NVIDIA เริ่มขายวิธีการทำพลั่วแล้ว

ผู้เขียนต้นฉบับ: Ada, Shenchao TechFlow

ซานฟรานซิสโก, ศูนย์ประชุมซานโฮเซ, งาน GTC

Bill Dally หัวหน้านักวิทยาศาสตร์ของ NVIDIA นั่งอยู่บนเวที ตรงข้ามคือ Jeff Dean จาก Google ทั้งคู่คุยกันไปได้ครึ่งทาง Dally ก็โยนตัวเลขออกมา: "ก่อนหน้านี้ การย้ายไลบรารีเซลล์มาตรฐานที่มีเซลล์ประมาณ 2,500 ถึง 3,000 เซลล์ ต้องใช้ทีมวิศวกร 8 คน ทำงานประมาณ 10 เดือน"

เขาหยุดชั่วครู่

"ตอนนี้ใช้ GPU เพียงการ์ดเดียว รันแค่คืนเดียว"

ด้านล่างเวทีไม่มีเสียงอุทาน เพราะคนที่เข้าใจประโยคนี้รู้ดีว่ามันหมายความว่าอย่างไร งานของวิศวกร 8 คนเป็นเวลา 10 เดือน ถูก GPU ที่ผลิตเองกลืนหายไปในชั่วข้ามคืน และ Dally ยังเสริมอีกว่า: ผลลัพธ์ที่ได้จากการรันนั้น ในด้านพื้นที่ การใช้พลังงาน และความหน่วง delay ทั้งสามตัวชี้วัดนี้ ตรงหรือแม้แต่ดีกว่าการออกแบบของมนุษย์

วันรุ่งขึ้นก็มีข่าวตีความว่า "NVIDIA ใช้ AI ออกแบบ GPU"

แต่ความจริงของเรื่องนี้ น่าสนใจกว่าหัวข้อข่าวมาก

ภายใน NVIDIA กำลังรันอะไร?

สิ่งที่ NVIDIA รันภายในก็ไม่ใช่กล่องดำ แต่เป็นชุดเครื่องมือที่ขัดเกลามาหลายปี

NB-Cell เป็นโปรแกรมที่ใช้การเรียนรู้แบบเสริมแรง reinforcement learning ทำงานหนักที่สุดอย่างการย้ายไลบรารีเซลล์มาตรฐานโดยเฉพาะ Prefix RL มีเป้าหมายเพื่อแก้ปัญหาการวิจัยมายาวนานเกี่ยวกับการวางในขั้นตอนการมองไปข้างหน้า look-ahead ในสายโซ่การมองไปข้างหน้าแบบพกพา carry look-ahead chain Dally กล่าวว่า การจัดวางที่ระบบสร้างขึ้นนั้น "เป็นสิ่งที่มนุษย์ไม่มีทางคิดได้" เมื่อเทียบกับการออกแบบของมนุษย์ ตัวชี้วัดสำคัญดีขึ้นประมาณ 20% ถึง 30%

จากนั้นก็มี LLM ภายในสองตัวคือ Chip Nemo และ Bug Nemo NVIDIA ป้อนโค้ด RTL ของ GPU ทุกตัวในประวัติศาสตร์ เอกสารสถาปัตยกรรม ข้อกำหนดการออกแบบ ให้กับโมเดลใหญ่ทั้งสองนี้ ตามคำอธิบายของ Dally คือ นี่เทียบเท่ากับการกลั่นความทรงจำของกล้ามเนื้อตลอดยี่สิบปีของ NVIDIA ตั้งแต่ G80 จนถึง Blackwell ให้เป็นโมเดลภายใน พนักงานใหม่เข้ามาก็สามารถเชื่อมต่อกับวิศวกรอาวุโสที่มีประสบการณ์ยี่สิบปีได้โดยตรง

แล้ว "AI สามารถออกแบบ GPU ได้แล้วหรือ?"

