報道：英偉達(dá)與大客戶終克 Blackwell 芯片部署難題

一年前，英偉達(dá)首席執(zhí)行官黃仁勛向分析師表示，受新一代 Blackwell 人工智能芯片復(fù)雜度大幅提升的影響，其客戶從前代人工智能服務(wù)器芯片向該款芯片的過渡過程頗具 “挑戰(zhàn)性”。他稱，為提升芯片性能，“服務(wù)器機箱、系統(tǒng)架構(gòu)、硬件配置、供電系統(tǒng)等所有環(huán)節(jié)都必須做出調(diào)整”。

事實上，對于英偉達(dá)的一眾核心客戶而言，推動 Blackwell 服務(wù)器的落地與規(guī)模化運行，一度是令其倍感棘手的難題。據(jù)兩名為 OpenAI 及其他大客戶提供服務(wù)的英偉達(dá)員工、一名親歷相關(guān)問題處理的Meta公司員工透露，去年大部分時間里，OpenAI、Meta Platforms 及其合作的云服務(wù)商始終難以穩(wěn)定搭建并使用該類系統(tǒng)。而這些人士均表示，相比之下，客戶在收到 Blackwell 之前的英偉達(dá)人工智能芯片后，數(shù)周內(nèi)便能順利完成部署并投入使用。

英偉達(dá)核心客戶在使用其 Blackwell 系列芯片（尤其是 Grace Blackwell 型號）時遭遇的種種難題，似乎并未對這家芯片巨頭的業(yè)務(wù)造成嚴(yán)重沖擊。英偉達(dá)仍是全球市值最高的企業(yè)，市值達(dá) 4.24 萬億美元，且目前已基本解決阻礙大客戶快速大規(guī)模部署該系列芯片的諸多技術(shù)問題。

但倘若英偉達(dá)未來的新芯片仍出現(xiàn)類似的部署難題，谷歌等競爭對手或?qū)⒂瓉硗粐�良機 —— 只要這些競品廠商能幫助客戶更快地大規(guī)模部署芯片，以支撐前沿人工智能技術(shù)的研發(fā)。此類問題還可能導(dǎo)致難以實現(xiàn)芯片規(guī)�；�落地的云服務(wù)商利潤縮水，同時拖慢依托這些芯片研發(fā)更先進(jìn)人工智能模型的 AI 企業(yè)的研發(fā)進(jìn)度。

對于 OpenAI、Meta這類客戶而言，無法按預(yù)期規(guī)模搭建芯片集群，會限制其訓(xùn)練更大規(guī)模人工智能模型的能力。據(jù)一名英偉達(dá)員工透露，盡管英偉達(dá)的客戶并未公開抱怨相關(guān)問題，但部分客戶已私下向英偉達(dá)的對接人員表達(dá)了不滿。

為彌補給受挫客戶帶來的損失，據(jù)一名云服務(wù)商高管及一名參與相關(guān)協(xié)商的英偉達(dá)員工透露，英偉達(dá)去年針對 Grace Blackwell 芯片的相關(guān)問題，向客戶提供了部分退款及折扣優(yōu)惠。

英偉達(dá)及云服務(wù)商高管均表示，問題主要出在將 72 顆 Grace Blackwell 芯片組聯(lián)的服務(wù)器上 —— 這類設(shè)計本是為了讓芯片間的通信速度大幅提升，并實現(xiàn)單系統(tǒng)協(xié)同運行。該款服務(wù)器可與其他服務(wù)器互聯(lián)互通，組成超大規(guī)模集群，為人工智能模型的高強度訓(xùn)練提供算力支持。

英偉達(dá)一名發(fā)言人表示，公司已于 2024 年回應(yīng)了有關(guān) Grace Blackwell 系統(tǒng)部署進(jìn)度緩慢的相關(guān)質(zhì)疑，并當(dāng)時發(fā)表聲明稱，該類系統(tǒng)是 “有史以來最先進(jìn)的計算機”，其落地需要 “與客戶開展聯(lián)合工程研發(fā)”。

