“大家都在搶我的芯片！”

昨夜，全球算力總龍頭英偉達發布一季度財報。

總營收72億美元，超過市場預期的65億。萬眾矚目的AI芯片業務，營收創歷史新高，同比上漲10%；大家不太看好的游戲業務，收入也高出預期。

(相關資料圖)

盈利方面，同樣爆炸，毛利率、EPS都超過了先前的指引和市場預期。

最重要的二季度營收指引，不但沒有繼續下降，反而大增33%，比原來分析師的預期高出53%。

業績這么好，股價盤后直接暴漲25個點，比一個AMD（1750億美元）還多，并有望成為全美第七家市值1萬億美元的公司。

世界奇觀啊，前段時間梭哈的，怕是睡著了都要笑醒。

英偉達走勢，來源：Choice

但問題也接踵而至。

英偉達的頂峰，到底在哪里？

現在上車，會不會太晚？

01

臭打游戲的，改變世界

《華爾街之狼》里有個很酷的觀點：制造需求。

當消費者意識不到自己需要什么的時候，你去提醒他，就能多出一片市場。

形象點的概括，就是“真香”。

最典型的案例，是工業革命早期的棉布熱潮。

資本家買紡紗機的目的，原本只是提高生產力，用更少的工人產更多的布。

沒想到，機器性能太猛，直接把產能拉爆，消費者都不夠用了。

為了把庫存賣出去，紡織廠只能去創造新需求，把棉布降價賣給窮人。

當窮人們穿上棉衣：“這絲滑的感覺。以前的麻布衣服，真的是抹布！”

棉布的需求于是爆炸性增長，供給又變得不足。

為了跟上市場需求，農民擴大棉花種植，紡織作坊進化成紡織工廠，技術人員改進技術，最后搞出了蒸汽機。

第二次工業革命時期，也有類似的劇本。

資本家借助國家的武力，建立起世界市場，將產品賣到亞非拉。當這些地方的老百姓用上火車、電燈、火柴，驚呼原來還有這么方便的東西。

巨大的需求缺口立刻滾滾而來。為了擴大產能，又一次技術大改革開始。

不過，世界市場實在太大，為了更高效收割，老牌工業國干脆把產業鏈轉移到后發國家，又把現代金融體系建立起來了。

這種創造需求、滿足更多需求的輪回，是近代世界歷史的一條暗線。

今時今日，這個劇本仍在不斷重演。不論是宏觀經濟，還是在每一個細分領域。

來源：《人教版必修二》

IBM董事長沃森，曾有一句名言：全世界只需要五臺計算機的算力。

顯然，他沒想到，寶貴的算力和芯片，會被市場和消費者拿來玩兒。

最初，半導體的主要需求方是軍事和科研單位。但是，又不打仗了，這些需求很快就達到極限。

怎么辦？還是老一套：創造需求。

1974年，雅達利推出pong家用機，銷量達到15萬，而同時期PC市場規模只有幾千臺。

1975年，MOS科技推出6502游戲芯片，后來喬布斯發家的Apple II，搭載的就是它。

1978年，北美家用游戲機+街機市場共盈利12億美元，而PC市場規模才5億美元。

游戲機這么強，正是因為貪玩的大眾創造了巨大需求，從而形成一個穩定的市場，讓做硬件有利可圖，給了科研人員一條活路。

這不僅保護半導體活過了70年代，還帶來了足夠多的money，讓技術能夠以摩爾定律的速度爆發式成長。

正好對應了創造需求的下一步：滿足更多需求。

1992年，《德軍總部》拉開3D時代序幕，引爆了全球游戲市場。眼看巨大的商機，游戲廠商便找硬件廠商尋求技術支持。

也就是，顯卡。

第一個給出解決方案的是3dfx公司， Voodoo加速卡登上歷史舞臺，很快成為爆款。

各方紛紛效仿，美國市場瞬間出現了上百家做顯卡的公司，競爭及其激烈。

直到1999年，英偉達推出第一款現代意義上的GPU——GeForce256，性能吊打市面上所有顯卡。它的牛逼之處在于，從硬件上接管了CPU轉換和光照計算，徹底解放CPU。