ตรงกันข้ามเลย คำพูดเดิมของ Dally คือ: "ผมหวังว่าสักวันหนึ่งจะสามารถพูดตรงๆ ว่า 'ออกแบบ GPU ใหม่ให้ผม' ได้ แต่เรายังห่างไกลจากขั้นตอนนั้นมาก"

NVIDIA ไม่ได้ใช้ AI ออกแบบ GPU ได้ แต่อีกสิ่งหนึ่งที่บริษัททำ ทำให้อุตสาหกรรมทั้งหมดในอนาคตขาดบริษัทไปไม่ได้

20 พันล้านดอลลาร์ซื้อเข้าสู่ใจกลาง EDA

1 ธันวาคม 2025 NVIDIA เข้าถือหุ้นใน Synopsys หนึ่งในสามยักษ์ใหญ่ EDA ด้วยมูลค่า 20 พันล้านดอลลาร์ ทั้งสองฝ่ายลงนามข้อตกลงการพัฒนาร่วมกัน โดยฝังสแต็กการคำนวณเร่งความเร็วของ NVIDIA เข้าไปในเวิร์กโฟลว์ EDA ทั้งหมดของ Synopsys Blackwell และ GPU รุ่นต่อไปอย่าง Rubin จะบูรณาการอย่างลึกซึ้งกับ Synopsys.ai

สถานะของ Synopsys ต้องอธิบายหน่อย ชิปกระบวนการขั้นสูงทุกตัวในโลก ไม่ว่าจะเป็น Apple M series, AMD MI series, Google TPU ในขั้นตอนการออกแบบเกือบทั้งหมดทำงานบนชุดเครื่องมือของ Synopsys หรือ Cadence ทั้งสองบริษัทนี้รวมกับ Siemens EDA ครองตลาดเครื่องมือพื้นฐานสำหรับการออกแบบชิป คุณอาจไม่ใช้ชิปของ Qualcomm อาจไม่ใช้ไลน์ผลิตของ TSMC แต่คุณหลีกเลี่ยงซอฟต์แวร์ของทั้งสามบริษัทนี้ไม่ได้

สามเดือนหลังจากเข้าถือหุ้น Synopsys NVIDIA ก็ดึง Cadence, Siemens, Dassault เข้ามาด้วย ประกาศว่าพวกเขากำลังพัฒนาเครื่องมือออกแบบชิปที่ขับเคลื่อนด้วย AI บนพื้นฐานของ GPU ของ NVIDIA

ข้อมูลการทดสอบมาตรฐานที่ NVIDIA เปิดเผยออกมาดูน่ากลัวทีเดียว: Synopsys PrimeSim บน Blackwell เร็วขึ้น 30 เท่า, Proteus เร็วขึ้น 20 เท่า, Sentaurus บน B200 เร่งความเร็วขึ้น 12 เท่าเมื่อเทียบกับ CPU MediaTek ใช้ H100 เร่งความเร็ว Cadence Spectre ขึ้น 6 เท่า Astera Labs ใช้ Synopsys + NVIDIA เร่งความเร็วการตรวจสอบชิปขึ้น 3.5 เท่า

มีรายละเอียดหนึ่งที่ควรแยกออกมาพูดเป็นพิเศษ: แพลตฟอร์ม Millennium M2000 ของ Cadence ติดป้ายว่า "สร้างขึ้นสำหรับตลาด EDA โดยเฉพาะ, ใช้ NVIDIA Blackwell เป็นพื้นฐานแต่เพียงผู้เดียว"

คำว่า "แต่เพียงผู้เดียว" นี่แหละที่น่าพิจารณามากที่สุด นั่นหมายความว่า เครื่องมือ EDA ก่อนหน้านี้ทำงานบน CPU, Intel, AMD ก็เล่นได้ แต่นับจากนี้ไป หากต้องการใช้ EDA ที่เร็วที่สุด ต้องซื้อการ์ดของ NVIDIA เท่านั้น

รูปร่างที่แท้จริงของวงล้อแห่งความสำเร็จ

วงล้อแห่งความสำเร็จของ NVIDIA ที่คนส่วนใหญ่เข้าใจเป็นแบบนี้: ขาย GPU ให้บริษัท AI, บริษัท AI ฝึกโมเดลใหญ่, โมเดลใหญ่พิสูจน์ว่า GPU แทนที่ไม่ได้, คนยิ่งซื้อ GPU มากขึ้น

