但更秀的是，没人会因此质疑他们违反广告法，因为在 AI 时代，对手们真只能眼巴巴地看着英伟达的车尾灯。
以 700亿参数的 LLama2 大模型为例， H200推理速度几乎比前代的 H100快了一倍，而且能耗还降低了一半。
从参数方面看，H200的主要提升就是把上一代“ G皇”H100的显存，从80GB拉到了141GB，带宽从3.35TB/s增加到了4.8 TB/s。
今年 8 月的时候， SK 海力士推出 HBM3e 之后，据宣称单颗带宽可以达到 1.15TB/s ，相当于在 1 秒钟内传输了 230部 FHD 高清电影（每部容量 5G ）。
在 SK 海力士官宣 HBM3e 之后不久，包括三星、美光在内的内存厂商们，都陆续跟进了这一技术。
之前各个大厂忙着打造自家的大模型，对 GPU 最大的需求毫无疑问就是训练，所以当时大家的需求是提升训练能力。
如今，随着 AI 大语言模型不断落地应用，训练模型在厂商眼中可能已经是牛夫人了，大家反而全去卷推理速度。
而且根据瑞杰金融集团估计，H100芯片售价在2万5 – 4万美金之间，那加量后的H200只会比这高。
如今像亚马逊、谷歌、微软和甲骨文等大厂的云部门，已经付完钱排排站，就等着明年 H200交货了。
今年初创公司、大厂、政府机构等等为了抢一张H100挤破脑袋的样子还在上演，所以明年H200的销量根本不用愁。
也就是明年英伟达还是打算卖 200万颗 H100芯片，也能侧面看出， AI 芯片是多么不愁卖。
更进一步的是特斯拉，他们就在 7 月推出了由定制 AI 芯片 D1 打造的 Dojo 超级计算机，用来训练自动驾驶系统。
当时摩根士丹利直接吹了一篇研报说：特斯拉这波下来，比用英伟达的A100足足省下了65亿美元。
就好比英伟达的芯片是一锅大杂烩，谁来了吃都能吃饱饱；而自研芯片虽然只是小碗菜，但它可以按照个人口味做，虽然做得少、但更合胃口。
但就像我们前面说的，这次 H200其实只是一个“中期改款” ，还不足以打消其他厂商们的小心思。
你看像是即使强如Meta早在2021年就意识到，自己怎么干都比不上英伟达的GPU性能，转头就从老黄那下了几十亿订单（ Meta 最近好像又有点自研的心思了）。
毕竟 2022 年台积电“只”占了全球晶圆代工产能的 60%，而英伟达如今已经占据了可用于机器学习的图形处理器市场 80%以上的份额。
