如何看待英伟达RTX50系新显卡？

1 月 7 日上午，英伟达总裁黄仁勋在全球最大的消费电子展上作了演讲。

此前就有海外科技博主预测，英伟达即将发布的新版显卡，其 GPU 性能，又要提升一大截。而在演讲中，黄仁勋发布了英伟达 RTX 50 系列显卡。按英伟达的说法，RTX 5090 整体性能是上一代 RTX 4090 的两倍。

由此，也有些声音担忧，在美国对华断供高端芯片的背景下，无法获得最高性能 GPU 用于训练的中国人工智能行业，与美国的差距是否会被进一步拉大。

人工智能领域，" 算力焦虑 " 一直是种流行的叙事。作为主导全球的 GPU 企业，英伟达 H100 GPU 数量一度成为了衡量大模型公司算力的指标，黄仁勋曾言：" 英伟达是 AI 世界的引擎 "，在他的叙事下，英伟达的硬件是发展人工智能大模型的决定性产品。

不过，谭主跟在现场的朋友聊了聊，他表示：

算力和人工智能大模型已经不再是现场多数企业最关心的问题。相比之下，如何将人工智能落地应用是 2024 年很明显的一个重点，在这方面，很多时候并不需要最高性能的 GPU 芯片。

相比之下，黄仁勋却显得没有那么 " 淡定 "，在演讲中渲染英伟达 "Blackwell 架构芯片是人类历史上最大的单芯片 "" 前所未有的规模 " 的同时，却也对其消费级的产品采取了性能不变，但降价至三分之一的策略。

这跟此前舆论场认为英伟达产品将继续涨价的预期，形成了反差。显然，在主导地位遭遇越来越多挑战的情况下，英伟达也开始考虑多找 " 几条腿 " 走路。

实际上，全球几家还在全力投入人工智能大模型研发的头部企业，也正在掀起一股 " 去英伟达 " 的趋势。

诸如 Open AI、苹果公司等都开始自研芯片和生态系统，支撑自身的大模型训练。

而这股趋势更重要的意义在于，英伟达营销人工智能 " 算力为王 " 的认知，已经被人工智能行业的新动向打破了。

除了自研 AI 芯片，Open AI 等全球头部的人工智能公司，都在更多地聚焦大模型本身的设计优化。

模型训练层面，Mistral AI 公司公开将混合专家模型引入大模型训练，用许多个特定领域的 " 小专家 " 配合几个 " 通用专家 "，先决定问题类型，再用少数适合的专家处理不同类型的问题。以 DPO、LoRA 为代表的高效微调方法，将原本需要高算力和复杂调优算法的模型对齐过程进行了化简，大幅度降低了模型对齐复杂度。

在这样的趋势下，国产大模型也逐渐明确了自己的发展方向。

2024 年，国产大模型突飞猛进，不乏通过底层优化，实现用 2048 块 GPU，接近头部公司数万块 GPU 训练才具备的大模型性能的案例。

在全球最大的大模型和数据集社区 Hugging Face 推出的开源大模型排行榜单上，从去年 6 月开始，中国国产开源大模型曾一度第一名，到年末，这个纪录又被新的国产开源大模型刷新，身位已经稳定在领先行列。

业内人士跟谭主分析：

之所以能做到这一点，是因为国产大模型主要进行了三个方面的创新：底层大模型数据结构的创新，训练过程的创新，以及数据准备有创新。

中国工业互联网研究院的最新数据显示，DeepSeek-V3 通过采用混合精度方法，有效平衡训练精度和效率，结合混合专家模型架构，大模型训练成本降低至 500 万美元，仅为同性能模型的 5%～10%，其性能上却跟 GPT-4o 以及 Claude 3.5 Sonnet 相差无几。而目前，国内类似的大模型成本、训练时长都已经大幅下降。