9月14-15日，2023全球AI芯片峰會將在深圳灣萬麗酒店舉行。清華大學(xué)教授、中國半導(dǎo)體行業(yè)協(xié)會副理事長魏少軍領(lǐng)銜50+位演講嘉賓，NVIDIA高通英特爾AMD齊聚，近30家中國AI芯片與算力企業(yè)登臺交鋒，4家Chiplet創(chuàng)業(yè)創(chuàng)新團隊亮相，6位分析師和投資人帶來報告分享。峰會最終議程已公布，歡迎大家報名，線下參會交流。

由 GPT-4 等大型語言模型 (LLM) 支持的生成式人工智能在科技界引起了巨大震動。ChatGPT 的迅速崛起引發(fā)了全球科技行業(yè)對人工智能的重新評估和優(yōu)先考慮，實時重塑了產(chǎn)品戰(zhàn)略。

LLM 的整合為產(chǎn)品開發(fā)人員提供了一種簡便的方法，將人工智能驅(qū)動的功能融入到他們的產(chǎn)品中。但并非一帆風(fēng)順。產(chǎn)品領(lǐng)導(dǎo)者面臨著一個巨大的挑戰(zhàn)：GPU 短缺和成本飆升。

01.LLMs的興起和GPU短缺

越來越多的人工智能初創(chuàng)公司和服務(wù)導(dǎo)致對 A100 和 H100 等高端 GPU 的高需求，從而壓垮了 Nvidia 及其制造合作伙伴臺積電，兩者都在努力滿足供應(yīng)。Reddit 等在線論壇上充斥著對 GPU 可用性的不滿，這呼應(yīng)了整個技術(shù)社區(qū)的情緒。情況變得如此可怕，AWS 和 Azure 都別無選擇，只能實施配額系統(tǒng)。

這個瓶頸不僅擠壓了初創(chuàng)企業(yè)，也擠壓了初創(chuàng)企業(yè)的發(fā)展。對于 OpenAI 這樣的科技巨頭來說，這是一個絆腳石。最近在倫敦舉行的一次非正式會議上，OpenAI 首席執(zhí)行官 Sam Altman坦誠承認(rèn)，計算機芯片短缺正在阻礙 ChatGPT 的進步。據(jù)報道，Altman 感嘆計算能力的缺乏導(dǎo)致 API 可用性低于標(biāo)準(zhǔn)，并阻礙 OpenAI 為 ChatGPT 推出更大的“上下文窗口”。

推薦一場會議。2023全球AI芯片峰會將于9月14-15日在深圳灣萬麗酒店舉行，NVIDIA 解決方案與架構(gòu)技術(shù)總監(jiān)張瑞華首次參會，將圍繞《生成式 AI 與大語言模型時代的 NVIDIA GPU 生態(tài)》這一主題帶來演講。歡迎大家報名參會~

02.優(yōu)先考慮AI功能

一方面，產(chǎn)品領(lǐng)導(dǎo)者發(fā)現(xiàn)自己陷入了不懈的創(chuàng)新之中，面臨著利用新一代人工智能的力量提供尖端功能的期望。另一方面，他們還要應(yīng)對 GPU 容量限制的嚴(yán)峻現(xiàn)實。這是一個復(fù)雜的雜耍行為，無情的優(yōu)先順序不僅成為戰(zhàn)略決策，而且成為必要。 鑒于 GPU 可用性在可預(yù)見的未來仍將是一個挑戰(zhàn)，產(chǎn)品領(lǐng)導(dǎo)者必須戰(zhàn)略性地考慮 GPU 分配。傳統(tǒng)上，產(chǎn)品領(lǐng)導(dǎo)者依賴于優(yōu)先級劃分技術(shù)，例如客戶價值/需求與努力矩陣。無論這種方法在計算資源豐富的世界中多么合乎邏輯，現(xiàn)在都需要進行一些重新評估。 在我們當(dāng)前的范式中，計算是限制因素，而不是軟件人才，產(chǎn)品領(lǐng)導(dǎo)者必須重新定義如何確定各種產(chǎn)品或功能的優(yōu)先級，將 GPU 的限制帶到戰(zhàn)略決策的最前沿。 對于科技行業(yè)來說，圍繞容量限制進行規(guī)劃似乎不尋常，但在其他行業(yè)卻是一種常見策略?；靖拍詈芎唵危鹤钣袃r值的因素是在受限資源上花費的時間，目標(biāo)是優(yōu)化在該約束上花費的每單位時間的價值。

03.技術(shù)成功指標(biāo)

作為一名前顧問，我已成功地將這個框架應(yīng)用于各個行業(yè)。我相信，在 GPU 限制存在的情況下，科技產(chǎn)品領(lǐng)導(dǎo)者也可以使用類似的方法來確定產(chǎn)品或功能的優(yōu)先級。應(yīng)用此框架時，最直接的價值衡量標(biāo)準(zhǔn)是盈利能力。 然而，在科技領(lǐng)域，盈利能力可能并不總是合適的衡量標(biāo)準(zhǔn)，特別是在涉足新市場或新產(chǎn)品時。因此，我調(diào)整了該框架，以與技術(shù)中普遍使用的成功指標(biāo)保持一致，概述了一個簡單的四個步驟過程：

