京东618订单金额3438亿元，同比增长27.7%
06-17
经过最近的一些论文和讨论，AI圈子已经逐渐形成了共识，“Scaling law”将会持续，而大模型规模的天花板还没有到来，所以我们对算力的需求依然会持续。
当然，这对Nvidia来说是件好事。
早在2008年，也就是OpenAI创立一年后，黄仁勋就向OpenAI捐赠了最新的DGX-1，这是唯一一台配备8颗PGPU的深度学习超级计算机，而P也是专门为深度神经网络打造的GPU产品。
尽管英伟达当时手上有不少大厂的订单急于交付，但它还是将第一台电脑捐赠给了OpenAI。
这种关系可以说是一次引领技术方向的“天使投资”。
押注人工智能已获得丰厚回报。
OpenAI相信超大规模的训练和“缩放法则”。
不过，当时想要进行如此大规模的训练几乎是不可能的，这离不开NVIDIA的GPU。
“Geoffrey建议我们尝试一下GPU。
一开始我们不明白GPU是如何工作的，但随着实验的进展，我们发现GPU架构非常适合训练深度卷积神经网络。
它可以训练得非常快，而且能做到的规模远远大于之前的训练，事情就是这样发生的。
”OpenAI联合创始人兼首席科学家 Ilya Sutskever 在与黄仁勋的对话中提到了这段往事，如今，NVIDIA 的市值已达 2 万亿美元，但黄仁勋仍多次强调科技行业正在快速发展，NVIDIA 可能面临的挑战。
如果不尽快投资遥远的未来，那就是灾难。
此时，英伟达的风险投资策略也是外界了解黄仁勋如何看待未来的一个窗口，尤其是每笔投资交易都是黄仁勋签署后的。
总而言之，这些投资都是真金白银，而不仅仅是演讲，根据 Dealogic 的说法，Nvidia 在 2016 年投资了超过 35 家初创公司，比上一年增加了 6 倍。
从中我们可以看到哪些趋势？ 欣赏： 概述： NVIDIA的对外投资主要通过两个机构来实现，一个是公司的投资部门，另一个是NVentures。
前者与企业战略投资类似，主要支持主营业务，以战略投资为主，投资规模较大；后者更关注人工智能在各个垂直领域的产业应用，主要关注初创公司。
从两者的投资标的就可以看出差异： 1、Nvidia投资部：投资了被称为“OpenAI竞争对手”的大型AI模型公司Cohere、Inflection、Mistral； Adept，AI Agent领域独角兽公司； AI搜索困惑度； AI视频公司Runway； Ayar Labs 开发芯片之间的硅光学连接，以及硅光子初创公司 Lightmatter；开源模型库 Hugging Face；云计算服务商CoreWeave、AI云平台together.ai等。
2、NVentures：在一些关键垂直领域进行了大量投资，负责拓展AI应用的生态系统。
下面我们列出了一些核心公司，公司名称在前，领域在后：Genesis Therapeutics、Inceptive、Terray、Charm、Evozyne、Generate、Superluminal、Recursion Pharmaceuticals：彻底改变药物发现 Machina Labs、Seurat Technologies：颠覆工业流程和改善制造 PassiveLogic：利用 AI 实现构建系统自动化 MindsDB：适合需要将企业数据与 AI 连接的开发人员 Moon Surgical：利用人工智能改进腹腔镜手术 12 个实验室：开发用于视频理解的多模态基础模型 Flywheel：加速医学影像数据开发 Luma AI：视觉和多式联运模型开发商 Outrider：自动化物流中心运营 Synthesia：企业人工智能 Smart Video Replicate：开源和定制模型开发平台 SoundHound：专注于语音 AI “对于 NVIDIA 来说，（投资初创公司）的第一个标准是相关性”。
NVidia专门风险投资部门NVentures的负责人Mohammed Siddiq曾在接受媒体采访时表示。
“使用我们技术的公司，依赖我们技术的公司，基于我们技术建立业务的公司。
我想不出我们投资的公司有哪一家不使用 Nvidia 产品。
从目前的AI产业链来看（见下图），主要可以分为三个方面：AI基础设施、AI模型层、应用层。
