文 | 產業象限，作者 | 山茶，編輯 | 錢江
2月22日，英偉達發布2024財年四季報，營收221億美元，同比增長265%，凈利潤123億美元，同比激增769%，雙雙大超市場預期。
然后，英偉達就殺瘋了。
一夜之間，英偉達市值暴漲2770億美元，創下華爾街單日最大漲幅的歷史記錄。如今，英偉達的市值已經逼近2萬億美元。以國內生產總值計算，英偉達市值超過了大多數其他國家經濟體的規模。
▲圖源：福布斯
從企業層面看，這一市值也超越Meta，成為僅次于微軟、蘋果和沙特阿美的全球第四大市值的巨無霸。
但有意思的現象是，雖然已經躋身第一梯隊，但無論是營收還是利潤，英偉達都與微軟、蘋果、甚至被它超過的Meta差距較遠。
可以對比來看：
《巴倫周刊》使用基于FactSet預測的2023年至2026年預期平均盈利增長，以及基于2024年預測的市盈率，對美股7大巨頭企業的PEG比率（市盈率除以盈利增長率）也做了預測，英偉達是其中最低的。
▲圖源：FactSet
毫無疑問，如今英偉達的市值存在巨大泡沫，但從國內到國外，投資者卻都愿意為這樣的泡沫買單。
整個市場對英偉達充滿信心，因為在某種程度上，市場已經將英偉達與AI時代的未來劃上了等號。
投資英偉達，就是投資屬于未來的AI時代，在這樣的邏輯下，英偉達似乎值得任何市值。
那么，英偉達真的不可替代嗎？誰又會成為英偉達的對手，誰又能將它趕下神壇？
英偉達，憑什么遙遙領先？
和其它半導體企業相比，英偉達是“遙遙領先”的，起碼在市值上如此。
如今，在全球前十的半導體企業中，不算臺積電和阿斯麥這樣的純代工廠和光刻機廠商，英偉達的市值約等于剩下七家市值的總和，甚至還有富余。
▲圖源：芯東西
撐起英偉達市值的，是其全球領先的AI計算芯片，包括A100、H100和即將上市的H200。根據富國銀行的統計，英偉達目前在全球數據中心AI加速市場擁有98%的份額，處于絕對的統治地位。
很多時候，這些芯片花錢也都很難買到。早在2023年8月的時候，就有媒體報道，英偉達的訂單排到了2024年。其芯片的交付周期，也曾一度高達8~11個月（如今已經縮短為3~4個月）。馬斯克曾為此吐槽，“英偉達的芯片比毒品還難搞到”。
產能不足，供不應求，這些需求應該自然溢出到其他廠商。從供應鏈安全的角度考慮，面對如此集中的市場，企業似乎也不應該只選擇英偉達這一家的產品。
但全球的企業排著隊將訂單送到英偉達手中，難道，除了英偉達的芯片之外，AMD、英特爾這些企業的芯片都辦法訓練大模型嗎？
答案當然不是，但使用英偉達的芯片，目前仍然是訓練和運行大模型的最優選擇。這種優勢體現在四個方面，包括硬件性能、軟件生態、適用范圍和整體性價比。
首先是硬件性能。
以英偉達在2020年5月發布的NVIDIA A100 GPU為例，這款芯片采用7nm制程和NVIDIA Ampere架構，擁有540億個晶體管和6912個CUDA核心，最高可以提供80GB的GPU顯存，以及2TB/s的全球超快顯存帶寬。在大模型訓練和推理常用的FP16(半精度浮點運算）Tensor Core峰值性能可以達到312TF，使用稀疏計算的情況下，可以達到624TF。
▲圖源：CSDN，NVIDIA GPU A100 Ampere(安培)架構深度解析
很多人對這些指標沒什么概念，我們來簡單解釋一下。
芯片的制程決定著同樣大小的芯片能夠放下的晶體管的數量，而晶體管的數量越多，芯片的計算能力越強，這也是5納米的芯片一定比7納米的芯片先進的原因。
至于CUDA核心，即CUDA線程，是英偉達CUDA平臺編程模型中的基本執行單元。我們都知道，GPU最強的能力是并行計算，而CUDA核心越多，意味著芯片能同時并行計算的數量也就越多，芯片的性能更強，完成同樣任務的速度更快。
需要注意的是，芯片的計算能力強和計算效率高是兩個概念。制程和晶體管的數量代表著計算能力，而CUDA核心的數量，代表著計算效率。
至于顯存和帶寬，則決定了GPU在運行時的效率。其中顯存決定GPU同時能夠存儲的最大數據，而顯存帶寬，則決定顯存和顯卡之間的數據傳輸速度。
