“瑞速信息”获3亿元C2轮融资，进军数据安全市场
06-17
，NVIDIA创始人黄仁勋接受东方卫视电视节目采访时，主持人将当时Intel、AMD、NVIDIA的市场格局比作“三国演义”。
黄仁勋纠正说，这种说法“过分”。
“太窄了”并预测二十年后最重要的将不再是个人电脑或服务器市场，而是每个人口袋里的移动电脑。
同时判断“索尼和苹果随时可能加入竞争”，英伟达必须每六个月进行一次技术迭代，使产品性能翻倍。
当时已经是智能手机爆发的前夜，但黄仁勋却准确地洞察到了NVIDIA作为GPU供应商的商机。
NVIDIA还与小米合作推出了搭载NVIDIA芯片的小米手机和Android平板电脑。
尽管英伟达最终因能耗控制、市场规模不及竞争对手等原因放弃了智能手机业务。
但黄仁勋所说的“技术每六个月迭代一次”已经完全被传承下来，原本不相关的公司也进入了芯片行业，比如微软、OpenAI。
对技术迭代的偏执追求是英伟达企业文化的重要组成部分：英伟达这个名字的灵感来源于NV（next version，意为“下一个版本”）和Invidia（拉丁语，嫉妒的意思）。
2000年Nvidia成立时，硅谷有数十家GPU制造商，但Nvidia最终成为唯一生存下来的玩家。
与其说英伟达是因为优秀的产品而生存下来，不如说英伟达有能力在一次次达尔文的优胜劣汰中生存下来。
在过去的近二十年里，NVIDIA的研发支出价值一直保持着快速增长。
即使在金融危机严重冲击科技行业的那些年，NVIDIA仍然面临着连续两年净利润为负的压力，并持续推动包括CUDA在内的技术发展。
当时看不到任何可以盈利的项目。
NVIDIA 出售的 GPU 现在是所有有兴趣在 AI 生成大型模型领域创造成果的初创企业的首选，因此几乎所有参与其中的制造商都在“受苦”——事实上，NVIDIA 如今的许多大客户，在过去二十年里，他们曾因 GPU 专利许可等问题告上法庭。
现在购买Nvidia GPU更像是一种备战行为，更谈不上以此为基础与Nvidia建立更深层次的合作关系。
如今，在大型生成对话模型引发的 AI 浪潮过去半年后，Nvidia 的客户也暴露了自己原来的竞争对手：10 月初，The Information 还报道了微软与 AMD 在机器学习芯片领域的合作。
它已经从 2016 年开始，微软内部至少有一名员工目前正在从事代号为“Athena”的芯片研究项目。
该芯片的初始版本将采用5nm工艺。
除了这个项目之外，微软还基于前几年在SoC领域的研发经验，与AMD合作推进AI芯片项目的研发。
作为OpenAI的投资者和ChatGPT的受益者，微软从一开始就保留了自己做出选择的权利，而OpenAI并没有完全向微软投降，尽管现在两家公司在AI的商业化问题上存在争议。
。
在“分钱”问题上的分歧日益加剧，分道扬镳似乎迫在眉睫，但眼下显然还有更紧迫的问题需要解决。
对于OpenAI来说，训练下一代GPT-5和日常运营ChatGPT的GPU成本一直占据巨大比例，因此OpenAI涉足自研GPU芯片似乎并不奇怪：一位知情人士近日表示目前，OpenAI也计划研发自己的芯片，但从头打造高性能AI芯片至少需要两年时间。
因此，OpenAI目前更倾向于寻找合适的芯片初创公司并将其纳入麾下。
OpenAI现任CEO Altman投资的三个芯片公司：Cerebras、Rain Neuromorphics和Atomic Semi都是可能的收购目标。
成立于2000年的NVIDIA，成立20多年来，在外界看来一直是游戏显卡领域一个默默无闻的小众市场品牌。
随着人工智能概念的形成，GPU的计算能力成为最宝贵的东西，NVIDIA成为时代的宠儿。
GPU在深度学习计算场景中相对于CPU的巨大优势使其成为大家的最爱。
令人着迷的对象。
全球各地开始建设大量用于加速计算的数据中心，GPU订单像雪花一样飞向英伟达。
尽管黄仁勋提出GPU性能每两年翻一番的“黄氏定律”，这在业界备受质疑，但英伟达GPU的每年增量似乎严格遵守这一定律：2017年发布的A单芯片售价约为0美元。
到了今年，H单片机的价格已经飙升至0美元。
即便如此，相比于A，H在训练大模型的效率上还是有%的提升。
