作者｜趙賽坡

頭圖｜視覺中國

本期“計算”專欄關注英國半導體政策、美國百億美元芯片補貼分配、中國公司與中東國家搶購英偉達芯片。

“巨頭”部分透過阿里云財報和分析師會議，解析大模型帶給云計算公司的啟示；AWS 自研芯片如何成為其競逐大模型賽道的“秘密武器”，也是這部分探討的議題。

“市場”專欄分享第二季度全球 AI 投融資洞察以及一份 AI 風險投資的思考框架，通過數據和投資人的視角，進一步了解 AI 市場的真實一面；與此同時，你還會看到大模型的“對抗式攻擊”、麥肯錫 AI 適應性報告分享等。

接下來，歡迎和我一起復盤近期圍繞數據與智能的產業關鍵事件。

大模型·計算

在半導體成為國家競爭關鍵的當下，各國政府也在相繼加大對半導體的資金和政策扶持，英國政府近期出臺的一系列政策表明，該國不會效仿美國、歐盟等國家為半導體工廠提供巨額補貼，而是基于現有產業優勢，比如利用 ARM 公司的芯片設計能力，強化英國在半導體產業鏈中的優勢地位。

看幾個數字對比：

· 美國“芯片法案”提供高達 520 億美元的補貼；

· 歐盟為半導體產業準備了 430 億歐元的預算；

· 德國政府向英特爾一座工廠補貼數十億歐元；

· 英國未來十年的半導體預算為 10 億磅；

與此同時，英國政府還公布了半導體咨詢委員會名單，包括樹莓派創始人、ARM 公司架構師在內的半導體產業專業人士位列其中，該委員會的目的是向英國政府提供半導體國家戰略的咨詢和建議。

再來看美國數百億芯片刺激計劃——特別是面向芯片制造的資金——如何分配。美國商務部從華爾街投行、咨詢機構等招募了一支團隊，在商務部部長雷蒙德的領導下，這個小組更像是一家“政府里的投資機構”，其工作方式也和華爾街投行類似，比如有專門的投資人負責每個項目，根據申請信息進行數據收集、建立定量模型等。

在德國，臺積電將與英飛凌、恩智浦和博世合作，共同建設一座位于德累斯頓的芯片制造工廠。該工廠的總投資預算超過 110 億歐元，德國政府為這個工廠的補貼高達 55 億歐元，臺積電也為此投資 35 億歐元。

臺積電擁有這座工廠 70％ 的股權，英飛凌、恩智浦和博世將分別持有 10％ 的股權。工廠計劃在 2027 年底之前開始制造芯片，重點是生產汽車和工業領域的芯片。

盡管包括德國在內的歐洲多個國家都在強調在本地建立芯片工廠，但人才短缺的現實已經成為各國構建芯片產業鏈的重要難題。在德國薩克森州的眾多芯片工廠，巨大的技術人員和工程師需求只能通過從其他國家聘請工人來解決。

最近的一項研究指出，德國半導體行業存在 6.2 萬名工人短缺，尤其是電氣工程和軟件開發領域的工人更為稀缺，由此也引發了是否開放技術移民的討論。

再來聊聊英偉達。上周英偉達發布了面向服務器、并集成 GPU 和 CPU 的 GH200 Grace Hopper 超級芯片，其最高 141 GB 的 HBM3 內存以及每秒 5TB 的帶寬，可以說是一款專門面向 ChatGPT 等大語言模型訓練的芯片。

該芯片將于 2024 年第二季度開始生產，其戰略意義可能比紙面的參數更大，畢竟，英偉達直接競爭對手的 AMD，正在努力在今年內正式發售最新款的 MI300 芯片，并在 2024 年提供足夠的產量。下圖是 MosaicML 公司展示的兩家公司在軟硬件方面的產品布局：

回到市場的角度，現階段更多還是如何“搶購”更多英偉達已經發售的 AI 芯片，比如，包括百度、字節跳動、騰訊和阿里巴巴在內的中國科技巨頭，已經至少為英偉達支付了 50 億美元的訂單，未來兩年獲得專為中國市場定制的 A800 芯片。

中國公司“搶購”的原因也不難理解。其一，在算法相對公開（大量論文）、數據訓練集門檻不高（可以用錢解決的問題從來都不是問題）的背景下，算力就成為各大公司推進大模型產品的瓶頸，英偉達的 AI 芯片已經在 OpenAI、微軟等公司的大模型訓練中展示了作用，自然而言成為其他公司的選擇，幾個細節：