這就是需求的力量。

尤其在2007年后，智能手機登上舞臺，再一次拓寬了游戲的邊界。

所有手機在講自己性能好的時候，無一例外，都是用游戲舉例子。

這種需求催生出一代又一代高性能芯片。

游戲推動了第一張骨牌，無數產業的故事，就此開始。

平均每部手機中射頻芯片價值（美元），來源：天風證券

比如，3D技術的跨越式發展，從根本上改變了電影的生產模式。

從前，特效大片需要先畫故事版，然后讓演員在綠幕前面，對著空氣表演，再把素材交給后期，加各種酷炫特效。

但3D引擎將這一切反過來。把通用素材提前準備好，組合就能獲得上乘場景。演員只需在場景中表演，特效與人融為一體，成本降了一大截。

《曼達洛人》有一半的特效鏡頭，都是用這種手法拍攝的。

而這一切，都源于無聊的游戲玩家們，想要在游戲里數腿毛。

又比如，2020年開始，游戲顯卡占英偉達營收比例越來越低，數據中心的訂單越來越多。

數據中心買顯卡回去，當然不是用來玩游戲，而是用這些顯卡過剩的算力搞大數據計算，全世界有相當多的人工智能公司，要依靠顯卡芯片提供的算力進行深度學習。

可以說，沒有游戲，顯卡的發展絕不會如此迅速，AI的大爆發也極可能被延后數十年。

來源：中信證券

正是那群“臭”打游戲的，對光線和細節喪心病狂的追求，催促著算力向更高層次進發，而這些算力又用在了更多地方。

然后世界變了。

02

帝國的裂痕

2018年，《財富》雜志舉辦活動，有人問黃仁勛：你何時知道英偉達公司將會改變世界的？

答：1993年2月17日，我成立公司的日子。不改變世界，我創個什么業？

這肯定有吹牛的成分。

顯卡吧有詩曰：“先有老黃后有天，顯卡在手日神仙。”

在游戲世界中，黃仁勛是玩家口中的“兩彈元勛”、爆破鬼才；在加密貨幣世界里，他是顯卡瘋子；在AI爆發的時代，他同樣站在頂端，俯看競爭者為自己的顯卡瘋狂。

黃仁勛的成功，當然并非偶然。

世紀初，英偉達踩著所有對手的尸體，穩穩坐到顯卡領域的王座上。

但這個位子，不是那么好坐的。

在PC時代早期，不論是對玩家還是游戲廠商而言，顯卡都是一種極易過時的消費品。

除了游戲不斷推陳出新，電腦本身也每隔幾年就更新迭代，對顯卡的性能要求，越來越高。

一方面，這形成了持續的消費力；但另一方面，如果跟不上新產品的步伐，等待GPU廠商的，只有收入暴跌、淘汰出局的結果。

這就像火燒屁股一樣，催促著英偉達不斷朝著更強大的技術前進，直到成為今天的模樣。

但GPU在AI領域出圈，確實是偶然。

打從一開始，GPU就不是為訓練神經網絡所生，而是圖像。

更具體點說，是為了將CPU從圖像顯示的苦力活中解放出來而生。

GPU和CPU，雖然結構差異顯著，但本質上都遵循馮·諾依曼結構，存儲和運算是分離的，存在明顯的效率瓶頸。

在分支眾多的AI神經網絡中，這是很要命的。

神經網絡每增加一個分支，GPU就要增加一次內存訪問。在AI模型越來越龐大的當下，GPU消耗在內存訪問上的能耗，要遠比運算高很多倍。

簡單說，就是效率不行。

人工智能技術發展得越快，這些問題就暴露得越多。

對此，黃仁勛祭出兩套方案，齊頭并進：

1.暴力堆算力。AI對算力的需求每100天就翻倍，這是懸在所有人頭上的利劍。他們只能一邊痛罵老黃心黑，一邊像舔狗一樣搶光所有芯片。

2.做生態系統，逐步解決GPU與AI場景不匹配的問題，包括功耗、內存、帶寬瓶頸等等。

前者保證有肉吃，后者保證永遠有肉吃。

這就是為什么，同樣做芯片，英偉達的市值是英特爾的五倍，游戲、加密貨幣、云計算以及AI大模型，都離不開它的產品。

如果只是在硬件上內卷，不可能達到這么高。

除了GPU芯片設計能力，英偉達最寶貴的財富，是基于CUDA模型，孵化了大量的開發者和軟件生態。

就像Android和iOS一樣，遇到鴻蒙這樣的挑戰者根本不怕，因為即便后來系統做得再好，但是沒有生態也是白搭。

英偉達發布CUDA后，先后推出居里、特斯拉、費米、開普勒、麥克斯韋、帕斯卡、伏特、圖靈、安培、赫柏等一些列架構，用以支撐Graphics和Computing這兩大場景。

