作者老K   编辑硬AI 

最近，GPU Utils更新了关于英伟达H100显卡供需现状的分析文章，里面主要透露、总结了当前影响GPU的主流厂商拥有显卡的数量以及对显卡的需求量。

作者表示，考虑到训练和推理性能，以及推理方面性价比，H100是当下最受欢迎的GPU（具体为8-GPU HGX H100 SXM）。

GPU Utils认为，保守估计，H100的供给缺口达到43万张。

影响GPU供需的「头部玩家」

本文简要总结了一下文章核心数据供大家参考：

  谁需要？          

  需要 1000 张以上的 H100 或 A100的公司：

1、训练 LLM 的创业公司：

OpenAI (通过Azure)、Anthropic、Inflection (通过Azure和CoreWeave)、 Mistral AI；

2、云服务提供商：

三大云巨头：Azure、Google Cloud、AWS；

另一个公有云：Oracle；

更大的私有云：例如 CoreWeave、Lambda；

3、其他大公司：

特斯拉；

  需要100张以上的H100 或 A100的公司：

对开源模型进行大量微调的初创公司。

要多少？        

1、OpenAI可能需要5万张，Inflection要2.2万张，Meta需要2.5万张（也有人说 Meta 想要10万张或更多）

2、大型云厂商，每家可能需要3万张（Azure、Google Cloud、AWS、Oracle）

3、Lambda 和 CoreWeave 以及其他私有云可能总共需要10万张

4、Anthropic、Helsing、Mistral、Character，每家可能要1万张；

到这里，需求量就已经达到了约「43.2万张」H100，以每块约3.5万美元计算，GPU的价值约为「150亿美元」。

而这，还不包括像字节（TikTok）、百度、腾讯这样需要大量H800的中国公司，以及一些需求正盛的金融公司：

有多少？        

 大公司 

1、GPT-4可能在1w-2.5w张A100上进行的训练，根据马斯克的说法，GPT-5可能需要3w-5w张H100；

2、Meta约有2.1万张A100；

3、Tesla约有7000张A100；

4、Stability AI约有5000张A100；

 云厂商 

1、GPC约有2.5万块H100；Azure可能有1-4万块H100，Oracle可能类似；（其中，Azure 的大部分 GPU 都将流向OpenAI。）

2、CoreWeavw有3.5-4万块H100——不是现货，而是预定的；

 其他数据 

1、Falcon-40B，在384个A100上进行训练；

2、Inflection，在其GPT-3.5等效模型中使用了3500个H100；

 谁供应？      

1、瓶颈在哪？

供应；

2、谁在制造H100？

台积电；

3、三星、英特尔可以代工吗？

至少现在不行。目前，H100s和其他5nm英伟达GPU均由台积电代工。

过去，英伟达曾尝试让三星代工，但后来换掉。未来，英伟达当然有可能与英特尔、三星合作，但短期无法缓解供给紧张。

其他核心数据           

1、人们需要哪些GPU？

主要是H100，具体来说，是8-GPU HGX H100 SXM，因其在训练和推理最快，且在推理方面性价比最高。

训练方面，企业主要关注内存带宽、FLOPS、缓存和缓存延迟、FP8计算等附加功能、计算性能（与Cuda核心数量相关）、互连速度（如InfiniBand）等，H100 比A100更受青睐，部分原因是缓存延迟较低和FP8计算等。

2、H100 比 A100 快多少？

16-bit推理速度提高约3.5倍，16-bit训练速度提高约2.3倍。

3、为啥不买AMD？

某私有云CEO：

另一家私有云CEO：

4、目前大家在使用什么云？

a. OpenAI: Azure

b. Inflection: Azure and CoreWeave

c. Anthropic: AWS and Google Cloud

d. Cohere: AWS

e. Hugging Face: AWS

f. Stability AI: AWS

g. Character.ai: Google Cloud

h. X.ai: Oracle

i. Nvidia: Azure

本文主要参考（原文链接）：

https://gpus.llm-utils.org/nvidia-h100-gpus-supply-and-demand/#which-gpus-do-people-need

觉得好看，请点“在看”