· 字節跳動內部已經儲備了至少 1 萬個英偉達 GPU，并已經訂購了近 7 萬個 A800 芯片，2024 年交付；

· 字節內部研發了一個名為“Grace”的 AI 聊天機器人，目前還在內測；

· 阿里巴巴已收到數千個英偉達的 A800 芯片；

一位百度員工更是直言，“沒有這些芯片，我們無法進行大語言模型訓練”。

另一方面，在中美地緣政治沖突短期內無解的背景下，半導體領域的任何政策調整都會對企業發展產生巨大影響，利用現階段相對清晰的政策環境，趕快囤貨才是關鍵。

中東國家也加入“搶購”英偉達芯片的陣營。沙特 Kaust 大學目前購買了至少 3000 個英偉達最新的 H100 芯片。價值 1.2 億美元，值得一提的是，這所大學還擁有 200 個英偉達 A100 芯片，并在建造一臺名為“Shaheen III”的超級計算機。

阿聯酋也獲得了數千個英偉達芯片，該國的開源大型語言模型 Falcon，就使用了 384 個英偉達 A100 芯片進行訓練。

FT 從供應鏈處獲得的數據顯示，英偉達預計在 2023 年銷售 50 萬個 H100 芯片，主要供應給美國公司。

大模型·巨頭

阿里云上周發布新一季度財報，營收同比增長 4% 至 251.23 億人民幣，經調整 EBITA 利潤增長 106% 至 3.87 億元人民幣。

大語言模型顯然給阿里云帶來不小的增長機遇，新聞稿里強調，AI 熱潮帶來的算力和模型服務需求，推動本季營收的增長；與此同時，阿里巴巴架構調整后的并表業務及金融服務、教育、電力和汽車行業的客戶驅動，也是本季度營收增長的關鍵。

在隨后的阿里巴巴財報分析師會議上，張勇進一步解讀了阿里云所面臨的情況，一方面，需要理性看待阿里云增長放緩的狀況，這很大程度與疫情期間的企業數字化選擇有關，“我們正在調整策略聚焦公有云和核心客戶，以實現長期穩定增長。預計在AI等新業務帶動下,今年下半年增速將逐步回升”。

其次，為了更好應對云計算增速放緩的情況，阿里云將“積極推進公有云轉型，因為公有云用戶量大、需求穩定，有利于實現規模化效益”，同時優化運營流程和供應鏈來提升效率，以實現規模經濟。

值得一提的是，就在財報發布后，多家媒體援引阿里內部的消息稱，釘釘或將從阿里云內部獨立，回歸到阿里巴巴的體系里。此舉意味著“云釘一體”戰略的終結，而通過削減釘釘的運營成本，阿里云可以繼續追求大客戶和高利潤，從而在上市的時候獲得更好的市場回應。

第三，阿里云在大模型領域的布局包括兩個方面：

· 開源：深耕開源社區，繼續升級自研模型，并開源部分模型。

· 商業化：通過提供底層計算力實現變現，在鼓勵客戶提供二次產品的同時，積極推出面向行業的垂直模型；

透過阿里云財報和分析師會議記錄，我們也可以一窺大模型帶給云計算產業的幾點啟示：

· 算力需求正在激增，阿里云現階段也只能滿足部分客戶對于大模型訓練的算力需求，這凸顯出大模型時代計算能力的競爭會成為關鍵，這也從另一個側面展示英偉達等芯片公司為何持續被追捧；

· 通用大模型的價值遠不如行業模型，原因在于，前者缺乏落地實際場景，還需要更多“Know How”以及工程化的工作，而后者能給企業快速帶來價值。

算力成為云上大模型的競爭的關鍵之一，這也是 AWS 的核心競爭力之一，過去幾年，AWS 在自研芯片領域進行了大量布局：

· 2013 年發布一款名為 Nitro 的專用硬件，你可以將其理解為 AWS 的計算加速器，目前已經部署到 AWS 所有云服務器；

· 2015 年，隨著亞馬遜收購以色列芯片創業公司 Annapurna Labs，AWS 的自研芯片進入快車道；

· 2018 年 AWS 發布首款基于 ARM 架構的服務器芯片 Graviton；

· 也是在 2018 年，AWS 發布 AI 推理芯片 Inferentia；

· 2021 年，AWS 發布 AI 訓練芯片 Trainium，并在 2022 年發布第二代；

利用自研芯片，AWS 能夠減少對于上游服務器芯片公司——英特爾、AMD——的依賴，從而為云產品的降價提供空間；而自研硬件也能夠與軟件產品實現更好的協同，進一步優化云服務的體驗。

