GPT-5出世，需5万张H100，全球H100总需求43万张， 英伟达GPU陷短缺风暴

GPT-5的训练，需要5万张H100加持。英伟达GPU已成为各大AI公司开发大模型的首选利器。然而，Sam Altaman自曝GPU很缺，竟不希望太多人用ChatGPT。

“谁将获得多少H100，何时获得H100，都是硅谷中最热门的话题。”

OpenAI联合创始人兼职科学家Andrej Karpathy近日发文，阐述了自己对英伟达GPU短缺的看法。

近来，社区广为流传的一张图「我们需要多少张GPU」，引发了众多网友的讨论。

根据图中内容所示：

- GPT-4可能在大约10000-25000张A100上进行了训练

- Meta大约21000 A100

- Tesla大约7000 A100

- Stability AI大约5000 A100

- Falcon-40B在384个A100上进行了训练

– Inflection使用了3500和H100，来训练与GPT-3.5能力相当的模型

另外，根据马斯克的说法，GPT-5可能需要30000-50000个H100。

此前，摩根士丹利曾表示GPT-5使用25000个GPU，自2月以来已经开始训练，不过Sam Altman之后澄清了GPT-5尚未进行训。

不过，Altman此前表示，

我们的GPU非常短缺，使用我们产品的人越少越好。

如果人们用的越少，我们会很开心，因为我们没有足够的GPU。

在这篇名为「Nvidia H100 GPU：供需」文章中，深度剖析了当前科技公司们对GPU的使用情况和需求。

文章推测，小型和大型云提供商的大规模H100集群容量即将耗尽，H100的需求趋势至少会持续到2024年底。

那么，GPU需求真的是遇到了瓶颈吗？

01 各大公司GPU需求：约43万张H100

当前，生成式AI爆发仍旧没有放缓，对算力提出了更高的要求。

一些初创公司都在使用英伟达昂贵、且性能极高的H100来训练模型。

马斯克说，GPU在这一点上，比药物更难获得。

Sam Altman说，OpenAI受到GPU的限制，这推迟了他们的短期计划（微调、专用容量、32k上下文窗口、多模态）。

Karpathy 发表此番言论之际，大型科技公司的年度报告，甚至都在讨论与GPU访问相关的问题。

上周，微软发布了年度报告，并向投资者强调，GPU是其云业务快速增长的「关键原材料」。如果无法获得所需的基础设施，可能会出现数据中心中断的风险因素。

这篇文章据称是由HK发帖的作者所写。

他猜测，OpenAI可能需要50000个H100，而Inflection需要22,000个，Meta可能需要 25k，而大型云服务商可能需要30k（比如Azure、Google Cloud、AWS、Oracle）。

Lambda和CoreWeave以及其他私有云可能总共需要100k。他写道，Anthropic、Helsing、Mistral和Character 可能各需要10k。

作者表示，这些完全是粗略估计和猜测，其中有些是重复计算云和从云租用设备的最终客户。

整体算来，全球公司需要约432000张H100。按每个H100约35k美元来计算，GPU总需求耗资150亿美元。

这其中还不包括国内，大量需要像H800的互联网公司。

还有一些知名的金融公司，比如Jane Street、JP Morgan、Two Sigma等，每家都在进行部署，从数百张A/H100开始，扩展到数千张A/H100。

包括OpenAI、Anthropic、DeepMind、谷歌，以及X.ai在内的所有大型实验室都在进行大型语言模型的训练，而英伟达的H100是无可替代的。

02 H100为什么成首选？

H100比A100更受欢迎，成为首选，部分原因是缓存延迟更低和FP8计算。

因为它的效率高达3倍，但成本只有（1.5-2倍）。考虑到整体系统成本，H100的性能要高得多。

从技术细节来说，比起A100，H100在16位推理速度大约快3.5倍，16位训练速度大约快2.3倍。

A100 vs H100速度

H100训练MoE

H100大规模加速

大多数公司购买H100，并将其用于训练和推理，而A100主要用于推理。

但是，由于成本、容量、使用新硬件和设置新硬件的风险，以及现有的软件已经针对A100进行了优化，有些公司会犹豫是否要切换。

03 GPU 并不短缺，而是供应链问题

英伟达的一位高管表示，问题不在于 GPU 短缺，而在于这些 GPU 如何进入市场。

英伟达正在正在开足马力生产GPU，但是这位高管称，GPU的产能最主要受到的是供应链的限制。

芯片本身可能产能充足，但是其他的组件的产能不足会严重限制GPU的产能。

这些组件的生产要依赖整个世界范围内的其他供应商。

不过需求是可以预测的，所以现在问题正在逐渐得到解决。

GPU芯片的产能情况

首先，英伟达只与台积电合作生产H100。英伟达所有的5nmGPU都只与台积电合作。

未来可能会与英特尔和三星合作，但是短期内不可能，这就使得H100的生产受到了限制。

根据爆料者称，台积电有4个生产节点为5nm芯片提供产能：N5，N5P，N4，N5P

而H100只在N5或者是N5P的中的4N节点上生产，是一个5nm的增强型节点。

而英伟达需要和苹果，高通和AMD共享这个节点的产能。

而台积电晶圆厂需要提前12个月就对各个客户的产能搭配做出规划。

如果之前英伟达和台积电低估了H100的需求，那么现在产能就会受到限制。

而爆料者称，H100到从生产到出厂大约需要半年的时间。

而且爆料者还援引某位退休的半导体行业专业人士的说法，晶圆厂并不是台积电的生产瓶颈，CoWoS（3D堆叠）封装才是台积电的产能大门。

H100内存产能

而对于H100上的另一个重要组件，H100内存，也可能存在产能不足的问题。

与GPU以一种特殊方式集成的HBM（High Bandwidth Memory）是保障GPU性能的关键组件。

爆料者援引一位业内人士的说法:

主要的问题是 HBM。制造它是一场噩梦。由于 HBM 很难生产，供应也非常有限。生产和设计都必须按照它的节奏来。

HBM3内存，英伟达几乎都是采用SK Hynix的产品，可能会有一部分三星的产品，应该没有镁光的产品。

英伟达希望SK Hynix能提高产能，他们也在这么做。但是三星和镁光的产能都很有限。

而且制造GPU还会用到包括稀土元素在内的许多其他材料和工艺，也会成为限制GPU产能的可能因素。

04 GPU芯片未来的情况会怎么发展

英伟达的说法

英伟达只是透露，下半年他们能够供应更多的GPU，但是没有提供任何定量的信息。

我们今天正在处理本季度的供应，但我们也为下半年采购了大量供应。

我们相信下半年的供应量将大大高于上半年。

– 英伟达首席财务官 Colette Kress 在2023年2月至4月的财报电话会议上透露

接下来会发生什么？

GPU的供应问题现在是一个恶性循环，稀缺性导致GPU拥有量被视为护城河，从而导致更多的GPU被囤积起来，从而加剧稀缺性。

– 某私有云负责人透露

H100的下一代产品何时会出现？

根据英伟达之前的线路图，H100的下一代产品要在2024年末到2025年初才会宣布。

在那个时间点之前，H100都会是英伟达的旗舰产品。

不过英伟达在此期间内会推出120GB水冷版的H100。

而根据爆料者采访到的业内人士称，到2023年底的H100都已经卖完了！！

05 如何获得H100的算力？

就像前边英伟达的高管提到的，H100的GPU所提供的算力，最终要通过各个云计算提供商整合到产业链中去，所以H100的短缺，一方面是GPU生成造成的。

另一个方面，是算力云提供商怎么能有效地从英伟达获得H100，并通过提供云算力最终触及需要的客户。

这个过程简单来说是：

算力云提供商向OEM采购H100芯片，再搭建算力云服务出售给各个AI企业，使得最终的用户能够获得H100的算力。

而这个过程中同样存在各种因素，造成了目前H100算力的短缺，而爆料的文章也提供了很多行业内部的信息供大家参考。

H100的板卡找谁买？

戴尔，联想，HPE，Supermicro和广达等OEM商家都会销售H100和HGX H100。

像CoreWeave和Lambda这样的GPU云提供商从OEM厂家处购买，然后租给初创公司。

超大规模的企业（Azure、GCP、AWS、Oracle）会更直接与英伟达合作，但也会向OEM处购买。这和游戏玩家买显卡的渠道似乎也差不多。但即使是购买DGX，用户也需要通过OEM购买，不能直接向英伟达下订单。

交货时间

8-GPU HGX 服务器的交付时间很糟糕，4-GPU HGX 服务器的交付时间就还好。

但是每个客户都想要 8-GPU 服务器！

初创公司是否从原始设备制造商和经销商处购买产品？

初创公司如果要获得H100的算力，最终不是自己买了H100插到自己的GPU集群中去。

他们通常会向Oracle等大型云租用算力，或者向Lambda和CoreWeave等私有云租用，或者向与OEM和数据中心合作的提供商（例如 FluidStack）租用。

如果想要自己构建数据中心，需要考虑的是构建数据中心的时间、是否有硬件方面的人员和经验以及资本支出是否能够承担。

租用和托管服务器已经变得更加容易了。如果用户想建立自己的数据中心，必须布置一条暗光纤线路才能连接到互联网 - 每公里 1 万美元。大部分基础设施已经在互联网繁荣时期建成并支付了费用。租就行了，很便宜。

– 某私有云负责人

从租赁到自建云服务的顺序大概是：按需租云服务（纯租赁云服务）、预定云服务、托管云服务（购买服务器，与提供商合作托管和管理服务器）、自托管（自己购买和托管服务器））。

大部分需要H100算力的初创公司都会选择预定云服务或者是托管云服务。

大型云计算平台之间的比较

而对于很多初创公司而言，大型云计算公司提供的云服务，才是他们获得H100的最终来源。

云平台的选择也最终决定了他们能否获得稳定的H100算力。

总体的观点是：Oracle 不如三大云可靠。但是Oracle会提供更多的技术支持帮助。

其他几家大型云计算公司的主要差异在于：

Prev Chapter：ChatGPT爆火这半年：热钱、巨头与监管

Next Chapter：接棒ChatGPT，今年最具爆发力的赛道来了！