วงล้อนี้ก็น่ากลัวพอแล้ว แต่ใต้มันยังมีอีกชั้นหนึ่ง

NVIDIA ใช้เครื่องมือของตัวเองออกแบบ GPU รุ่นต่อไป ประสิทธิภาพการออกแบบทิ้งห่างเป็นชั่วอายุคน พร้อมกับผูกชุดเครื่องมือ EDA ของอุตสาหกรรมทั้งหมดไว้กับฮาร์ดแวร์ของตัวเอง คู่แข่งอยากไล่ตาม แต่แม้แต่เครื่องมือที่ใช้ไล่ตามก็ต้องเช่าจากระบบนิเวศของ NVIDIA

ความกังวลชั้นนี้ซ่อนอยู่เบื้องหลังรายงานผลประกอบการที่ทำให้หุ้น AMD ร่วงหนัก แม้ว่า NVIDIA และ Synopsys จะพูดบนพื้นผิวว่า "การลงทุนไม่ผูกพันกับการซื้อฮาร์ดแวร์ของ NVIDIA" แต่ตลาดก็รู้ดี: ฟังก์ชัน EDA เวอร์ชันเร่งความเร็วเปิดตัวครั้งแรกทั้งหมดอยู่บนฮาร์ดแวร์ของ NVIDIA, AMD และ Intel ต้องพึ่งพาเส้นทาง "ปรับแต่งเพื่อแพลตฟอร์มของคู่แข่งที่ใหญ่ที่สุด"

ลองจินตนาการดูว่า วิศวกรของ AMD ในอนาคตอยากออกแบบชิปที่เทียบเคียง Blackwell เขาเปิดเครื่องมือของ Synopsys เครื่องมือนี้ทำงานเร็วที่สุดบน GPU ของ NVIDIA ดังนั้นเขาต้องเลือกระหว่างทนกับรอบการออกแบบที่ช้ากว่าหนึ่งเท่า หรือซื้อการ์ดของ NVIDIA มาเป็นกองเพื่อออกแบบชิปที่จะเอาชนะ NVIDIA

จอบยังขายอยู่ แต่วิธีการขายเปลี่ยนไปแล้ว

สถานการณ์จริงของ GPU ผลิตในประเทศ

พูดถึงตรงนี้ ต้องให้ตัวเลข一组ที่ทำให้ตื่นตัว

ในปีเดียวกันที่กำไรสุทธิของ NVIDIA ปีงบประมาณ 2025 ทะลุ 700 พันล้านดอลลาร์ "สี่มังกรน้อย" GPU ผลิตในประเทศอย่าง Moore Threads, MetaX, Biren, Enflame กำลังเบียดเสียดต่อแถวรอหน้าช่อง IPO

เอกสารเสนอขายหุ้น IPO ของ Moore Threads แสดงว่า จากปี 2022 ถึง 2024 สามปีขาดทุนสุทธิสะสม 5 พันล้านหยวน, ครึ่งแรกปี 2025 ขาดทุนอีก 271 ล้านหยวน, ณ วันที่ 30 มิถุนายน ขาดทุนสะสมที่ยังไม่ได้ชดเชย 1.478 พันล้านหยวน ผู้บริหารบริษัทคาดการณ์เองว่า คงจะสามารถทำกำไรในงบการเงินรวมได้เร็วที่สุดในปี 2027 MetaX ดีกว่านิดหน่อย สามปีขาดทุนสะสมเกิน 3 พันล้านหยวน ที่แย่ที่สุดคือ Biren สามปีครึ่งขาดทุนเกิน 6.3 พันล้านหยวน, รายได้ครึ่งแรกปี 2025 มีเพียง 58.9 ล้านหยวน ไม่ถึงเศษเสี้ยวของ 702 ล้านหยวนของ Moore Threads ในช่วงเวลาเดียวกัน