聲明中還提到：“英偉達(dá)正與頭部云服務(wù)商展開深度合作，其團(tuán)隊已成為我們工程研發(fā)體系和流程中不可或缺的一部分，相關(guān)工程迭代屬于行業(yè)正�，F(xiàn)象，也是我們預(yù)期中的環(huán)節(jié)�！�

OpenAI 基礎(chǔ)設(shè)施業(yè)務(wù)高管薩欽・卡蒂發(fā)表聲明稱，這家初創(chuàng)企業(yè)與英偉達(dá)的合作 “正完全按計劃為我們的研發(fā)路線圖提供算力支撐。我們正將所有可用的英偉達(dá)芯片全面應(yīng)用于模型訓(xùn)練和推理環(huán)節(jié)，這也推動了研發(fā)的快速迭代與產(chǎn)品落地，近期我們發(fā)布的多款模型便是最好的證明”。

成長的陣痛

有跡象表明，英偉達(dá)已從此次的部署難題中吸取了經(jīng)驗教訓(xùn)。公司不僅對現(xiàn)有 Grace Blackwell 系統(tǒng)進(jìn)行了優(yōu)化，還針對今年晚些時候即將推出的、基于 Vera Rubin 新一代芯片的服務(wù)器開展了改進(jìn)工作。

據(jù)兩名參與芯片設(shè)計的人士透露，英偉達(dá)去年推出了性能更強勁的 Grace Blackwell 芯片升級版，以確保其運行穩(wěn)定性優(yōu)于初代產(chǎn)品。他們表示，這款名為 GB300 的升級版芯片，在散熱能力、核心材料及連接器品質(zhì)上均實現(xiàn)了提升。

一名了解具體情況的Meta員工稱，曾遭遇初代 Grace Blackwell 系統(tǒng)技術(shù)故障的Meta工程師發(fā)現(xiàn)，新款芯片的組聯(lián)難度大幅降低。另一名為 OpenAI 提供服務(wù)的英偉達(dá)員工則透露，OpenAI 等部分客戶已對尚未到貨的 Grace Blackwell 芯片訂單進(jìn)行調(diào)整，轉(zhuǎn)而增訂這款升級版產(chǎn)品。

去年秋季，英偉達(dá)曾向投資者透露，其 Blackwell 系列芯片的大部分營收已來自經(jīng)優(yōu)化的 Grace Blackwell 服務(wù)器，公司計劃在今年實現(xiàn)該款服務(wù)器的大批量交付。

深度依賴英偉達(dá)芯片的埃隆・馬斯克旗下 xAI 公司，在 Grace Blackwell 服務(wù)器的落地應(yīng)用上似乎走在了行業(yè)前列。去年 10 月，該公司已在孟菲斯的數(shù)據(jù)中心完成了約 10 萬顆該款芯片的部署并投入運行，目前尚不清楚這一部署策略是否帶來了更優(yōu)的效果。

先搭建，后測試

英偉達(dá)研發(fā) Blackwell 芯片的目標(biāo)十分明確：幫助客戶以遠(yuǎn)優(yōu)于前代人工智能芯片的規(guī)模和成本效益，開展人工智能模型的訓(xùn)練工作。

在英偉達(dá)的前代服務(wù)器中，客戶最多只能將 8 顆芯片進(jìn)行組聯(lián)，且芯片間的通信速度較慢。而 Blackwell 系列芯片的設(shè)計核心，是通過在單臺服務(wù)器內(nèi)組聯(lián) 72 顆 Grace Blackwell 芯片，減少不同服務(wù)器間的數(shù)據(jù)傳輸量，從而釋放數(shù)據(jù)中心的網(wǎng)絡(luò)資源，支撐更大規(guī)模人工智能模型的訓(xùn)練與運行。

據(jù)一名曾參與芯片集群搭建的甲骨文員工透露，通過該種方式搭建大規(guī)模芯片集群，還能提升基于其訓(xùn)練的人工智能模型的質(zhì)量，該系統(tǒng)的設(shè)計初衷便是減少模型訓(xùn)練過程中常見的硬件故障。

然而，英偉達(dá)的這一新設(shè)計本身也存在漏洞。將大量芯片高度集成組聯(lián)，意味著單顆芯片的故障都可能引發(fā)連鎖反應(yīng)，導(dǎo)致由數(shù)千顆芯片組成的整個集群癱瘓或運行中斷。據(jù)三名親歷過此類故障的人士透露，企業(yè)若要從最近的保存節(jié)點重啟中斷的訓(xùn)練流程，所需成本從數(shù)千美元到數(shù)百萬美元不等。

