【人工智能和多大模型的迅猛发展带动算力需求日益激增，AI芯片应用前景愈加广阔。面对美国高端AI芯片对华封锁禁运，国产AI芯片正在加速突围。日前，美国D2D Advisory咨询公司CEO杰·葛德伯格（Jay Goldberg）拜访观察者网，就美国“芯片法案”的实施，英伟达在华业务以及中国AI芯片的前景等一系列问题，与心智观察所首席经济学家李波展开了一场深入对话。】

李波：欢迎葛德伯格先生——D2D Advisory咨询公司首席执行官。此外，你还是Sovereign Technology Partners（主权技术合作伙伴）的管理合伙人。第一个问题，给公司起“主权技术合作伙伴”这个名的想法是什么？

葛德伯格：当前每个人都在谈论数据和技术，但是我们想向客户传达的想法是，你个人的确拥有所有权，对你的技术和数据拥有主权——这是我们试图传达的一个重要概念，这是真正与这些客户产生共鸣的东西。

李波：在我们开始严肃问题之前，我想问，5年之后你重新看到的中国有什么印象？这仍然是一个你之前熟悉的中国吗？或者你看到了有一些新的元素加入？

葛德伯格：两者都有。这是我第一次真正体验中国高铁，而且厉害的是你只要用一个应用程序订票即可，是在我上车前10分钟订的票！这太棒了，这很容易、太方便了，可以去任何你想去的地方。这是中国现代化和进步的有力象征！

但与此同时，我仍然可以很方便的下车。我下火车去找到一家面馆，在那里我可以花10元买到一碗很好米线或水饺，就像以前一样，我很喜欢这里的食物。非常令人兴奋的是，价格和食物的质量都不错。

李波：关于网络连接问题，当你来到中国后，你仍然可以连接到你境外的WhatsApp应用是吧？因为你使用的是美国手机号码，并不会和原来的网络脱离。

葛德伯格：是的。这对我来说有一种很奇怪的感觉。当我还是个学生的时候，我在1991年至1992年去了北京大学一年。那是在互联网和手机电话出现之前，我曾经不得不手写信件与家人联系，信件沟通时间很长，常常来回要几个星期。

现在我每天都可以和我的孩子们说话，即使我在出差旅行中。我当时根本没想到过，有朝一日来到一个不同的世界，数字沟通真的容易多了，很美妙。

美国“芯片法案”难达预期

李波：我们进入主题。最近我们看到数百亿美元规模的现金以支付拨款赠款的形式提供给了如英特尔、台积电、和三星这样的公司。你判断美国政府用这样力度来推动《芯片法案》，预期的结果会是什么？

葛德伯格：我认为芯片的作用必须结合实际情况来理解，“芯片法案”资金总额超过500亿美元，分五年拨付。如果你看看中国台湾的大型半导体公司，比如台积电，他们一年的资本开支就已经达到了400亿美元。

因此在5年时间内向几十家芯片制造公司分期支付500亿美元并不是一个很大的数字。我认为“芯片法案”意义在于向美国公司发出信号，表明他们将得到美国政府的某些支持、特别是监管方面的支持，其作用是政府承认半导体产业对美国很重要。我认为这种信号甚至比实际的拨款更为重要，因为资金并不多。

美国“芯片法案”资金流向（截止到2024年4月）

李波：带有很强的象征性意义，但这笔钱是实实在在的现金。这是一种直接补贴。而不是那种政府通过减税承诺来帮助的项目，对吧？

葛德伯格：这是真金白银，真的现金。但这很奇怪，因为这对美国来说并不常见。据我所知在过去的五六十年里，美国政府都不曾想这样做。美国的政治精英以及我们的美国政府它并不擅长提供直接补贴，过去整个国家也一直在长期避免出现这种情况。

李波：所以我不认为会再有另一部“芯片法案”。

葛德伯格：但目前的政策力度足够大、至少可覆盖5年。然后，我们将可能观察到政府引入一种所谓的产业政策，用来制约市场力量的自然运作。

李波：对此，主要的批评的声音是什么？

葛德伯格：现在预测美国政治中的任何事情都是非常困难的。所以我不知道4个月后会发生什么，更别说5年了。但现在，感觉并没有很大的支持动力去推动“芯片法案2.0”或者围绕半导体建立真正的产业政策框架。美国过去并没有国家产业政策规划的经验。也许未来可能会改变，但我感觉周边的人们现在并不想把它放在重要的位置。所以我不认为会有更多这样类似的法案出台。

英特尔代工的困境

李波：当你在中国旅行的时候，你有没有听说过英特尔代工服务（IFS）想要进入中国市场竞争的传言？您对英特尔所谓的IFS的这一举措有何评价？

葛德伯格：英特尔作为一家公司的确面临着真正的挑战。按照他们的经济模型中，他们需要拥有更多的客户，以支持不断推进其制造流程所需的研发投入。多年来，他们以为只要目前这样多的客户就足够了。可现在已经不是这样了。他们事实上需要再加上另一个同等规模的外部收入，将自己收入规模增加一倍，才能保持在摩尔定律的轨道上继续前进。