ลองดูความเข้มข้นของการลงทุนด้านวิจัยและพัฒนาต่อ Moore Threads อัตราส่วนค่าใช้จ่าย R&D ต่อรายได้ปี 2022 คือ 2422.51%, ปี 2024 ยังสูงถึง 309.88% เงินที่ใช้ R&D ในหนึ่งปี มากกว่ารายได้ถึงสามเท่า นี่ไม่ใช่การดำเนินธุรกิจแล้ว นี่คือการให้สารน้ำเพื่อยื้อชีวิต อาศัยการให้เลือดต่อเนื่องจากตลาดระดับหนึ่งและช่องทางตลาด STAR ที่เพิ่งเปิด

ระดับเครื่องมือยิ่งถูกปิดกั้นมากขึ้น เอกสารเสนอขายหุ้น IPO ปี 2022 ของ Empyrean Technology แสดงว่าเครื่องมือรองรับกระบวนการขั้นสูง 5nm เพียงบางส่วน Primarius Technologies สามารถครอบคลุมโหนด 7nm/5nm/3nm แต่ทำเพียงเครื่องมือเฉพาะจุด ห่างไกลจากการพูดถึงทั้งกระบวนการ

Liu Weiping ผู้ก่อตั้ง Empyrean Technology พูดอย่างตรงไปตรงมา: "EDA ผลิตในประเทศยังมีข้อบกพร่องชัดเจนในการสนับสนุนกระบวนการขั้นสูง โดยเฉพาะ 7nm, 5nm, 3nm ในปัจจุบัน ตอนนี้ EDA ผลิตในประเทศสามารถทำได้ในระดับ 14nm แม้ว่าจะเชี่ยวชาญเทคโนโลยีกระบวนการ 7nm แต่ 7nm ในการบูรณาการลึกซึ้งกับการใช้งานจริงยังต้องการความร่วมมือจากห่วงโซ่อุตสาหกรรมทั้งหมด"

นั่นหมายความว่า EDA ทั้งกระบวนการสำหรับกระบวนการขั้นสูง ผลิตในประเทศใช้ไม่ได้โดยพื้นฐาน บริษัท GPU ผลิตในประเทศออกแบบชิปยังใช้ Synopsys และ Cadence อยู่ ปี 2025 Donald Trump เคยประกาศควบคุมการส่งออกซอฟต์แวร์สำคัญทั้งหมด แม้ว่าจะยังไม่เกิดขึ้นจริง แต่เครื่องมือ EDA กระบวนการขั้นสูงต่ำกว่า 7nm ยังคงอยู่ภายใต้การควบคุมอย่างเข้มงวด ใบอนุญาตจะถูกตัดเมื่อไหร่ สวิตช์อยู่ในมือคนอื่น

ปฏิกิริยาของตลาดทุนก็แปลกประหลาดพอแล้ว วันจดทะเบียนในตลาดของ MetaX ราคาหุ้นปิดที่ 829.9 หยวน เพิ่มขึ้น 692.95% ในวันเดียว หลังจาก Moore Threads จดทะเบียนในตลาด ราคาหุ้นเคยขึ้นไปเป็นอันดับสามของหุ้น A รองจาก Kweichow Moutai และ Cambricon มีสื่อคำนวณตามราคาหุ้นในขณะนั้น มูลค่าตลาดรวมประมาณ 359.5 พันล้านหยวน

ธุรกิจจริงเบื้องหลังตัวเลขคือ บริษัทกลุ่มหนึ่งที่ยังคงขาดทุนเผาเงิน ยังต้องพึ่งพาชุดเครื่องมือจากต่างประเทศที่ถูกควบคุมจึงจะออกแบบชิปต่อไปได้ แต่ในตลาดรองกลับถูกกำหนดราคาเป็นผู้สืบทอด "NVIDIA ผลิตในประเทศ"

และชุดเครื่องมือที่บริษัทเหล่านี้ใช้ออกแบบชิป กำลังกลายเป็นส่วนหนึ่งของระบบนิเวศ NVIDIA การผูกมัด 20 พันล้านดอลลาร์ระหว่าง NVIDIA และ Synopsys, ป้าย "ใช้ NVIDIA Blackwell เป็นพื้นฐานแต่เพียงผู้เดียว" ของ Cadence Millennium M2000 ทำให้การไล่ตามนี้กลายเป็นความขัดแย้งในตัวมันเอง