1.貢獻 首先也是最重要的，確定你的北極星指標(biāo)。這是每個產(chǎn)品或功能的貢獻，概括了其價值的本質(zhì)。一些具體的例子可能包括：

收入和利潤增加

市場份額的增長

日/月活躍用戶數(shù)增長

2. 所需GPU數(shù)量 衡量每個產(chǎn)品或功能所需的 GPU 數(shù)量。重點關(guān)注關(guān)鍵因素，包括：

每個用戶每天的查詢數(shù)

日活躍用戶數(shù)

查詢的復(fù)雜性（每個查詢消耗多少令牌）

3.計算每個GPU的貢獻

把它分解到具體細節(jié)。每個 GPU 對總體目標(biāo)有何貢獻？了解這一點將使您清楚地了解 GPU 的最佳分配位置。 根據(jù)每個 GPU 的貢獻確定產(chǎn)品的優(yōu)先級 現(xiàn)在，是時候做出艱難的決定了。根據(jù)每個 GPU 的貢獻對您的產(chǎn)品進行排名，然后進行相應(yīng)的排列。首先關(guān)注每 GPU 貢獻最高的產(chǎn)品，確保將有限的資源投入到能夠產(chǎn)生最大影響的領(lǐng)域。 由于GPU 限制不再是盲點，而是決策過程中的可量化因素，您的公司可以更有策略地應(yīng)對 GPU 短缺問題。為了使這個框架變得生動起來，讓我們想象一個場景，在這個場景中，作為產(chǎn)品領(lǐng)導(dǎo)者，您正在努力應(yīng)對在四種不同產(chǎn)品之間確定優(yōu)先級的挑戰(zhàn)：

盡管產(chǎn)品 A 具有最高的收入潛力，但它并沒有為每個 GPU 帶來最高的貢獻。令人驚訝的是，產(chǎn)品 D 的收入潛力最小，但每個 GPU 的回報卻最高。通過根據(jù)此指標(biāo)確定優(yōu)先級，您可以最大化總潛在收入。 假設(shè)您總共有 1,000 個 GPU 可供使用。一個簡單的選擇可能會讓您選擇產(chǎn)品 A，從而產(chǎn)生 1 億美元的潛在收入。但是，通過應(yīng)用上述優(yōu)先級策略，您可以獲得 1.55 億美元的收入：

同樣的方法可以應(yīng)用于其他貢獻指標(biāo)，例如市場份額增益：

同樣，選擇產(chǎn)品 A 會導(dǎo)致市場份額增加 5%。然而，應(yīng)用上述優(yōu)先級策略，您可以獲得 7.75% 的市場份額增益：

04.優(yōu)點和限制

這種替代的優(yōu)先級框架引入了一種更加細致和更具戰(zhàn)略性的方法。通過專注于每個 GPU 的貢獻，您可以戰(zhàn)略性地調(diào)整資源，使其能夠發(fā)揮最大的作用，無論是在收入、市場份額還是任何其他定義指標(biāo)方面。 但優(yōu)點還不止于此。這種方法還可以增強產(chǎn)品團隊的清晰度和客觀性。根據(jù)我的經(jīng)驗，包括我早期在一家醫(yī)療保健公司領(lǐng)導(dǎo)數(shù)字化轉(zhuǎn)型以及后來與麥肯錫的各種客戶合作時，這種方法在容量限制是關(guān)鍵因素的情況下改變了游戲規(guī)則。它使我們能夠以更加數(shù)據(jù)驅(qū)動和理性的方式確定計劃的優(yōu)先順序，從而將傳統(tǒng)政治邊緣化，否則決策可能會落在房間里最響亮的聲音的手中。 然而，不存在一刀切的解決方案，并且值得承認(rèn)這種方法的潛在局限性。例如，這種方法可能并不總是體現(xiàn)某些投資的戰(zhàn)略重要性。因此，雖然可以而且應(yīng)該對框架做出例外，但應(yīng)該仔細考慮例外情況，而不是規(guī)范。這樣可以保持流程的完整性，并確保任何偏差都是在考慮到更廣泛的戰(zhàn)略背景的情況下做出的。

05.結(jié)論

產(chǎn)品領(lǐng)導(dǎo)者面臨著前所未有的GPU 短缺局面，因此需要尋找新的資源管理方法。用偉大的軍事家孫子的話來說，“混亂之中也蘊藏著機遇”。 GPU 短缺確實是一個挑戰(zhàn)，但如果采取正確的方法，它也可能成為差異化和成功的催化劑。所提出的優(yōu)先級框架側(cè)重于每個 GPU 的貢獻，提供了一種確定優(yōu)先級的戰(zhàn)略方法。通過專注于每個 GPU 的貢獻，公司可以最大限度地提高投資回報，將資源調(diào)整到能夠產(chǎn)生最大影響的地方，并專注于對公司長期成功最重要的事情。

編輯：黃飛