有分析公司算出来，才三个月英伟达就卖出了 800 多吨 H100。然而市值已超万亿的英伟达，竟是一个「无计划、无汇报、无层级」的公司。
仅在今年第二季度，英伟达就已经卖出了 816 吨 H100！
假如这个速度不变，它有望在今年卖出 3,266 吨 H100。并且，在接下来的每年里，英伟达都会卖出 120 万张 H100。
现在，云服务供应商的大规模 H100 集群容量即将耗尽，全球陷入 GPU 短缺，硅谷大佬们都急了------整体算来，全球公司需要约 432000 张 H100。
最近同时大火的，还有黄仁勋管理英伟达的方法。
「没有计划、没有汇报、没有层级」，如此随性，如此佛系，甚至可以说，如此疯狂。
就是这种管理办法，让英伟达市值超过 1 万亿，在半导体公司中一时风头无两。
半导体巨人
英伟达声称，在 2024 财年第二季度，他们售出了价值 103 亿美元的数据中心硬件。
价值 103 亿美元是什么概念？
今天，市场研究公司 Omdia 给出了让我们更容易理解的单位------816 吨 H100！
根据 Omdia 估计，第二季度英伟达的 H100 GPU 出货量超过了 816 吨。
一个英伟达 H100 GPU，再加上散热器，平均重量超过了 3 公斤，因此，第二季度的 H100 发货量，保守估计也有 30 万个。
Omdia 的估算准确吗？
要知道，H100 有三种不同的外形尺寸，重量也不尽相同。
H100 PCIe 显卡重达 1.2 千克，H100 SXM 模组的重量尚不清楚，而带散热片的 OAM 模组重量可达 2 千克，它与 H100 SXM 的尺寸和 TDP 大致相同。
假设 H100 出货量 80% 是模组，20% 是显卡，那么单个 H100 的平均重量应为 1.84 千克左右。
所以，Omida 的估算可以认为大致准确。当然，实际重量可能少于 816 吨这个数字。
816 吨是多重？
为了便于理解这个重量，我们可以拿以下这些东西来类比------
4.5 架波音 747
11 架航天飞机****
181,818 台 PlayStation 5
32,727 只金毛
假如英伟达在未来几个季度保持相同的 GPU 销量，那么它有望在今年售出 3,266 吨 H100。
假如这个速度保持不变，每年英伟达都会卖出 120 万个 H100。
并且，还不止这些。
还有 H800，以及上一代的 A100、A800、A30。
这样算的话，英伟达每季度实际销售的 GPU 数量远远高于 30 万个，重量总计远超过 816 吨。
即便如此，仍然不能满足全球的 GPU 荒------根据行业内部消息，英伟达 H100 2023 年的产量，早已销售一空，现在交钱订购，至少要到 2024 年中才能拿到货。
现在，H100 早已一卡难求。
甚至还有外媒爆料：英伟达要在 2024 年，将 H100 的产量从今年的 50 万张左右直接提高到 150-200 万张。
显然，随着英伟达芯片在生成式 AI 的热潮中愈加紧俏，这个预测并不夸张。
黄仁勋「第一性原理」
与此同时，GPU 的销量暴涨，也让英伟达成为了世界算力霸主，成功进入万亿美元俱乐部。
这背后离不开领导人黄仁勋的「疯狂式」的管理策略。
老黄表示，当你创立一家公司时，很自然地从第一性原理开始。
「就像我们正在建造一台机器如何运作一样，什么是输入，什么是输出，处在什么条件下，行业标准又是什么.....」
用老黄的话来说，英伟达的使命是，解决世界那些几乎不可能的计算问题。如果一个问题可以由普通的电脑解决，英伟达就会不做。
为了实现这一使命，英伟达吸引很多很多出色的人才，聚集在一起。
同时还需要，老黄管理这些人才的顶级策略，具体包括：
直接管理 40 名下属，没有 1:1 会议
英伟达不需要「金字塔」式的管理，而是将权力下放给每一个人。
老黄信奉扁平化的组织最富有能力，以便信息能够快速传播。
其中，组织的第一层------公司高层，就必须要考虑更加周全。他从不向任何人高管提供职业建议，因为管理团队中没有人来向他寻求职业建议。
「他们已经成功了，他们做得很好」。
另外，老黄从不进行 1 对 1 会议，所有事情都在小组讨论中进行。
「如果你有一个战略方向，为什么只告诉一个人？应该让每个人都知道」。
每个人都能随时了解所有情况
在公司内部，从来都不会召开副总裁会议、总监会议。
老黄称，自己参加的会议里，有来自不同组织的人，刚刚毕业的大学生，任何人都可以参加并发表意见。
不做状态报告，而是 email「前五件事情」
在英伟达，每个人都不需要做状态报告，因为老黄认为这像是「元资讯」，太过精炼，基本上没有有益的讯息。
相反，公司里的任何人都可以通过电子邮件向他发送自己的「前五件事情」。
你所学到的，你所观察到的，你即将要做的，无论是什么事情，他每天早上都会阅读 100 + 邮件，去了解大家的 TOP 5 things。
