在全球科技巨头们竞相建造 AI 系统的热潮中，OpenAI 的最大支持者微软今年采购了近 50 万块 GPU。
微软 2024 年 采购 的英伟达旗舰芯片数量 比 其在美国和中国 的 最大竞争对手 多出一 倍。
作为 OpenAI 的最大投资者，微软加快了 在 AI 基础设施 方面 的投 入 。
技术咨询公司 Omdia的分析师估计，微软今年购买了 48.5 万块英伟达的 Hopper 芯片。
这使得微软远远领先于英伟达的第二大美国客户Meta（购买了 22.4 万块 Hopper 芯片）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，由于英伟达最先进的 GPU 供不应求，微软的芯片储备使其在建造下一代 AI 系统的竞赛中占据优势。
今年，各大科技巨头已在兴建运行英伟达最新芯片的数据中心上投入了数百亿美元。自两年前首次亮相的 ChatGPT 引发前所未有的 AI 投资热潮以来，英伟达的最新芯片已然成为硅谷最抢手的商品。
微软的 Azure 云基础设施被用于训练 OpenAI 最新的 o1 模型，目前正与强势复苏的谷歌、Anthropic 和 Elon Musk 旗下的 xAI 等初创企业以及中国的竞争对手争夺下一代计算领域的霸主地位。
Omdia 估计，字节跳动和腾讯今年各自订购了约 23 万块英伟达芯片，其中包括 H20 型号，这款低配版的 Hopper 经过改动，以满足针对中国客户的美国出口管制条例。
分析师表示，亚马逊和谷歌以及 Meta 正在加快部署自家的定制 AI 芯片，作为英伟达芯片的替代品。前两家公司分别采购了 19.6 万块和 16.9 万块 Hopper 芯片。
Omdia 分析了科技巨头公开披露的资本支出、服务器出货量和供应链行情数据来计算预估数字。
随着科技巨头争相组装越来越庞大的英伟达 GPU 集群，英伟达的市值今年已飙升至逾 3 万亿美元。
英伟达如今正开始推出接棒 Hopper 的 Blackwell 芯片。
然而，由于担心增长放缓、 科技巨头自研 AI 芯片 带来 的竞争，以及即将上台的 特朗普 政府可能对 英伟达 在华业务造成干扰，近几个月来 英伟达 股 一路狂 飙 的 势头有所减弱。
字节跳动、腾讯今年已成为了英伟达的两个最大客户，尽管美国政府对可以在中国市场销售的美国 AI 芯片的功能有所限制。
已向 OpenAI 投资 130 亿美元的微软在扩建数据中心基础设施方面一直是美国科技巨头当中最积极的，既为了运行自己的 AI 服务（比如 Copilot 助手），又可以通过其 Azure 部门出租给客户。
微软的英伟达芯片订单是其在 2023 年采购的同一代英伟达 AI 处理器数量的三倍多，当时在 ChatGPT一炮打响后，英伟达在竭力扩大 Hopper 的生产规模。
微软 Azure 全球基础设施高级主管 Alistair Speirs 向英国《金融时报》表示：“好的数据中心基础设施是非常复杂的资本密集型项目。它们需要多年的规划。因此，预测我们未来的增长，并确保多一点芯片储备很重要。”
据 Omdia 声称，2024 年，全球科技公司估计将在服务器上花费 2290 亿美元，其中微软和亚马逊的资本支出分别高达 310 亿美元和 260 亿美元。
数据中心基础设施的前十大买家（如今包括后起之秀 xAI 和 CoreWeave）占到全球算力投资总额的 60%。
Omdia 云和数据中心研究主管 Vlad Galabov 表示，2024 年，约 43% 的服务器支出流向了英伟达。
他说：“英伟达GPU在服务器资本支出中占据了极高的份额，已经快到顶了。”
虽然英伟达仍主导 AI 芯片市场，但其在硅谷的竞争对手 AMD 也一直在攻城掠池。
据 Omdia 声称，Meta 今年采购了 17.3 万块 AMD 的 MI300 芯片，而微软采购了 9.6 万块。
今年各大科技巨头还加大了使用自家 AI 芯片的力度，试图减小依赖英伟达的程度。谷歌和 Meta 各自部署了大约 150 万块自家研制的芯片。这 10年来谷歌一直在开发其“张量处理单元”（TPU），而 Meta 在去年推出了第一代 Meta 训练和推理加速器芯片。
亚马逊正在大力投资为云计算客户提供的 Trainium 和 Inferentia 芯片，今年部署了大约 130 万块这样的芯片。
亚马逊本月表示，计划为 OpenAI 的竞争对手 Anthropic 搭建一个新的集群（使用数十万块最新的 Trainium 芯片）以训练下一代 AI 模型。亚马逊已向Anthropic 投资了 80 亿美元。
然而，尽管微软在研制与英伟达竞争的 AI 加速器方面的动作要早得多，今年仅安装了约 20 万块 Maia 芯片。
Speirs 表示，使用英伟达的芯片仍然需要微软在自家技术上进行大量投入，以便向客户提供“独特”的服务。
他说：“根据我们的经验，要构建AI基础设施，不仅要拥有最好的芯片，还要拥有合适的存储部件、合适的基础设施、合适的软件层、合适的主机管理层、纠错技术以及所有其他部件才能建造这样的系统。”