对我来说，他们到处在寻找客户，这是完全合理的。他们需要和每个可能的潜在客户介绍自己的服务。我不仅听说他们正在向中国的客户推销，他们也正在向世界各地的客户推销。

但代工的舞台中已经有了台积电和中国大陆的中芯国际。那么他们会怎么做呢？他们需要降低价格。

如果你和英特尔谈论他们的代工计划，他们喜欢强调的一件事是，在进入新的下一代制程时候，他们会淘汰旧的。相比之下，台积电的模式不一样的，每当他们增加了一个新的制程工艺，他们仍然继续销售旧的产品，你可以在台积电得到8代、10代等不同的工艺制程。这使得生意模型非常有利可图：因为你已经在账面上折旧了所有的设备，而现实中它仍然在继续运行。英特尔已经意识到他们也需要这样做。

所以我认为他们的很多业务都是建立在英特尔16纳米工艺上的。他们仍然有很多这样的能力。虽然你们的个人电脑不需要这些旧工艺。他们不需要将其用于数据中心，但还有许多其他地方，许多其他客户可以很好地利用它。所以我认为他们的重点是要填满这些以往的节点。

英伟达替代方案的茁壮成长

李波：根据你最新的播客，你谈到了NPU在AI应用场景中的广泛采用。是大家对于人工智能能力限度的探索激发了NPU和DSP的热度吗？

葛德伯格：我在这里必须要精确表述一下，NPU或神经处理单元是集成到另一个芯片中的一组电路。

而这些NPU是专门为做人工智能的工作负载而构建的。我想我们已经看到了很多设备厂家都在往这个方向发展，比如iPhone就是如此，但是苹果不称它为NPU，而称为神经引擎，他们已经在iPhone中使用了5到6年了。

我认为这会变得越来越普遍。我们已经看到高通和联发科都推出了内置NPU的手机。我们看到所有笔记本电脑的CPU制造商都开始这样做。现在这些AI PC，其实他们只是将NPU以某种方式放入CPU中。

李波：NPU的应用将如何影响大模型的训练？

葛德伯格：我认为大模型训练仍然会在大芯片如GPU上进行。但如果你把NPU的定义扩大到包括AI加速器，因为我必须如此精确表述，即认为AI加速器将是一个用于模型训练重要的、且独立的类别。

但现在，今天真的只有两家公司有着成熟的芯片研发体系来训练人工智能模型。英伟达的H100，还有谷歌的TPU，TPU只是另一种描述NPU的方式，然后还有阿里巴巴，Facebook，Meta，微软。他们都在建造自己的AI训练加速器。

Trillium，谷歌第六代TPUs

但这些加速器都不是那么先进有效，大多都还是第一代的模样。谷歌目前正在开发的是第七代TPU，连他们也只有一个版本用于模型训练。我认为Facebook和微软很乐意用他们自己的芯片进行训练，但我不认为他们现在能做到，这还需要很多年的时间。

李波：是的，我曾经听说过，如果你改变模型，你必须使用GPU，因为你做了浮点运算。一旦你排除了基于人工智能的云，那么实际上你不需要太多的GPU来增强计算能力。

葛德伯格：关于这个我的确可以说一说的。谷歌在大约七八年前推出了他们的TPU。当他们宣布时，风险投资界就开始争相投资那些人工智能加速器或NPU公司。有一大堆公司都是从那时候冒出来的。他们中的大多数现在已经不存在了。他们花了一年时间的确开发了一种新的AI芯片。可当芯片出来的时候，软件已经改变了，模型也变了。我们实际上已经看到了这样的事情正在重复发生。

很多初创公司公司急于拥有NPU设计能力，他们制造了一些很棒的芯片，在今天的工作负载下表现得非常好，但需要一年的时间才能将芯片在生产中实现落地，而此刻，软件生态系统和人工智能模型发展得又如此迅速。

最终将会出现的情况是，如果你制造了一个芯片目的是设计ASIC（专用芯片），服务特殊目的的人工智能加速器，这的确比GPU更好，对那个独特的模型来说是效率会很高，但你一旦改变了模型，哪怕只是改一点点，这些性能提升就可能突然消失。在这种环境下，任何购买GPU来训练他们模型的人就可能在冒一些风险。但如果稍微改变一下，这种效率的差异就会消失，这很复杂。目前我只想购买英伟达的芯片。这是相对安全的解决方案。

我认为谷歌的不同之处在于，他们之所以有这么好的芯片，是因为他们可以控制自己的软件。他们的芯片设计团队，可以与他们的软件团队非常紧密地合作——他们拥有设计芯片本身的软件人员。将来对软件的任何更改，芯片团队可以提前知道。