舉一個簡單直白的例子，在一個流水線上，原材料需要從庫房運送到車間進行裝備，然后將成品再運回庫房。顯存決定了庫房能夠放多少原材料，而顯存帶寬，則決定每次從庫房送原材料的速度。如果庫房不夠大，或者材料傳輸速度不夠快，那車間的生產能力再強，也無法生產出成品。所以顯存和帶寬，其實決定芯片能夠參與訓練多大參數規模的大模型，以及訓練大模型的速度。
明白了這些基本概念，我們再用最有代表性的兩家企業，進行對比。
首先是AMD，目前主打的芯片是MI250X，發布于2021年年底，采用7nm工藝，擁有582億個晶體管，顯存128G，顯存帶寬3.2768 TB/s，FP16峰值性能為369 TF，只有60個計算單元。
▲圖源：AMD官網，MI250X
其次是英特爾，目前主打芯片Ponte Vecchio，同樣發布于2021年，采用7nm工藝，宣稱晶體管數量達到1020億，是全世界晶體管數量最多的芯片。這款芯片顯存128GB，顯存帶寬3.2TB/s，FP16峰值性能184TF，計算單元102個。
▲圖源：英特爾 Hot Chips 演示的幻燈片，展示了 PVC 上的小芯片
我們會發現，即使從單純的數據上看，英特爾和AMD也沒有完全被英偉達甩開，甚至在某些領域，這兩家的芯片還領先英偉達的A100。
但是這里有兩個誤區，第一個誤區是，英特爾和AMD這兩款芯片的發布時間比A100都要晚一年，他們真正對標的對手，其實應該是英偉達在2022年初發布的H100，而現在英偉達的芯片已經更新到H200了。
▲圖源：Semianalysis
第二個誤區在于，硬件指標并不完全等于芯片的整體能力，軟件生態是決定芯片性能和使用的第二個關鍵指標。
這就像手機和操作系統一樣，手機的硬件配置再好，沒有一個好的操作系統，對于消費者來說仍然不是一款好的手機。而這里需要提到的，就包括英偉達的CUDA平臺、NVLink和Tensor Core等軟件生態。
比如CUDA平臺，我們前面提到的CUDA核心就是這個平臺的產物，它可以提高芯片的并行計算能力；它可以通過編程，提高GPU的能效比，讓同樣的工作耗費更少的能源。
此外，CUDA平臺還支持廣泛的應用程序，包括科學計算、深度學習、機器學習、圖像處理、視頻處理等等，它還允許技術人員通過C++等常用的編程語言來編寫GPU代碼。打一個不恰當的比方，這相當于中國人不用學習英文，直接使用中文指揮外國人做事情，幫助技術人員節省了巨大成本。
但目前市面上大多數程序員已經深度依賴CUDA平臺和開發工具，就像我們使用微信許多年了，你的朋友、聊天記錄、朋友圈都在這個微信上，即使現在出現一個更好用的社交軟件，你也很難遷移。
CUDA帶來的生態壁壘也類似這個道理，其他平臺雖然也有自己的軟件生態，比如AMD有自己的GCN 架構，英特爾有Xe架構，甚至為開發者提供類似“一鍵換機”遷移功能，但都很難與英偉達競爭。
當然，這里面也有一些曲線救國的做法，比如以AMD為首，越來越多的芯片企業采用了“打不過就加入”的策略，選擇將自己的芯片兼容到CUDA平臺，早在2012年的時候，AMD就與Nvidia 達成了一項協議，允許AMD在其GCN架構GPU中使用 CUDA 技術，所以現在我們在AMD的芯片中，也會看到CUDA核心。
當然，對于英偉達來說，CUDA也只是護城河的一部分，其他的技術如NVLink也至關重要。
作為大模型訓練的GPU，沒有哪家企業會單獨使用一張GPU，每次都會使用至少幾百張卡，甚至上萬張卡一起建立計算集群。NVLink是一種鏈接技術，可以實現GPU之間的高速、低延遲的互聯。如果沒有這種技術，整個芯片算力的集群就無法實現1+1>3的效果，而且會增加GPU之間的通信延遲，執行任務的效率會降低，芯片的功耗會增加，最終增加整個系統的運行成本。
大模型訓練實際上是一個非常消耗能源的事情，國盛證券做過一個計算，假設每天約有1300萬獨立訪客使用ChatGPT，那每天的電費就需要5萬美元。而如果沒有NVLink，這筆成本還會指數級上升。
