在刚过去不久的 Microsoft Ignite 2023 大会上，微软一口气扔出了多颗「炸弹」。

首先是两款新芯片，一款是基于 arm 的 CPU，一款是自研 AI 芯片；其次是将 Bing Chat 更名为 Microsoft Copilot，至此完成了 AI 产品的全面 Copilot 化；最后是推出了允许任何人自定义 AI 对话机器人的 Copilot Studio。

毫不夸张地说，这场大会让微软再一次登上了神坛。毕竟在过去几个月间，OpenAI 推出了一系列的更新和计划，重新抓住了全世界的目光。

但如果说生成式 AI，甚至 AI 的未来就集中在了微软和 OpenAI 两家公司上，英伟达的可能是第一个不服的。就在 Ignite 大会上，微软 CEO 纳德拉邀请英伟达创始人兼 CEO 黄仁勋上台，并问了一个问题：

AI 的未来会走向何方？

老黄表示，生成式 AI 是过去 40 多年计算历史中最重要的一次范式转换，比 PC、移动设备乃至互联网都要来得更大。以 OpenAI GPT 引发的大模型「爆发」可以视为生成式 AI 的第一波浪潮；第二波则是微软当下正在实践的 Copilot 模式。

图/ YouTube@微软

而第三波也是最大的一波，将是英伟达的 Omniverse 与生成式 AI 相结合帮助重工业实现数字化，「世界上绝大多数工业都依赖于重工业，」老黄解释。

这不是英伟达第一次强调 Omniverse 与生成式 AI 的结合。

今年 8 月的图形技术顶会 SIGGRAPH 上，英伟达就大谈特谈生成式 AI 与 Omniverse 的结合，并展示了一个「从 PDF 到工厂」的 demo。简单来讲，英伟达把「建工厂」——一个复杂的工程「搬到」了数字世界，利用生成式 AI 与图形技术将 2D 平面图转为 3D 模型，再加入光照、纹理以及大量的信息，最终打造出工厂的「数字孪生」版本。

「虚拟工厂」，图/英伟达

而另一方面，尽管微软新发布的自研 AI 芯片表现出了不俗的竞争力，再加上 AMD 带来的威胁，让不少人和公司看到了打破英伟达算力霸权的希望。但事实上，英伟达 GPU 依然占据很大的优势，不管是去年发布 H100，还是前几天刚推出的 H200。

微软自研 AI 芯片，离英伟达 GPU 还有明显差距

微软发布自研 AI 芯片 Maia 100，估计没有人会感到意外。一是早前就有消息透露了这一点，二是地球上最大的几家云计算公司——谷歌、亚马逊都已经推出了自研 AI 芯片。当然，另一个直接因素还出在英伟达身上。

众所周知，英伟达 GPU 在事实上成为了大模型「硬件标准」，H100 成为了所有科技巨头都在囤积的战略资源，即便是远在 2020 年发布的 A100 依然能够引发「哄抢」。但一方面受限于产能，英伟达 GPU 始终供不应求；另一方面，英伟达 GPU 巨额的利润与大模型的烧钱战争，也引发了「只有英伟达在赚钱」的广泛讨论。

问题是，科技巨头没能在英伟达之外找到太好的选择，自研 AI 芯片反而可能是更好的选择。但以微软的 Maia 100 为例，自研 AI 芯片能够替代英伟达 GPU 了吗？

Maia 100，图/微软

按照纳德拉的说法，微软的自研 AI 芯片 Maia 100 基于英伟达 H100 同版本的台积电 5nm 工艺打造，晶体管数量达到了惊人的 1050 亿个。从公开数据来看，这颗芯片也是迄今为止最大的 AI 芯片。

半导体研究机构 SemiAnalysis 透露，Maia 100 在 MXInt8 下的性能为 1600 TFLOPS，在 MXFP4 下则达到了 3200 TFLOPS 的运算速度。同时据分析，自研 Maia 100 每年的成本大概也就在 1 亿美元左右。

如果单从数字来看，Maia 100 的算力完全碾压了谷歌的 TPUv5 以及亚马逊的 Trainium/Inferentia2 芯片，就算与英伟达 H100 相比，差距也不大了。