不過，自研芯片是否能夠應對大模型時代的算力需求，目前還是一個未知數，就像 AWS 從來不會透露云服務中的自研 CPU 和英特爾 CPU 之間的比例一樣（除特定芯片的計算實例外），外界也不會輕易知道 AWS AI 芯片在 AI 云服務中的比重。

對于 AWS 和阿里云這兩大中美云計算巨頭來說，過去十幾年在產品、客戶層面的積累，才是他們接下來利用大模型發展機遇，實現新一輪增長的關鍵。畢竟，任何一個大模型應用都需要數據、算法的加持，如果客戶此前就使用 AWS 或阿里云的服務，那么數據就存儲在 S3 或 OSS（對象存儲）里；而大模型應用的部署，也需要和其他產品——包括但不限于 CDN、數據庫——實現協同，這些復雜而真實的開發場景，遠非一家大模型公司——即便是 OpenAI——所能覆蓋。

從這個角度去看，我依然看好云計算公司會成為大模型競爭的受益者，甚至是比英偉達等一眾芯片公司更長期的受益者。

大模型·市場

先看關注兩筆投融資案例：

· 德國創業公司 Deepset GmbH 獲得 3000 萬美元融資，這家公司面向開發者提供可方便構建自然語言應用的開源框架 Haystack，Alphabet 旗下的投資部門 GV 參與了此次投資；

· 明星創業公司 Anthropic 日前獲得韓國 SK 電信的 1 億美元投資，并共同開發面向電信市場的大語言模型；韓國 SK 電信參與過 Anthropic 公司今年 5 月的一筆總額 4.5 億美元的融資，不過 SK 電信并未透露其投資比例；

CB Insights 統計了 2023 年第二季度全球 AI 市場投融資案例，給出以下一組發現：

其一，全球第二季度 AI 領域的投融資交易總額為 94 億美元，環比下降 38%，主要是因為 OpenAI 在一季度獲得 100 億美元融資，如果減去 OpenAI 的這筆巨額融資，二季度增長了 81%。

其二，第二季度融資最高的 5 筆融資里，有 4 筆流入生成式 AI 領域；而本季度新增加的 7 個 AI“獨角獸公司”（估值超過 10 億美元的創業公司）里，生成式 AI 公司占了 5 個：Cohere、Replit、Runway, Synthesia、Typeface。

對于生成式 AI 市場的發展，風險投資公司 Mosaic 上周發布了一份投資思考框架，提到幾個關注角度：

· 市場機會：一家公司提供的產品要么是增強現有產品、要么是替代現有方案，如何理解這其中的機會與困難？

· 產品：大模型從來不是產品，提示詞也不是產品，真正的產品是如何把大模型、提示詞落地到用戶使用情景之中；

· 護城河：這是一個古老的命題，但在大模型時代格外需要注意，畢竟有大量產品建立在對大模型調參的基礎之上，這幾乎沒有多少“防御能力”；

· 從關注開發到聚焦市場：大模型領域的快速發展，不斷降低基于模型創業的門檻，開發門檻、成本也在大幅下降，如何商業化運營產品，并在市場、營銷層面進行迭代創新，正在變得越來越重要。

幾家明星創業公司近期都遭遇一些爭議。文本生成圖像創業公司 Stability AI 面臨內部一系列動蕩。3 月份以來，至少有 6 名高管離職，關于該公司 CEO Emad Mostaque 能力、人品的質疑也層出不窮，受此影響，Stability AI 新一輪高達 40 億美元的融資過程面臨諸多困難。

OpenAI 的 ChatGPT 成為“對抗性攻擊”的研究對象，與之前的“越獄”不同，后者可通過自動化的方式構建，攻擊者可創建無限量的內容。

和圖像類的“對抗性攻擊”類似，研究者在一些開源大模型以及 ChatGPT 等閉源模型上，僅使用一些后綴字符串就能讓模型“變壞”，下圖是研究者的示例（有可能包含令你感到不適的內容）：

你可以在這里閱讀這篇研究論文。

這項研究至少有兩個方面的價值：其一，過度關注所謂“模型對齊”——簡單理解為模型和人類在核心價值觀上基本一致——意義不大，系統輸出的穩定性更重要；其二，任何時候都不要讓大模型自行做決定，因為這類“對抗性攻擊”基本無解。

最后分享一份咨詢公司麥肯錫的 AI 適應性報告，數據和圖表較多，感興趣的朋友可以通過這里詳細查看。如果用一句話總結：2023 生成式 AI 的應用快速增長，但整體使用還處于早期階段，鑒于該技術的不確定性，大公司的部署使用非常謹慎。