虽然英伟达（Nvidia）目前仍是AI芯片市场的霸主，不过年中开始，挑战者AMD的最强AI芯片MI300X也即将大批量出货，可能将会抢下部分英伟达的市场，并再次影响从晶圆代工到服务器的AI产品供应链。

根据日本瑞穗证券报告，在目前的AI芯片市场，英伟达的市占率高达95%，“远比AMD和英特尔的份额相加还要高”。英伟达在2023年第四季，仅数据中心业务的营收就高达184亿美元，较前一年同期增加了409%。

但随着AMD的最强AI芯片MI300X的出货，或将抢下英伟达的部分市场份额。据业内人士透露，AMD MI300X芯片目前已小量出货，微软等正在测试。这款芯片下半年预计会有大量出货，主要买家是微软等有大型数据中心的公司，“5或6月开始，就会有一批拉货潮。”

据悉，微软、Meta、甲骨文、OpenAI等大厂都会采购这款芯片，美超威、华硕、技嘉、鸿佰科技、英业达、云达等服务器厂也在设计解决方案。在去年第三财季法说会，AMD CEO苏姿丰表示，数据中心收入2024年可达20亿美元，这代表MI300会是AMD史上最快营收达10亿美元的产品。

AMD反击英伟达的武器，是利用更高容量的高带宽內存（HBM）和先进封装提高AI运算效率。AI芯片挑战在于，要在內存和处理器间搬动大量数据，因此AMD采用台积电的先进封装技术，将原本放在芯片外的內存直接搬进芯片，让大量数据直接在芯片内就能从內存搬到处理器计算。

在此前的发布会上，AMD CEO苏姿丰就表示，只用一颗芯片，就能执行数据量高达40GB的AI模型。而这颗芯片最高可执行80GB 的AI模型。

根据官方公布的数据显示，MI300X的HBM容量高达192GB，比英伟达H100 SXM芯片的80GB高了一倍多，多项算力测试性能也高于英伟达H100 SXM芯片。不过，随后英伟达也拿出数据来表示，辉达H100芯片性能比MI300X明显更快，并公布测试细节，让使用者自行比较两颗芯片性能。双方之间竞争的火药味明显上升。

对于AMD来说，除了MI300X的产品优势之外，它还有着另一大优势，那就是客户不希望AI芯片市场被英伟达独占。

据业界人士观察，“AI芯片问题不是产能不够，是英伟达卖的很贵。”微软等大客户不希望市场只有一家供应商很正常，但自研芯片又无法像专业的半导体公司，在性能上保持领先，自然希望有新的供应商出现，不仅性能能和英伟达匹敌，价格还更具优势。

根据富国银行此前的预测，AMD虽然在2023年的AI芯片的营收仅为4.61亿美元，但是2024年将有望增长到21亿美元，将有望拿到4.2%的市场份额。英特尔也可能拿到将近2%的市场份额。这将导致英伟达的市场份额可能将小幅下滑到94%。

不过，根据AMD CEO苏姿丰在1月30日的电话会议上公布的数据显示，AMD在2023年四季度的AI芯片营收已经超越此前预测的4亿美元，同时2024年AMD的AI芯片营收预计也将达到35亿美元，高于先前预测的20亿美元。如果，AMD的预测数据准确的话，那么其2024年在AI芯片市场的份额有望进一步提高到7%左右。

然而英伟达也不会坐等竞争对手壮大。3月18日，英伟达即将召开GTC2024大会，届时将会正式发布全新的AI芯片H200，将会把HMB内存从上一代的80GB提升至141GB，并且采用的是速率更快的HBM3E规格。此外，英伟达今年还将提出更强的B100芯片，其性能将会达到H200的两倍。AMD明年也会推出新一代的采用HBM3E内存的AI芯片MI350进行应对。

供应链方面，随着英伟达和AMD对于HBM容量及规格的需求提升，HBM的供应也将持续供不应求。目前两大HBM供应商——SK海力士和美光的今年的HBM产能都已经销售一空。

与此同时，台积电的先进封装产能也仍面临供应紧张的局面，因为不仅AI芯片需要先进封装产能，HBM芯片的制造也需要先进封装产能。对此，台积电在2023年启动了其CoWoS先进封装产能大扩产计划。近日业内传出，台积电本月对台系设备厂再度追单，交机时间预计将在今年第四季，因此，今年年底台积电CoWoS月产能将有机会比其原定的倍增目标的3.5万片进一步提高到4万片以上。台积电更是和SK海力士结盟，大力布局HBM。

业界人士预测，接下来AI芯片会越来越多元，从高阶一路到中低阶，配合从模型训练到AI边缘计算需求。

比如，上个月美国人工智能初创公司Groq最新推出的面向云端大模型的推理芯片引发了业内的广泛关注，该芯片采用了全新的Tensor Streaming Architecture (TSA) 架构，以及拥有超高带宽的SRAM，从而使得其对于大模型的推理速度提高了10倍以上，甚至超越了英伟达的GPU。这也使得一些客户对于Groq的AI芯片产生的兴趣。

近日，新创AI芯片公司Cerebras Systems近日推出了其第三代的晶圆级AI芯片WSE-3，具有125 FP16 PetaFLOPS的峰值性能，相比上一代的WSE-2提升了1​倍，将用于训练业内一些最大的人工智能模型。与此同时，Cerebras还推出了基于WSE-3的CS-3超级计算机，可用于训练参数高达24万亿的人工智能模型，这比相比基于WSE-2和其他现代人工智能处理器的超级计算机有了重大飞跃。

“如果只是用来推理，X86和Arm处理器也有机会。”

编辑：芯智讯-浪客剑