共计 1294 个字符，预计需要花费 4 分钟才能阅读完成。
北京时间 2023 年 3 月 23 日清晨，当人们打开美股行情时，会发现英伟达的市值已经超越特斯拉，并紧追伯克希尔哈撒韦，展现出强劲的增长势头。在 3 月 21 日晚的 GTC 大会上，英伟达创始人黄仁勋宣布，“AI 正迎来前所未有的辉煌时刻，这一技术正深刻改变科学与行业格局。”
本次大会中，黄仁勋详细介绍了英伟达的最新成果，包括全新 GPU 推理平台、AI 超级计算服务 DGX Cloud、云服务 NVIDIA AI Foundations，以及与 Quantum Machines 合作推出的首个 GPU 加速量子计算系统。此外，英伟达还展示了突破物理极限的 CuLitho 光刻技术，进一步巩固了其在 AI 和硬件领域的领先地位。
算力主导权
人工智能的核心在于训练模型所需的海量数据和算力。虽然数据可能分散于不同公司，但算力资源几乎完全集中在英伟达手中。深度学习的发展历程始终与英伟达密切相关。十年前，AlexNet 神经网络训练使用了英伟达的 GeForce GTX 580 显卡；十年后，ChatGPT 背后的 GPT3.5 依然依赖英伟达的 DGX AI 超级计算机。随着技术的进步，训练所需算力呈指数级增长，而英伟达的 GPU 则不断升级，成为推动这一进程的关键力量。
在此次大会上，黄仁勋推出了基于 Hopper 架构的 H100 NVL GPU，这款芯片专为处理大规模语言模型设计，相较于上一代产品性能提升了十倍。黄仁勋指出，“H100 将大型语言模型的训练成本降低了整整一个数量级。”多个 H100 GPU 组成的超级计算机已成为多家国际科技巨头的首选，如微软、Meta、OpenAI 等。
然而，由于美国政府的出口管制，中国企业无法获得完整的 H100，只能使用性能受限的 H800 版本。这无疑加剧了国内企业在 AI 领域的竞争劣势。
突破技术瓶颈
除了算力优势外，英伟达还在芯片制造领域发力。黄仁勋宣布与台积电、ASML、Synopsys 合作，共同开发 NVIDIA cuLitho 技术，将计算引入光刻流程，显著提升芯片设计与制造效率。该技术运行在 GPU 上，相比传统方法性能提升 40 倍，大幅减少了大规模计算任务的能耗。
通过 cuLitho 技术，晶圆厂的光掩模产量显著提升，同时能耗大幅下降。例如，使用 cuLitho 后，晶圆厂每日光掩模产量可增加 3 至 5 倍，耗电量降低 9 倍，生产周期从两周缩短至不到一天。此外，cuLitho 还能助力解决高精度光刻技术中的瓶颈问题，推动下一代芯片节点的研发。
ASML 首席执行官 Peter Wennink 表示，cuLitho 技术将在 High-NA EUV 光刻时代发挥重要作用。台积电和 Synopsys 也计划将此技术整合到其产品线中。这一系列进展表明，英伟达正在成为继 ASML、台积电和 Synopsys 之后，又一座阻碍中国半导体行业发展的重要屏障。
对于国内企业而言，算力不足和芯片制造技术的短板正成为制约 AI 发展的关键因素。高昂的研发成本迫使初创公司难以实现商业化闭环，进而影响整个行业的健康发展。
综上所述，英伟达不仅在 AI 算力领域占据绝对优势，还在芯片制造环节构建了坚实的护城河。其在 GTC 大会上的表现再次证明，英伟达已经成为 AI 时代的领航者，而国内企业亟需迎头赶上。