芯片某種程度上就像購車一樣，購車只是第一次成本，之后的油費、保養、保險才是成本的大頭。所以黃仁勛才說，“AI系統最重要的不是硬件組成的成本，而是訓練和運用AI的費用。”
所以，雖然AMD、英特爾在某些芯片上把價格定得比英偉達更低，但是從長期成本來考慮，具有更優軟件生態和協同、配套工具的英偉達芯片仍然是性價比最高的選擇。
當然，這里面還要考慮到使用場景的問題。
比如英偉達的大客戶，主要是以Meta、微軟、亞馬遜、google為代表的云計算平臺。有媒體報道，頭部云計算廠商在英偉達H100 GPU整體市場份額中的占比達到50%。
▲圖源：Omida Research
而云廠商采購芯片的邏輯，主要是構建算力集群，然后通過云服務平臺將這些算力再賣出去。但這里就會存在一個問題，就是云廠商并不知道客戶會拿這些算力來做些什么，比如有的企業會用來做機器學習，有企業需要大模型訓練，也有企業需要做大模型推理。
不同的需求，背后對應的算力配置也不盡相同，它需要底層的芯片能夠支持多種編程模型，支持多種數據類型，有較好的可拓展性和良好的性能和功耗等等。而這些，恰恰是英偉達硬件能力加軟件生態帶來的優勢。
綜合來看，無論是從硬件性能，還是軟件生態；無論是從開發工具和部署工具，到長期使用的成本和可開發應用場景。對比同類競爭對手，英偉達都屬于最有性價比，且遙遙領先的存在。
這就是為什么明明需要排著長隊、忍受長時間等待，大家卻仍然執著于英偉達芯片的原因。
誰想替代英偉達？
難道英偉達真的不能被超越嗎？當然也不是，在巨大的市場利益面前，從傳統半導體巨頭到初創企業，圍剿英偉達的呼聲從來就沒有停止過。
特別是最近幾年，隨著云計算和云端AI芯片的火爆，已經有無數的半導體公司說過，自家芯片已經在部分性能上超過了英偉達A100，就像今天也有無數大模型企業會說自己已經在某些方面超過OpenAI GPT-3.5一樣。
在最新披露年報中，英偉達是這樣描述自己的競爭風險的。
公司的競爭來源主要有兩個，一個是 GPU、CPU、DPU、嵌入式SoC和其他加速AI計算處理器產品的公司，比如英特爾、AMD、高通、華為；另一個是提供基于InfiniBand（無線帶寬技術）、以太網、光纖通道和專有技術的半導體高性能互連產品供應商，比如華為、思科、惠普這樣的通信公司，以及亞馬遜、微軟、阿里、谷歌、華為這樣的云服務公司等等。
特別是第一次被英偉達列為對手且被反復提到的華為。從芯片硬件到軟件，從云服務到通信解決方案，英偉達幾乎將華為當做所有領域的競爭對手。
奇怪的是，雖然在2023年8月，科大訊飛創始人劉慶峰就提到華為的GPU已經可以對標A100了，但其實從客觀的性能、使用成本，軟硬件生態工具，華為與英偉達之間仍然有著代際的差距。
華為被如此重視，關鍵在于兩點：
一是市場環境的問題，由于眾所周知的原因，英偉達的高端芯片在國內的銷路并不暢通，在全面國產替代的背景下，其針對中國的特供版芯片在中國的競爭力也在降低。在這樣的背景下，華為擁有更多的成長空間，不必直接對標英偉達最先進的H200。
另一個關鍵是華為的生態能力非常齊全，作為通信起家的企業，華為不僅擁有自己的芯片，服務器，還擁有自己的云計算平臺和大模型?；旧希A為覆蓋了AI這條產業鏈從頭到尾的所有環節，對比英偉達擁有更大的潛力和可能。
如今，華為的昇騰910B正在瘋狂席卷中國市場，除了科大訊飛之外，國內多地的智算中心也都已經用上了華為的芯片?！敦斀洝分皥蟮溃A為昇騰系列產品目前處在供不應求狀態，價格約只有英偉達A100的60%甚至可以更低。
為了應對國內市場的變化，英偉達也在積極推出新的產品。2月初，有媒體報道，英偉達的新款國內專供芯片H20已經開始在接受經銷商的預定。
▲圖源：NVIDIA 由H2O.ai和NVIDIA提供支持的融合AI生態系統
而有趣的是，作為新產品，英偉達H20每張的定價換算成人民幣僅在8.6萬~11萬左右，剛好略低于華為昇騰910B 12萬元左右的價格。在英偉達承受中國市場壓力的背景下，這被看做是一種防守策略。
