鞭牛士报道，12月18日消息，据金融时报报道， 随着 OpenAI 的最大投资者加快对人工智能基础设施的投资，微软今年购买的 Nvidia 旗舰芯片数量是其在美国和中国任何最大竞争对手的两倍。

科技咨询公司 Omdia 的分析师估计，微软今年购买了 48.5 万块 Nvidia 的Hopper芯片。这使微软远远领先于 Nvidia 的第二大美国客户 Meta（购买了 22.4 万块 Hopper 芯片），以及其云计算竞争对手亚马逊和谷歌。

在过去两年的大部分时间里，Nvidia 最先进的图形处理单元的需求超过供应，微软的芯片储备使其在构建下一代人工智能系统的竞赛中占据了优势。

今年，大型科技公司已斥资数百亿美元建造运行英伟达最新芯片的数据中心，自两年前 ChatGPT 首次亮相并引发人工智能领域前所未有的投资热潮以来，这些芯片已成为硅谷最热门的商品。

微软的 Azure 云基础设施用于训练 OpenAI 的最新 o1模型，他们与复苏的谷歌、Anthropic 和埃隆马斯克的 xAI 等初创公司以及中国的竞争对手争夺下一代计算的主导地位。

Omdia 估计，字节跳动和腾讯今年分别订购了约 23 万块 Nvidia 芯片，其中包括 H20 型号，这是 Hopper 的低端版本，经过修改以满足美国对中国客户的出口管制。

分析师表示，亚马逊和谷歌与 Meta 一起加紧部署自己的定制 AI 芯片以替代 Nvidia 的芯片，分别购买了 19.6 万块和 16.9 万块 Hopper 芯片。

Omdia 分析公司公开披露的资本支出、服务器出货量和供应链情报来计算其估值。

随着大型科技公司竞相组装越来越大的 GPU 集群，英伟达的市值今年已飙升至 3 万亿美元以上。目前，英伟达正开始推出 Hopper 的继任者 Blackwell。

然而，由于担心经济增长放缓、大型科技公司自己的定制人工智能芯片的竞争，以及唐纳德·特朗普即将上任的美国政府可能对其在华业务造成干扰，近几个月来，该股的非凡涨势已经减弱。

打开网易新闻 查看精彩图片

尽管美国政府对在中国销售的美国人工智能芯片的功能有所限制，但字节跳动和腾讯今年已成为英伟达最大的两个客户。

微软已向 OpenAI 投资 130 亿美元，是美国大型科技公司中建设数据中心基础设施最积极的一家，既用于运行自己的人工智能服务（如 Copilot 助手），也用于通过其 Azure 部门出租给客户。

微软此次订购的 Nvidia 芯片数量是其 2023 年购买的同代 Nvidia AI 处理器数量的三倍多，当时 Nvidia在 ChatGPT 取得突破性成功后竞相扩大Hopper 的生产。

微软 Azure 全球基础设施高级总监阿利斯泰尔·斯皮尔斯 (Alistair Speirs) 向《金融时报》表示：良好的数据中心基础设施非常复杂，是资本密集型项目。它们需要多年的规划。因此，预测我们的增长将在哪里，并留出一点缓冲空间，这一点很重要。

根据 Omdia 的数据，到 2024 年，全球科技公司将在服务器上花费约 2290 亿美元，其中微软的资本支出为 310 亿美元，亚马逊的资本支出为 260 亿美元。数据中心基础设施的前十大买家（现在包括相对较新的 xAI 和 CoreWeave）占全球计算能力投资的 60%。

Omdia 云计算和数据中心研究总监 Vlad Galabov 表示，到 2024 年，服务器支出的约 43% 将流向 Nvidia。

「Nvidia GPU 在服务器资本支出中占据了极高的份额。」他说。「我们已经接近峰值了。」

打开网易新闻 查看精彩图片

尽管 Nvidia 仍然主导着 AI 芯片市场，但其硅谷竞争对手 AMD 也正在取得进展。

据 Omdia 称，Meta 今年购买了 173,000 块 AMD 的 MI300 芯片，而微软则购买了 96,000 块。

今年，大型科技公司也加大了对自家 AI 芯片的使用，以减少对 Nvidia 的依赖。谷歌十年来一直在开发其“张量处理单元”（TPU），而 Meta 去年推出了第一代 Meta 训练和推理加速器芯片，这两家公司各自部署了约 150 万块自家芯片。

亚马逊正在为云计算客户大力投资其 Trainium 和 Inferentia 芯片，今年部署了约 130 万块此类芯片。亚马逊本月表示，计划使用数十万块最新的 Trainium 芯片为 OpenAI 的竞争对手 Anthropic 构建一个新的集群，亚马逊已向其投资 80 亿美元，用于训练其下一代人工智能模型。

然而，微软在打造与 Nvidia 竞争的 AI 加速器方面走得更早，今年仅安装了约 200,000 个 Maia 芯片。

斯皮尔斯表示，使用 Nvidia 的芯片仍然需要微软对自己的技术进行大量投资，以便为客户提供“独特”的服务。

他说：根据我们的经验，构建人工智能基础设施不仅需要拥有最好的芯片，还需要拥有正确的存储组件、正确的基础设施、正确的软件层、正确的主机管理层、错误纠正以及构建该系统的所有其他组件。