英偉達(dá) Grace Blackwell 系統(tǒng)的落地從一開始便波折不斷。2024 年夏季，芯片設(shè)計缺陷導(dǎo)致量產(chǎn)推遲，各類問題開始顯現(xiàn)。一年前，首批 Blackwell 芯片交付客戶后，服務(wù)器機柜又接連出現(xiàn)過熱、連接故障等問題，致使微軟、亞馬遜云科技、谷歌、Meta等核心客戶紛紛削減訂單，轉(zhuǎn)而采購前代芯片。

多家訂購了 Grace Blackwell 芯片的云服務(wù)商員工表示，他們認(rèn)為英偉達(dá)在相關(guān)軟硬件尚未完全調(diào)試到位的情況下，便向客戶進(jìn)行了交付。

但英偉達(dá)一名前高管為公司的這一策略進(jìn)行了辯護(hù)，稱 72 芯組聯(lián)的 Grace Blackwell 服務(wù)器遭遇的這些成長陣痛，恰恰體現(xiàn)了黃仁勛勇于突破技術(shù)邊界、而非追求穩(wěn)妥的經(jīng)營理念。英偉達(dá)現(xiàn)任及前任員工均認(rèn)為，指望英偉達(dá)能精準(zhǔn)預(yù)判 OpenAI、Meta等客戶的規(guī)�；�部署場景下的芯片性能，本身并不現(xiàn)實。

且有跡象表明，OpenAI 目前已實現(xiàn)英偉達(dá) 72 芯組聯(lián)服務(wù)器的規(guī)模化使用。本周四，OpenAI 宣布，公司最新的人工智能代碼模型 GPT-5.3-Codex 的研發(fā)，全程 “由該款專屬系統(tǒng)聯(lián)合設(shè)計、提供訓(xùn)練算力并支撐部署運行”。

營收兌現(xiàn)遇阻

據(jù)兩家云服務(wù)商的高管透露，去年全年，芯片部署的延遲令 OpenAI 的部分云服務(wù)合作伙伴蒙受了損失 —— 這些企業(yè)曾為 Grace Blackwell 芯片投入巨額資金，原本期望芯片能快速上線并收回成本，而云服務(wù)商只有在客戶開始使用芯片后，才能獲得相關(guān)收入。

據(jù)一名參與相關(guān)協(xié)商的云服務(wù)商高管透露，為緩解資金壓力，部分云服務(wù)商去年與英偉達(dá)協(xié)商達(dá)成了折扣協(xié)議，得以按實際使用量的較小比例支付芯片費用。

另據(jù)一名英偉達(dá)員工及一名英偉達(dá)制造合作伙伴的工作人員透露，英偉達(dá)還為部分退回服務(wù)器的客戶辦理了退款。

云服務(wù)商推出新技術(shù)時，往往需要先承擔(dān)相關(guān)成本，待客戶開始使用硬件后才能獲得收入，因此這一階段的利潤率通常較低。一份文件顯示，在截至去年 8 月的三個月里，甲骨文公司因出租 Blackwell 系列芯片虧損近 1 億美元，究其原因，是甲骨文完成服務(wù)器調(diào)試并向客戶交付的時間，與 OpenAI 等客戶開始使用并支付租金的時間存在明顯滯后。

這份為甲骨文云業(yè)務(wù)高管準(zhǔn)備的內(nèi)部演示文件指出，Grace Blackwell 芯片租賃業(yè)務(wù)毛利率為負(fù)，主要是受 OpenAI 位于得克薩斯州阿比林市的數(shù)據(jù)中心相關(guān)芯片部署問題，以及客戶驗收周期滯后的影響。

甲骨文此后曾向投資者表示，其人工智能云業(yè)務(wù)最終將實現(xiàn) 30% 至 40% 的毛利率，這一預(yù)期已涵蓋數(shù)據(jù)中心上線前的投入期。

甲骨文的發(fā)言人則拒絕就此置評。