI 内部更广泛地提供其 AI 芯片。据报道，该芯片的初始版本计划使用台积电 (TSMC) 的 5 纳米工艺，不过作为该项目的一部分，可能会有多代芯片，因为微软已经制定了包括多个后代芯片的路线图。

据报道，微软认为自己的 AI 芯片并不能直接替代 Nvidia 的芯片，但随着微软继续推动在Bing、Office 应用程序、GitHub和其他地方推出 AI 驱动的功能，内部的努力可能会大幅削减成本。研究公司 SemiAnalysis 的 Dylan Patel 也告诉The Information，“如果 Athena 具有竞争力，与 Nvidia 的产品相比，它可以将每芯片的成本降低三分之一。”

关于微软造芯，最早可以追溯到2020年。据彭博社在当时的报道，微软正在研究用于运行公司云服务的服务器计算机的内部处理器设计，以促进全行业减少对英特尔公司芯片技术依赖的努力。知情人士透露，这家全球最大的软件制造商正在使用Arm的设计来生产将用于其数据中心的处理器。它还在探索使用另一种芯片来为其部分 Surface 系列个人电脑提供动力。

近年来，微软加大了处理器工程师的招聘力度，在英特尔、超微、英伟达等芯片制造商的后院招聘。2022年，他们甚至还从苹果公司挖走了一位经验丰富的芯片设计师，以扩大自身的服务器芯片业务。据报道，这位名为Mike Filippo 的资深专家将在由 Rani Borkar 运营的微软 Azure 集团内从事处理器方面的工作。

今年年初，微软更是宣布收购了一家名为Fungible的DPU芯片公司。由此我们可以看到微软在芯片上做更多的发布也不足为奇。

03 谷歌TPU，已经第四代

在取代英伟达的这条路上，$谷歌-A(GOOGL.US)$无疑是其中最坚定，且走得最远的一个。

目前，谷歌自研的定制芯片Tensor Processing Unit(TPU)已经进入第四代。论文中，谷歌表示，对于规模相当的系统，TPU v4可以提供比英伟达A100强1.7倍的性能，同时在能效上也能提高1.9倍。另外，谷歌超算速度还要比Graphcore IPU Bow快约4.3倍至4.5倍。

据报道，谷歌的PaLM模型，是迄今为止公开披露的最大语言模型，它是通过分布在两台4000芯片的超级计算机上进行了50天的训练。谷歌表示，它的超级计算机可以轻松地动态重新配置芯片之间的连接，有助于避免问题并进行性能优化。

虽然谷歌直到最近才公开其超级计算机的详细信息，但它自2020年以来就已经在俄克拉荷马州梅斯县的数据中心内运行。谷歌表示，初创公司Midjourney使用该系统来训练其模型，该模型在输入几个词的文本后可以生成新的图像。

04 写在最后

综合上述报道，对于英伟达而言，其面临的挑战是方方面面的，而不是仅仅局限于其GPU。其对手也不仅仅是芯片公司，因此如何在规模化优势的情况下，保证其高性价比，是安然度过未来潜在挑战的有效方法之一。

不过，可以肯定的是，围绕着数据中心的创新远未接近停止，甚至可以说因为大模型的流行，这场战斗才刚刚开始。