NVIDIA在每一层都有业务或投资，包括直接研发从大型模型到独立的角逐公司，到提供云计算和AI软件服务的公司，再到与各行业（医疗、制造等）融合的垂直应用，它们几乎覆盖了整个产业链，让我们更详细地分析一下这些投资。
AI模型层：投资OpenAI的竞争对手制造大型AI模型的公司无疑是NVIDIA最重要的客户，据《经济学人》统计，NVIDIA实际上投资了7家大型模型公司：今年1月，英伟达投资了被称为“谷歌杀手”的Perplexity AI，该公司的目标是取代传统搜索引擎，采用新的对话方式。
该公司联合创始人兼首席执行官阿拉文德·斯里尼瓦斯(Aravind Srinivas)曾表示，OpenAI是一名研究科学家。
Perplexity 成立不到两年。
其AI搜索产品Perplexity月访问量数万，被a16z列为Top 10 GenAI网络产品。
黄仁勋甚至在一次活动中透露，他经常使用 Perplexity AI。
表示比起 ChatGPT 或 Bard 等工具，他更喜欢 Perplexity AI：被誉为“OpenAI竞争对手”的黑马 Inflection 去年 6 月获得 Nvidia（以及微软等）投资，融资金额仅次于。
余OpenAI的估值也突破了40亿美元。
Inflection推出了自己的产品——Pi，这是一个类似于ChatGPT的聊天机器人，但与ChatGPT不同的是，它的定位是搜索和知识方面的生产力工具。
Cohere，一款专注陪伴的AI伴侣：几乎与此同时，英伟达还投资了加拿大AI初创公司Cohere。
作为OpenAI的竞争对手，Cohere的核心业务同样是开发大模型，但它专注于To B领域，为企业提供体量。
定制大型模型，包括全球流媒体平台、服装公司以及利用该平台简化客户服务或提高内容审核能力的公司：主要目标是创建基于生成式人工智能技术的通用操作工具。
用户可以通过语音或文字给出指令，人工智能将理解并帮助完成各种操作和任务。
与 Microsoft Copilot 的不同之处在于，Copilot 只为您提供信息，而 Adept 可以直接自动在页面上执行操作，包括跳跃、点击、输入数字等。
Mistral：Mistral AI 今年 5 月在法国成立，由前DeepMind 和 Meta 研究人员。
它于去年 9 月推出了*生成式人工智能模型。
米斯特拉尔被外界称为“欧洲版OpenAI”、“全法国的希望”。
这一投资举措也符合黄仁勋一直在谈论的“主权AI”概念。
……当然，在这些投资中，NVIDIA往往是跟投而不是主导投资。
毕竟NVIDIA主要不是为了财务回报，而是为了扩大其硬件+软件生态系统的用途。
人工智能基础设施：布局生态系统。
在构建AI生态系统和系统的过程中，英伟达做出了几项令人瞩目的投资。
CoreWeave：在云计算方面，由于传统数据中心由CPU组成，注重通用计算能力，而AI所需的并行计算需要大量GPU连接，这使得为CPU设计的数据中心解决方案无法复制。
NVIDIA投资的“算力黄牛”CoreWeave是一家以GPU集群为核心的云计算公司，手中拥有数万颗NVIDIA H。
其商业模式是基础设施即服务，按小时租用GPU，客户只需根据使用时间和计算资源量付费。
CoreWeave甚至使用Nvidia芯片作为抵押品完成了一轮23亿美元的债务融资。
以GPU为核心的云服务商是否会影响NVIDIA与传统云计算服务商的关系（NVIDIA也推出了自己的云服务DGX Cloud），会创造出什么样的新市场格局（CoreWeave是NVIDIA的忠实弟子，谁做呢？不开发自己的芯片，但各大云计算厂商都在加速开发自己的GPU芯片），都是非常有趣的话题。
Ayar Labs：摩尔定律几乎已经达到极限。
未来如果我们要进一步提升算力，主要还是依靠互联网，包括芯片内互联、芯片间互联等，我们实际上已经进入了一个互联网决定算力的时代。
光的利用是一个非常重要的技术方向，这也是Nvidia投资芯片光学公司Ayar Labs的目的。
Ayar Labs成立于2007年，致力于利用具有成本效益的硅加工技术来开发高速、高密度、低功耗的光学互连“芯片”和激光器。
这种做法可能会颠覆半导体行业传统的性能、成本和激光性能。
效率曲线将互连带宽密度提高了 10 倍，功耗降低了 10 倍。