但需要指出的是，MXInt8、MXFP4 都是最新的数据格式，MXInt8 预期将替代 FP16/BF16，MXFP4 预期将替代 FP8。然而实际上，还没有任何公司基于这些新的数据格式训练过大模型，所以至少在训练环节上，Maia 100 的算力其实并不适合与其他 GPU 或者 AI 芯片进行直接比较。

另外值得一提的是，微软 Maia 100 拥有 1.6TB/s 的内存带宽，仍然碾压亚马逊的 Trainium/Inferentia2，但却逊于谷歌的 TPUv5，更不用说是英伟达 H100。

事实上，微软也明白「一口吃不成胖子」，Maia 100 距离替代英伟达 H100 乃至更新的型号还有很远的距离。据报道，Maia 100 采用直接液体冷却，目前仅为 GitHub Copilot 运行 GPT-3.5，明年也只是扩展到为 Azure 云的部分负载提供支持。

而就在几天前，英伟达刚刚发布了 H200 GPU，仅依靠大幅升级内存带宽和容量，就将大模型的训练和推理性能提升了 60%到 90%。

这可能也是为什么，在发布自研 AI 芯片 Maia 100 的同时，微软在 Ignite 大会依然宣布将与英伟达继续打造下一代 AI 超级计算机和工厂了。

Omniverse 与生成式 AI 的结合，比 Copilot 更重要

作为绝对的领先者，拥有最深的护城河，英伟达或许并没有太过重视微软自研 AI 芯片这件事。但显然，英伟达更在意还是 Copilot 之后，Omniverse 要如何结合生成式 AI 成为新时代「最大的一波浪潮」。

对于英伟达大力鼓吹的 Omniverse，可能很多人早已淡忘了，但肯定忘不了两年前的「真假黄仁勋」。

图/英伟达

2021 年 4 月，英伟达再次举办了一场线上「厨房」发布会，惯例由「黄仁勋」主讲。此后的三个多月，谁也没有发现这场发布会真正的神奇之处，直到英伟达在当年 8 月的 SIGGRAPH 大会上主动揭秘：

那场「厨房」发布会画面中的厨房、皮衣、烤箱……乃至「黄仁勋」本人以及他的动作、表情等等一切都是「假的」，或者更确切地说，是现实的「数字孪生」。

Omniverse 平台也是这个时候开始浮出水面，彼时「元宇宙」概念大热，也有人将其视为英伟达版本的元宇宙。但有一点是 Omniverse 和元宇宙截然不同的，英伟达想要创造一个数字孪生世界，核心目的在于影响现实世界。

虚拟铁路，图/英伟达

就像英伟达去年 GTC 大会提到的，德国铁路已经在 Omniverse 上构建、运营铁路轨道的「数字孪生」，包含了 5700 个站，全长 3 万多公里。而在这个「虚拟铁路」里，德国铁路能进行训练、验证 AI 模型，持续监控铁路、火车的运行情况，制造各种意外状况来发现问题对运营造成的影响。

最直接实际的价值是，基于在 Omniverse 上的测试和验证，能够在不需要造新轨道的同时，增加铁路运载容量和运行效率，降低碳排量。

通过「数字孪生」的测试验证，数字世界的结果能够指导现实世界，这就是黄仁勋对 Omniverse 始终推崇备至的核心原因之一。也是为什么，就算「元宇宙」概念已经被全世界抛弃，英伟达每一届 GTC 和 SIGGRAPH 大会都还在「推销」自己 Omniverse，包括这次在微软 Ignite 大会上也不例外。

当然，数字孪生技术也并非完美，目前最大的挑战可能还是成本。

两年前英伟达那场以假乱真的发布会上，数字孪生版本的「黄仁勋」实际只出场了 14 秒，但背后却是一系列的复杂工作，需要不小的人力、物力。与之相对的是，今年 SIGGRAPH 大会上展示的「从 PDF 到工厂」demo，实际就大量应用了生成式 AI 进行参与。

先将 2D 转成 3D，图/英伟达

基于 Omniverse 平台，通过与各种生成式 AI 的对话，就能将 2D 平面图转成完整的「数字孪生」。放在两年前，我们根本无法想象，但现实是，生成式 AI 已经向全世界证明了自身的实力和潜力。

而从这个角度来看，站在微软 CEO 纳德拉的旁边，老黄说出了「Copilot 很重要，但 Omniverse+生成式 AI 更重要」，就不难理解了。

题图来自微软 Ignite 大会