比如，你去了一家非常棒的餐厅、有了一个可爱的 baby...，这才是真正重要的信息。
没有正式的定期计划
对于，如何去做规划，让公司最底层的想法展现出来、让最好的工程师执行。
老黄表示，对于我来说，没有 5 年计划，也没有 1 年计划，会根据不断变化的业务和市场条件进行重新评估。
总结来说，英伟达优化组织结构的目的是：（1）吸引优秀人才；（2）保持尽可能小的团队规模；（3）使信息传播尽可能迅速
就连英伟达深度学习研究员 VP Bryan Catanzaro，直接现身证明，全部为真。
那么，在这样的组织工作是一种什么样的体验？
Bryan 表示，在很多方面，这是一个非常稳定的环境。许多资深员工已经在英伟达工作了几十年。这种风格并不适合每一个人，但对很多人来说却很有效。这是一个充满活力的环境。
与马斯克不同的是，老黄很少对外讲述自己管理公司的方法。
今年在台大的演讲中，老黄曾讲述了定义了今天英伟达样貌的 3 个故事。这当中，离不开他的决策和判断，已经思考。
最初，英伟达与 SEGA 签约，为其打造游戏机。经过一年的开发过程，却发现使用的技术架构是错误的。
但是，黄仁勋发现即便纠正过来，也无济于事，因为这一产品创造与微软的 Widows 系统并不兼容。
于是，他联络了 SEGA 执行长，解释英伟达无法完成这个任务，并还得到了 SEGA 的帮助，所幸没有破产。
第二件事，就是 2007 年英伟达宣布的 CUDA GPU 加速计算技术。
为了向全世界推广 CUDA 技术，还专门创办了 GTC 的会议。经过多年努力，英伟达这项技术成为 AI 革命重要的推动引擎。
第三件事，做出放弃手机市场的艰难决定，将重心放在显卡上。
正如老黄所说，「战略性的撤退、牺牲、决定放弃什麽是成功的核心，非常关键的核心。」
一位 X 的工程师称，这一管理方式与马斯克 X 公司的操作非常类似。
还有网友戏称，老黄的这种管理方式，都可以在多模态智能体大模型体系中建模了。
如果老黄，能够像马斯克一样出一本传记，相信每个人都愿意去拜读一下。
看看，英伟达的 GPU 如何取得成功，成为大厂的掘金铲。
全球 GPU 缺口超 40 万张
H100 的短缺，早就让硅谷大佬们都慌了！
Sam Altman 就曾自曝，GPU 已经告急，希望用 ChatGPT 的用户能少一点。😂
「GPU 非常短缺，使用我们产品的人越少越好」
Altman 表示，受 GPU 限制，OpenAI 已经推迟了多项短期计划（微调、专用容量、32k 上下文窗口、多模态）。
OpenAI 联合创始人兼职科学家 Andrej Karpathy 也透露过，现在谁家得到了多少块 H100，都是硅谷的顶级八卦。
这张在社区广为流传的图曾做出如下估算------
-GPT-4 可能在大约 10000-25000 张 A100 上进行了训练
-Meta 大约 21000 A100
-Tesla 大约 7000 A100
-Stability AI 大约 5000 A100
-Falcon-40B 在 384 个 A100 上进行了训练
-- Inflection 使用了 3500 和 H100，来训练与 GPT-3.5 能力相当的模型
现在不光是科技公司排着队购买 H100，连沙特阿拉伯和阿联酋都出手了，一下就买了几千个 H100 GPU。
马斯克直言，现在想买到 H100 已经难如登天。
根据马斯克的说法，GPT-5 可能需要 30000-50000 个 H100。此前，摩根士丹利曾表示 GPT-5 使用 25000 个 GPU，自 2 月以来已经开始训练，不过 Sam Altman 之后澄清了 GPT-5 尚未进行训。
而一篇名为「Nvidia H100 GPU：供需」文章曾推测，小型和大型云提供商的大规模 H100 集群容量即将耗尽，H100 的需求趋势至少会持续到 2024 年底。
微软的年报中也向投资者强调，GPU 是其云业务快速增长的「关键原材料」。如果无法获得所需的基础设施，可能会出现数据中心中断的风险因素。
据推测，OpenAI 可能需要 50000 个 H100，而 Inflection 需要 22,000 个，Meta 可能需要 25k，而大型云服务商可能需要 30k（比如 Azure、Google Cloud、AWS、Oracle）。
Lambda 和 CoreWeave 以及其他私有云可能总共需要 100k。Anthropic、Helsing、Mistral 和 Character 可能各需要 10k。
整体算来，全球公司需要约 432000 张 H100。按每个 H100 约 35k 美元来计算，GPU 总需求耗资 150 亿美元。
这其中，还不包括国内大量需要 H800 的互联网公司。
而且，H100 不光不愁卖，利润率还高得吓人。
业内专家曾称，英伟达 H100 的利润率接近 1000%。
参考资料：
www.tomshardware.com/news/nvidia...
