GPU涨的不仅是价格。

今年以来，AIGC市场的爆发直接点燃了对GPU的需求。TrendForce集邦咨询的数据显示，2023年AI服务器出货量预估接近120万台，同比增长近38%，AI芯片出货量更是有望突破五成增长。但问题在于，供应端明显跟不上节奏。

一位AI公司高管向记者透露，他们公司4月份下的服务器订单，至今没有确切交货期，原因就是服务器厂商的GPU还没到位。“现在签服务器合同，违约条款都不写了，货期也不签，要么等，要么取消。”这种“一切都在等英伟达”的局面，正在成为行业常态。

对GPU这类加速硬件的渴求，从未像今天这般强烈。如果这波趋势持续下去，当前的高需求恐怕会延续到不远的将来。对于HPC领域来说，这意味着GPU会变得昂贵且稀缺——除非你的采购量大到可以直接跟供应商谈。

GPU天生擅长加速矩阵运算，而这恰好是许多HPC应用的核心。它们提供的SIMD处理单元，能高效应对复杂的并行数组操作。有趣的是，HPC领域的GPU成本，很大程度上是靠规模大得多的游戏市场（大约是HPC的7倍）来分摊的。游戏玩家买GPU飞越虚拟星系，科学家则用它模拟真实星系，两者共享同一套硬件生态。

加密货币挖矿的浪潮，一度打破了这种平衡。游戏GPU在挖矿中极其高效，既能快速算哈希，又能顺便发热取暖，市场需求一度火爆。但随着加密市场的起伏，这股需求似乎正在降温。

到了高端市场，情况完全不同。Reports Insights的一份报告预测，全球GPU市场从2022年到2030年的复合年增长率将达到33.5%。对供应商来说，这当然是好消息，但对最终用户而言，大型语言模型的崛起（比如ChatGPT）创造了一股全新的需求力量——严格来说，这部分需求并不属于传统HPC市场。

举个具体的例子：Inflection AI正在开发一款名为“Pi”的个人AI聊天机器人，为此他们建了一台搭载22,000个英伟达H100 GPU的超级计算机。对比一下，6月份TOP500榜单上排名第一的Frontier系统，也只配备了37,632个GPU。这说明生成式AI对算力的胃口有多大。

Inflection AI的案例并不孤立。SemiAnalysis的报告提到了另一个现象：连OpenAI都拿不到足够的GPU，这严重阻碍了其近期路线图，多模态模型也因此无法部署。整个行业都在为GPU短缺而头疼。

正在寻找FLOPS？

好在，GPU对HPC来说并非唯一选择。但最新的TOP500系统统计显示，37%的机器已经在使用GPU，这个比例还在上升。随着系统迈向exaFLOPS级别，翻跟斗的使用只会更加普遍。

如前所述，GPU虽非必需品，但对许多HPC应用来说颇为理想。生成式AI行业的爆发式增长，使得HPC领域无论是自建还是上云，都面临GPU全面短缺的困境。高端GPU（英伟达、AMD或英特尔）的高需求，可能会促使HPC从业者考虑纯CPU解决方案——众核、A VX-512、HBM、3D V-Cache等技术，同样能帮代码加速。

对“GPU计算资源”的渴求，也可能催生一些新玩法。回想一下，HPC中的早期GPU应用，是从标准显卡和一种叫“Brook”的新语言开始的——它正是CUDA的前身。当时这种方法看起来有些“别扭”，但速度的提升不容忽视，最终重塑了整个HPC领域。

最近还有一个有意思的信号：最新版的AMD ROCm GPU库（V5.6）开始支持移动和桌面级的iGPU。有测试表明，在Ryzen 9 6900HX处理器上，同样的TensorFlow基准测试，纯CPU需要13秒，而CPU/iGPU组合只需3秒。虽然还需要更多验证，但这暗示着内部GPU或许能贡献一些闲置的FLOPS。

GPU的巨大压力，已经到来了。