借助NVIDIA针对服务器集群的计算方法，训练速度最多可以提升至前者的9倍。
这就是大型模型公司普遍追求的“单元效率”。
反之则更高。
这样一来，购买NVIDIA GPU时似乎只剩下两个选择：“有钱就多买，没钱就少买”。
今年8月，AI云服务初创公司CoreWeave宣布获得23亿美元债务融资，但这家估值仅为20亿美元的公司提供的抵押品是他们现有的HGPU，并受益于我们与NVIDIA有良好的合作关系，并承诺优先H订单。
《对这家创业公司而言，英伟达 GPU 就是货币》.08.09 The Verge 报道标题。
有限的产能加上热烈的市场需求，让黄仁勋宣称英伟达是“AI时代的台积电”听起来像是一个谦虚的说法——即使在2016年，台积电也仅占全球晶圆代工产能的60% ，而英伟达今天占据了可用于机器学习的图形处理器市场的95%。
既然英伟达可以成为“AI时代的台积电”，为什么其他厂商就不能这样做呢？ 就连马斯克也曾感叹“买GPU比买毒品还难”——此前，他在推特上抱怨“现在好像连狗都买GPU了”，随后他也加入了购买GPU的热潮。
Twitter 的 X.AI 大规模语言模型项目购买了大约 0 个 NVIDIA GPU。
事实上，马斯克还计划推动特斯拉开发自己的通用GPU，用于数据中心等场景：特斯拉在2016年的AI Day活动上发布了D1芯片，该芯片配备了1亿个晶体管，就像A、但是这款产品并没有像英伟达的GPU产品那样进行快速迭代更新，这款芯片还没有发布迭代产品。
原因或许马斯克已经解释过：在特斯拉今年第二季度的财报电话会议上，马斯克表示，他之所以投资超过10亿美元用于D1芯片的开发，只是因为特斯拉无法获得足够多的英伟达。
GPU，并表示如果英伟达能够提供足够的GPU，“特斯拉就根本不需要开发D1”。
“但不幸的是，英伟达甚至无法提供我们所需的一小部分计算能力，”马斯克同时抱怨道。
这或许才是很多厂商在采购Nvidia GPU的同时也开始研发自己的GPU的真正原因：谷歌/微软都是无晶圆厂半导体厂商的成员，这个战场上也有IBM、特斯拉等玩家。
。
远在大洋彼岸，中国AI研究者对算力的需求甚至比美国同行更为迫切：根据中国信息通信研究院算力白皮书信息，美国、中国、欧洲、日本分别占全球算力的34%和34%。
33%、14%和5%，其中美国在全球基础算力中的份额达到37%，中国以26%的份额位居第二。
2017年美国政府禁止英伟达向中国客户出口H和A后，中国的AI研究机构和企业开始寻找可行的替代方案——自研无疑是各大厂商会优先考虑的选择之一。
从硬件角度来看，实现超过NVIDIA GPU的硬件计算能力并不是最困难的目标——至少“第二梯队”竞争对手至少可以不被抛在后面太远，比如国产必人、天枢智信等。
公司从事高算力通用GPU的研发。
即使在训练或推理等独立场景应用领域，专注于通用场景的 GPU 也未必是负载最高效的选择。
类似于谷歌、亚马逊、国内阿里云、百度多年开发的专用集成电路（ASIC）芯片TPU可能效率更高。
妥妥的，这些玩家很可能在2020年算力上反超H。
百度将在2020年发布第三代昆仑核心，其算力对标NVIDIA A。
随着摩尔定律到期，成本和难度都很高在探索尖端半导体工艺的过程中，NVIDIA GPU的硬件性能仍然强大，但并非遥不可及。
同时，竞争对手也有足够的资金参与最新工艺的研发。
有一天，一款与NVIDIA平起平坐的产品突然问世：NVIDIA的老对手英特尔就是最生动的例子。
英伟达每次都能获胜，但竞争对手只需获胜一次，就能撬动市场，让英伟达的地位不再稳固。
硬件只是真正让后来者害怕的部分原因。
从事AI开发和深度学习的数百万开发者可能是推动英伟达成为事实上的垄断者的另一条“护城河”。
2017年，Nvidia发布了基于Telsa架构的第八代Nvidia GeForce GPU，同时还发布了CUDA这个开发编程环境，供开发者使用Nvidia GPU进行图像处理以外的计算，让当时的开发者不再拥有转到学习复杂的着色语言和图形处理基元，以便您可以使用您熟悉的代码语言进行编程。
与此同时，NVIDIA开始组建AI深度学习研究团队：当Bryan Catanzaro年初加入NVIDIA时，他发现自己是公司中唯一一位从事深度学习领域硬件研发的员工。