抱脸：谷歌内部曾有研究人员表达过这样的观点：在这场激烈的人工智能竞争中，虽然谷歌和OpenAI互相追逐，但真正的赢家可能不会从这两者中产生，因为还有第三方力量正在崛起。
这个力量就是“开源社区”，它是谷歌和OpenAI*的敌人。
开源社区的顶尖领军人物无疑是Hugging Face。
这是AI领域的Github。
提供了大量优质的开源模型和工具，最大程度惠及研发成果，大大降低了人工智能的技术门槛。
Together Al：另一家涉及云服务和开源概念的公司是Together Al，这是一家为AI初创公司提供训练和推理服务的云平台公司。
对于使用大型开源模型进行应用程序的初创公司来说，他们通常希望保持独立性并使用多云策略。
这时，一个能力强、成本低的AI云平台就显得非常重要。
同时，Together Al也是一家全栈AI公司，拥有自己的模型和数据集，在AI底层技术方面有着深厚的积累。
Databricks：如果最重要的是计算能力，那么第二重要的是数据。
Databricks 成立于 2016 年，专注于数据分析。
它以其 Lakehouse 平台而闻名，该平台是数据仓库和数据湖的组合，可以将数据、分析和人工智能部署统一在单一平台上，以便客户可以管理企业数据并生成见解。
，并快速构建您自己的生成式人工智能解决方案。
如今，许多数据分析公司都在寻找结合AI的新方式，而像英伟达这样的战略投资者的引入无疑是获得超越竞争对手速度的重要优势。
…… AI垂直应用：生物医药最重要，其次是智能制造。
NVIDIA在各个垂直领域的投资中，医疗和药物发现领域的投资规模最大。
黄仁勋认为，这些领域都适合人工智能的应用。
“我们是相当老练的投资者，”黄仁勋今年 1 月在摩根大通医疗保健会议上表示。
“如果您在计算或人工智能方面遇到困难，请给我们发送电子邮件，我们将随时为您服务。
”据《华尔街日报》报道，法国初创公司 Moon Surgical 的首席执行官 Anne Osdoit 表示，该公司大约三年前开始与 Nvidia 合作，当时该公司正在为生命科学领域开发软件。
Moon Surgical 是一家利用人工智能改进腹腔镜手术的法国初创公司。
芯片。
她表示，此次合作最终促成了这笔投资，英伟达还帮助该公司解决了有关手术机器人的技术监管问题。
“NVIDIA非常务实，直接说‘嘿，告诉我们你需要什么。
’”NVIDIA医疗保健副总裁Kimberly Powell甚至直言：“现在计算机辅助设计行业已经赢得了第一家拥有市场的芯片公司价值2万亿美元，计算机辅助设计 在药物发现行业，我们为什么不能建立下一个万亿美元的制药公司？”过去两年，英伟达几乎疯狂地投资于医疗和药物发现领域，包括：结合AI进行药物发现：Recursion Pharmaceuticals、Genesis Therapeutics、Inceptive、Terray、Charm、Evozyne、Generate、Superluminal 利用人工智能改进腹腔镜检查手术：Moon Surgical 加速发展医学影像数据：Flywheel 创新药物的研发历来费时费力，业界有一个“双十定律”，即开发一种新药需要十年， 10亿美元，最终面临很大的失败风险，比如在药物发现最困难的阶段，按照目前的方法，需要在10次方的化合物中筛选出大约10000种合适的化合物。
60个，然后进一步筛选，最终找到合适的化合物，很多药物靶点的发现也非常依赖运气，找到合适的相应药物更是困难重重。
一切都依赖于研发人员的经验和直觉。
这个场景非常适合AI应用。
通过筛选经过更专门训练的大型模型，高通量AI模型可以大大缩短药物研发周期，提高新药研发的成功率。
此外，人工智能还可以辅助蛋白质结构预测，克服传统技术需要多次实验、成本较高的缺点，使得低成本、准确预测蛋白质三维结构成为可能。
作为黄仁勋多次提及的领域，生命健康问题也成为今年NVIDIA GTC大会上的主角。
举办了90场与医疗和生命科学相关的会议，涉及汽车、云服务、硬件/半导体等。
该中心位于热门行业*，也吸引了来自强生、GSK、默克等制药巨头的专业人士、诺华、基因泰克和安斯泰来。
