Nvidia 公司没有放弃中国市场,而是竞速开发一种新的低功耗人工智能芯片,该芯片售价低于现已受限的 H20 型号。
该新型图形处理单元将被视为 Nvidia 最新一代 Blackwell 处理器的一部分,但其性能将明显逊色于面向西方市场的变体。据路透社今天首次报道,该芯片定价大约在 6,500 美元到 8,000 美元之间,远低于基于旧架构的 H20 芯片组的 12,000 美元定价。
今年 4 月,Nvidia 遭遇了新的出口限制,禁止向中国出口 H20 GPU。该芯片基于公司的 Hopper 架构,与向美国公司销售的 H100 和 H200 产品相当,但其带宽较小、互联速度较慢。该芯片本意是为了满足此前对中国芯片出口的限制要求,但特朗普政府的官员似乎认为,即使是降级版的 H20,也仍然过于强大,不适合出口到 AI 行业最大的竞争对手中国。
这一决定是在几周前有消息透露,初创公司 DeepSeek Ltd. 利用 H20 芯片集群开发了一款具备推理能力,与 OpenAI 及其他美国公司最优秀模型相媲美的基础模型之后做出的。
据路透社援引三位熟悉公司计划的匿名消息人士称,Nvidia 新芯片较低的价格反映了其规格降低以及较为简单的制造要求。该芯片将基于 Nvidia RTX Pro 6000D——一款服务器级 Blackwell GPU,并将采用传统的 GDDR7 内存,而非其他 Blackwell 芯片上采用的高带宽内存。消息人士补充称,该芯片最早可能在 6 月实现量产。
新芯片不会采用台湾积体电路制造公司最先进的 Chip-on-Wafer-on-Substrate 封装技术,而是选择使用较旧的工艺。
Nvidia 一位发言人拒绝对新芯片发表评论,但表示公司仍在评估针对中国市场的“有限选项”。该发言人说: "在我们敲定新的产品设计并获得美国政府批准之前,我们实际上被排除在中国 50 亿美元数据中心市场之外。"
尽管受到制裁,中国仍然是 Nvidia 的重要市场,在上一财年占据其年收入的 13%。该公司此前已两次因向中国公司销售其最先进芯片而遭到制裁,每次均以为该市场推出降级版本技术作为回应。
Nvidia 在中国 GPU 市场上最大的竞争对手是华为技术有限公司,其生产 Ascend 910B 芯片组。White Oak Capital Partners 的半导体行业分析师 Nori Chiou 告诉路透社,预计华为将在未来一到两年内能够匹配 Nvidia 降级芯片的性能。不过,凭借芯片能与 CUDA 平台整合 AI 集群的优势,Nvidia 仍保有领先优势。
CUDA 是用于优化应用程序和 AI 模型在 Nvidia GPU 上运行的编程架构,其广泛普及使得开发者倾向于继续使用该平台。
今年 4 月实施的出口禁令迫使 Nvidia 注销了超过 55 亿美元的库存,首席执行官黄仁勋上周还承认,该禁令使公司损失超过 150 亿美元的销售收入。
据黄仁勋介绍,Nvidia 最初考虑研发比 H20 更进一步降级的版本以应对最新限制,但很快发现基于旧 Hopper 架构无法进行进一步修改。
最新的限制对 GPU 内存带宽设定了新的上限。内存带宽衡量的是实际处理器与板载内存系统之间数据传输的速度,而对于 AI 工作负载来说,更高的带宽至关重要,因为此类任务需要处理大量数据。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。