学习。
“CUDA发布十年来，华尔街一直对它持不利态度，认为没有人会使用它。
” Bryan Catanzaro 曾经描述过 NVIDIA 在构建自己的机器学习软件生态系统初期所面临的阻力。
“NVIDIA的市值是，CUDA的估值为零。
”现在Bryan是NVIDIA的副总裁，带领着数千名NVIDIA员工从事这一领域的研究。
CUDA发布后的十年里一直默默无闻，直到2000年人们才知道突然意识到这是一个与以前完全不同的开发工具，可以以革命性的加速能力推动人工智能领域的研究速度：在CUDA之前，开发人员编写代码让GPU完成一个任务是一项非常繁琐的任务。
CUDA作为与NVIDIA硬件深度耦合的开发环境，也决定了即使CUDA生态系统现在蓬勃发展，其他AI芯片公司也无法完全兼容这个生态系统，也无法保证足够的性能。
NVIDIA强大的盈利能力现在进一步支持CUDA平台和NVIDIA的GPU与时俱进，成为下一个时代诞生的梦工厂：去年发布的最新一代GPU H包括大量的硬件升级和采用。
台积电最新的 4N 工艺制造——这是专为 NVIDIA GPU 打造的 5nm 工艺。
让H能够容纳数十亿个晶体管。
训练同样大的模型所需的GPU数量可以减少到A的三分之一。
就像iOS+iPhone的黄金组合之于苹果一样，黄仁勋的远见让Nvidia在软硬件领域进行了巨额投资十几年的整合，不仅让GPU成为下金蛋的鹅，而且最终形成了任何竞争对手的竞争对手。
难以撼动的生态屏障。
可以说，这是一家伪装成硬件公司的软件公司。
2006年，黄仁勋亲自前往旧金山，将世界上第一台人工智能超级计算机DGX-1送给了刚刚创立的OpenAI。
这个当时的性能怪物立即被投入到一个名为“一代”的项目中。
“模型”技术研究正在进行中：该项目旨在开发一种能够阅读和区分人类语言、自行收集和使用数据、实现类人智能反应的对话程序。
现在大家已经知道了这个故事的最终结局——ChatGPT是这个项目迄今为止最辉煌的诞生成果； 2020年9月25日，OpenAI官方博客还宣布了ChatGPT的更新：首次推出多种模态功能，ChatGPT开始支持语音和图像识别以及内容创作。
OpenAI聘请了专业配音演员为其创作声音内容。
人类用户终于可以通过语音直接与 ChatGPT 交谈。
自OpenAI于2016年获得第一台DGX-1用于研究以来，现在ChatGPT仅使用HGX A服务器进行日常运行。
无论过去的道路有多么曲折，英伟达作为这个时代最大的赢家之一，在推动人工智能行业“像人类一样聪明”的目标上又向前迈出了一小步。
即使竞争对手的阴云已经开始聚集，黄仁勋2016年的决定仍然让英伟达“用时间换空间”，用十几年的时间为英伟达筑起了一条护城河。
对于任何有兴趣取代英伟达的制造商来说，巨大的差距将需要投入时间和金钱来弥补。
时间和金钱似乎都站在英伟达这边。
《巴伦周刊》作家 Tae Kim 最近计算出，Nvidia 每售出一个 H 单元就能获得 % 的利润。
从硬件BOM表来看，售价超过3万美元的H为NVIDIA带来了90%以上的毛利率。
即便是台积电也只能从中获得100美元的收入。
这些可怕的盈利能力反过来又被英伟达用来巩固自己的护城河。
NVIDIA目前在全球拥有超过2万名员工，平均年薪20万美元，同时保持研发费用在20%以上；没有工厂的英伟达，多年来一直保持着超过特斯拉和苹果的研发投入。
事实上，微软并不指望其自研GPU芯片项目能一举击败NVIDIA：微软与NVIDIA联合打造的下一代超级计算机已经在路上了。
哪怕是一笑置之，巨头们依然愿意联手争取更高的股价。
合作。
但在可预见的未来，通用AI芯片继续被英伟达垄断仍将是现实。
或许只需要两三年，我们就能看到下一个“AI时代的英伟达”的诞生。
【本文经投资界伙伴电厂授权。
本平台仅提供信息存储服务。
】如有任何疑问，请联系投资界（）。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-17
06-18
06-17
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态