สายโซ่สมบูรณ์จากออกแบบถึงผลิต

กลับไปที่การสนทนาในงาน GTC

Dally แสดงความถ่อมตัวตลอดทั้งงาน "AI ยังห่างไกลจากการออกแบบชิปด้วยตัวเอง" ประโยคนี้ NVIDIA พูดมาแล้วสี่ห้าปี แต่ทุกปีวิธีพูดเปลี่ยนไป สี่ปีก่อนคือ "AI สามารถช่วยออกแบบได้" สามปีก่อนคือ "AI สามารถทำให้บางขั้นตอนอัตโนมัติได้" ปีนี้คือ "ทำเสร็จในคืนเดียวเทียบเท่างาน 8 คน 10 เดือน" ทุกปีผลักดันก้าวหนึ่ง ทุกปีทิ้งประโยค "ยังห่างไกลจากเป้าหมายสูงสุด" สามปีต่อมามองย้อนกลับ "ยังห่างไกล" รอบที่แล้วทำได้แล้ว "ยังห่างไกล" ใหม่ถูกกำหนดไว้ในตำแหน่งที่คู่แข่งทั้งหมดยังเอื้อมไม่ถึง

สิ่งที่ NVIDIA ทำในสิบสองเดือนที่ผ่านมาจริงๆ มีเพียงสิ่งเดียว: ใช้ AI ในส่วนที่มีมูลค่าสูงที่สุด มีคูน้ำป้องกันลึกที่สุดของห่วงโซ่อุตสาหกรรมชิป แล้วขายเครื่องมือเหล่านี้ทีละชั้นให้กับอุตสาหกรรมทั้งหมด

ส่วนหน้าของการออกแบบชิป ถูก LLM ภายในอย่าง Chip Nemo รับช่วงต่อ; การย้ายไลบรารีเซลล์มาตรฐาน การปรับแต่ง layout ส่วนกลางของการออกแบบ ถูก NB-Cell, Prefix RL รับช่วงต่อ; ชุดเครื่องมือ EDA ทั้งหมด ผ่าน 20 พันล้านดอลลาร์ของ Synopsys และ "ใช้ NVIDIA Blackwell เป็นพื้นฐานแต่เพียงผู้เดียว" ของ Cadence ผูกไว้กับ GPU ของตัวเอง; การคำนวณ lithography ส่วนผลิต ถูก cuLitho รับช่วงต่อ, TSMC ใช้อยู่แล้ว

จากออกแบบถึงผลิต แต่ละส่วน NVIDIA ใช้ AI ทำใหม่ทั้งหมด แต่ละส่วนสุดท้ายนำไปสู่จุดจบเดียวกัน: คุณอยากใช้เครื่องมือที่เร็วที่สุด คุณต้องซื้อการ์ดของ NVIDIA

สำหรับคู่แข่งทุกคนที่อยากสร้างชิปสักตัวที่จะเอาชนะ Blackwell สิ่งที่น่าอึดอัดใจที่สุดได้เกิดขึ้นแล้ว เครื่องมือ EDA ที่ต้องใช้ในการออกแบบชิปนี้ เวอร์ชันที่ทำงานเร็วที่สุดอยู่บน GPU ของ NVIDIA; อัลกอริธึมการคำนวณ lithography ที่ต้องทำเพื่อผลิตชิปนี้ อัลกอริธึมที่เร็วที่สุด NVIDIA เป็นผู้ให้; กำลังประมวลผลที่ใช้ฝึก AI สำหรับออกแบบ ยังเป็นการ์ดของ NVIDIA

คนที่คุณต้องการเอาชนะ กำลังให้คุณเช่าเครื่องมือทั้งหมดที่จำเป็นต้องใช้เพื่อเอาชนะเขา ค่าเช่าจ่ายรายปี สัญญาเพิ่มราคาทุกปี