但是，效果并不好。

正如CPU優秀的調度能力，以犧牲算力為代價一樣，魔改后的GPU在算力上的堆疊也越來越克制。

在AI場景下，越來越難以匹敵專用芯片。所幸的是，后者并沒有量產。

手握終極“縫合怪”H100，黃仁勛暫時可以松一口氣，目前市面上還未出現更能打的量產芯片。

但挑戰者，并不是沒有，還很強力。

一個典型的深度神經網絡架構，來源：towards data science

最有實力的，當然還是谷歌。

4月初，谷歌首次公布了AI超算的細節——TPU v4性能相較v3提升10倍，比A100快1.7倍，同時功耗少1.9倍。

和H100對打的芯片，也已經在研發中，它并非沒有勝出的機會。

相反，因為更適用于AI場景，只要能量產，谷歌TPU會更受歡迎。

比如，本輪AI熱潮除了OpenAI外，還有兩家出圈的公司，一家是AI繪圖公司Midjourney；另外一家是Authropic，其對話機器人Claude跟ChatGPT打的有來有回。

而這兩家公司，都沒有購買英偉達GPU搭建超算，而是使用谷歌的算力服務。

當然，這兩者加起來，也比不過微軟自研Athena芯片所帶來的沖擊。

最近市場傳出微軟與AMD合作開發新款AI芯片，加快推出相關產品，為自身及市場提供英偉達GPU之外的另一種底層硬件選擇。

“如果 Athena 具有競爭力，與 Nvidia 的產品相比，它可以將每芯片的成本降低三分之一。”

此外，針對CUDA模型，OpenAI最近還推出了“簡化版CUDA”：Triton。

這是種新的語言編譯器，性能媲美CUDA，操作難度卻低得多：只需25行代碼，就能在FP16矩陣乘法上達到與cuBLAS相當的性能。

雖然Triton架構目前只正式支持英偉達GPU，但之后也會支持多家硬件供應商。

因為它是開源的。比起閉源的CUDA，其他硬件加速器能直接集成到Triton中，大大減少了為新硬件建立AI編譯器棧的時間。

無論是谷歌還是OpenAI，在AI領域無疑比英偉達更專業，它們欠缺的只是時間。

更何況，前文已經說了，AI所需算力每100天將翻一倍。

也就是說，到2030年，AI所需算力是現在的3000萬倍。（2的25次方）

即便是英偉達，也不可能滿足如此恐怖的需求增長。

疊加全球供應鏈安全的考量，AI芯片市場從過去的英偉達一家獨大，或慢慢轉變為群雄割據。

還有另一種情況。

如今，AI一日千里，技術突破以小時計。如果在未來，AI在社會上的普及能像PC和手機那樣大幅提升，算力成本可能大幅下降

那時，GPU更不是唯一的答案。

03

尾聲

回顧歷史，一戰和二戰，贏家是誰？從生意的角度看，是美國。

作為軍火商，美國通過販賣武器，實現了財富自由。

而今，多維度的人工智能戰爭已經打響，英偉達扮演的就是曾經軍火商的角色。

目前，在eBay上，一張H100的售價，基本都在4-5萬美元。而在一年前，才一萬多。

而且有價無市。

據國內渠道商透露，之前拿貨周期大約為一個月左右，現在基本都得三個月，甚至更長。

“一臺通用計算服務器的成本大約在5萬塊錢左右，現在符合美國技術出口規范的A800一塊價格已經漲到十幾萬，對于投入算力基礎設施的公司來說，整個采購成本都在增加。”

好家伙，二道販子賣一張卡的利潤，頂俺們上一年班。

這有點類似兩年前的動力電池，享受量價齊升的邏輯。你總以為到頂了，其實遠遠沒有。（參考閱讀《世紀抄底英偉達》）

但這種壟斷式中間商，還能爽多久呢？

復盤英偉達過去二十年，通俗點講，只需做好游戲GPU，就能順帶提高算力，滿足訓練AI模型需要，一舉兩得。

所以英偉達發展得快，從一個二線芯片公司變成了行業的NO.1，不可謂不勵志。

但當AI大模型進入高速發展階段，英偉達的側重點，從游戲轉向并非自己專長的人工智能。固然能在前期壟斷上游算力，賺得盆滿缽滿，但早晚會被更專業的玩家追趕上。

你說它是AI時代的賣水人，沒問題。說市值萬億美元不是它的終點，也沒問題。

但要說它是AI時代唯一的霸主，那就不盡然。

再如日中天的帝國，也要當心那道不起眼的裂縫。

關鍵詞：