除了生物医学之外，Nvidia第二重要的垂直应用是智能制造，其中包括： 颠覆工业流程并改进制造：Machina Labs、Seurat Technologies 使用人工智能实现建筑系统自动化：PassiveLogic 自动化物流中心运营：Outrider Machina Labs：结合人工智能Machina的代表性新产品是敏捷制造平台，旨在在几天内实现快速迭代和生产（传统流程需要几个月），从而加速设计、工程和创新。
这个敏捷制造平台集成了 7 轴机器人、自主面板装载和夹具，以及先进的人工智能流程模型和闭环控制，只需单击按钮即可启用许多制造流程。
该机器人能够即时更换工具和传感器来执行各种操作，还可以不断升级以改进现有功能或添加新功能。
Seurat Technologies：这是一家区域性金属 3D 打印初创公司，其成形效率比当前的多激光 SLM 技术更高。
与大多数金属3D打印设备开发商主要从事设备销售不同，Seurat选择成为合同制造商，按订单生产定制金属零件。
Seurat 的计划是在世界各地的客户现场或附近部署其 3D 打印工厂，使零件的生产更接近需要的地方，并重塑供应链。
其现有的3D打印设备已经实现了一定的成本降低，其发展目标是到2020年实现相对于传统压铸工艺的制造成本优势，使增材制造成为主流制造技术。
PassiveLogic：这家初创公司旨在帮助建筑行业专业人士（例如建筑师、工程师和承包商）实现施工过程自动化并构建数字孪生，以减少运营的成本、时间和环境影响。
这项技术将视觉和空间数据转化为“实时模拟现实”，相当于创建了一个场地的虚拟副本，将某个位置的所有传感器和物联网设备集成到“蜂巢”控制平台中，为客户提供服务如精准测绘、规划设计、项目进度管理以及后期运营维护等。
Outrider：这是一家为物流中心开发自主堆场运营的初创公司。
“堆场”是指卡车运输中几乎所有货物都要经过的集散场。
虽然这是供应链中的关键环节，但今天的船厂基本上仍以几十年来的方式运行，充满了需要重复的手工作业，而且往往在荒凉偏远的地方，充满了潜在的危险。
Outrider 可以自动化该流程，并与大型配送中心的运营无缝集成。
在OpenAI爆发之前，英伟达其实正处于低谷。
其此前的核心增长“挖矿”和PC游戏均受到需求下降的影响。
黄仁勋经常挂在嘴边的一句话是：“我们距离破产只剩不到30天了”。
在这种需求的周期性下，黄仁勋一直非常重视对未来的押注。
英伟达用了整整 24 年才达到罕见的 1 万亿美元估值高度，但凭借对 AI 的成功押注，仅用了 8 个月就达到了第二万亿美元。
当然，黄仁勋对未来的赌注并不总是成功。
比如，他也将元宇宙视为一个重要的出路。
2016年，他发布了一系列产品，几乎融合了NVIDIA所有技术，但获得的收入却很少。
“科技行业正在快速发展，英伟达如果不尽快投资遥远的未来，可能会面临灾难。
”黄仁勋在多次讲话中表示。
因此，英伟达的风险投资也是外界了解黄仁勋如何看待未来的一个窗口，尤其是每笔投资交易都是黄仁勋签署的。
“你需要知道接下来会发生什么，”一位接受过英伟达投资的创始人说道。
“Nvidia 确实需要了解下一个趋势是什么，它将朝哪个方向发展，以及需要在硬件中添加哪些内容以使其变得更好。
” 参考文献：??? 1.《经济学人》：剖析人工智能技术栈 2.《华尔街日报》：英伟达的超强投资策略不仅仅是回报 3.《证券时报》：英伟达，通过投资打造“人工智能帝国” 4.英伟达：英伟达如何推动人工智能发展AI革命，投资游戏规则改变者和做市商【本文由投资界合作伙伴微信公众号授权：经纬创投。
本平台仅提供信息存储服务。
】如有任何疑问，请联系投资界（）。
#阿里云#创新创业#创业支持#创业资讯我们关注国内外最热门的创新创业动态，提供一站式资讯服务，实时传递行业热点新闻、深度评论和前瞻观点帮助企业家掌握新兴技术。
趋势和行业变化，以及对未来技术趋势的洞察。
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
06-18
06-18
06-18
最新文章
三只松鼠：门店扩张已全面暂停
Nvidia 已准备好“统治”AI
【创业24小时】2023年11月16日
【创业24小时】2022年10月20日
倒计时一天，浙江这座小镇要火了！
沃图网络获数千万A轮投资，加大投入海外网红营销SaaS平台建设
泰山天使基金部分退出拉手半年回报180倍
西格数据完成1000万元A+轮融资，国发创投领投