除了在國內有被黃仁勛親自認證的競爭對手華為之外，海外市場英偉達其實也是群狼環伺。
最虎視眈眈的自然是AMD。
2023年6月，AMD發布了Instinct MI300，目標是對標英偉達H100，其晶體管數量達到1530億，內存192GB、內存帶寬5.3TB/s，分別是英偉達H100的大約2倍、2.4倍和1.6倍。
軟件上，AMD仍然延續兼容CUDA的策略，一方面通過遷移工具，翻譯CUDA應用的策略吸引英偉達的開發者，另一方面開源自家的ROCm軟件，提高企業和開發者的自主權。
對于芯片算力這么基礎的部分，沒有企業希望英偉達成為自己的唯一供應商，所以在MI300推出之后，包括OpenAI、微軟、Meta都紛紛表態將采購MI300。
除了AMD，即使是已經在AI上落后的英特爾，也不甘心錯過這場潑天富貴。
英特爾最新的AI芯片Gaudi3將在2024年上市，這款芯片采用5nm工藝，最高配備128GB的內存。按英特爾的宣傳，這款芯片的帶寬是Gaudi 2(7nm工藝)的1.5倍，BF16功率是其4倍，網絡算力是其2倍，并表示Gaudi3的性能將優于英偉達的H100。同時，美國政府也在對英特爾進行扶持，預計將向英特爾提供超過100億美元的補貼。
從戰略上，與英偉達的優勢在云端不同，英特爾的優勢在與其廣闊個人終端市場。所以英特爾其實將更大的賭注壓在了個人終端的AI化上。英特爾CEO基辛格多次提到，要重構PC體驗，并表達對未來AI PC市場的看好。英特爾希望依靠其CPU在個人PC上的優勢，率先搶占這一市場，然后再通過消費市場反向促進云端市場的繁榮，打一波農村包圍城市的戰役。
事實上，芯片的行業特點與軟件、或者互聯網的商業可以通過建立用戶規模，或者生態就建立壁壘實現贏者通吃不同。作為高度技術密集型產業，芯片技術的代際變化非常大，只要存在技術迭代的機會，后來者就永遠有彎道超車的可能。
芯片不同于軟件，或者互聯網等其他業務模式，建立起一定的用戶規模之后可以一直贏者通吃。只要存在技術迭代的機會，后來者就永遠有彎道超車的可能。
而無論是AMD還是英特爾，亦或者華為，他們都有深厚的技術研發能力和充裕的資金，這些企業可能會在這個階段暫時落后，但也誰無法篤定，這些企業不會出現一次技術涌現，或者抓住某個技術迭代的關鍵時期后來居上。
從最新財報看，AMD 2023年Q4數據中心的銷售額22.8億美元，同比增長38%，表明市場已經在逐步接納其AI芯片的使用。
而除了AMD和英特爾這樣的老牌玩家之外，這個市場上還有很多創業者在前赴后繼。
最近比較出名的如Groq，其針對大語言模型量身定制的LPU芯片每秒可以生成500個token，遠超英偉達芯片的效率。當然，這個成績仍然是在實驗場景下的結果，最終工程化交付還有很長的距離，且這款芯片也還有許多技術問題有待解決。
但這本質上代表，面對新的場景，如今的芯片的技術仍有創新空間。
所以我們會看到，作為全球最具代表的AI企業，OpenAI也宣布了自己的造芯計劃。其創始人CEO Altman前段時間不僅傳出7萬億美元的募資芯片，在這之前更是已經投資了包括Cerebras、Rain Neuromorphics和Atomic Semi在內的至少三家芯片公司。
遠在日本的孫正義，在互聯網時代已經功成名就的他也打算放過這次機會，剛剛從巨額的投資虧損中解套的他，立馬就提出了募集1000億美元以創立一家人工智能半導體芯片企業的計劃。
有媒體報道，在這次計劃中，軟銀將出資300億美元資金，另有700億美元的資金可能來自中東地區的機構。而在2023年，軟銀集團曾以640億美元的估值收購ARM公司25%股份，這也是孫正義投入芯片的底氣之一。
當然，對于英偉達來說，更大或者更直接的危險還是來自其最大的客戶——云廠商。
面對巨大的算力需求，國內如百度、華為、阿里都相繼推出了自己的AI芯片，在國外，包括微軟、亞馬遜、Google也同樣在開發自己芯片。
當然，這些芯片主要針對的是特定場景的計算需求，與英偉達面向通用場景的GPT仍然有不同。但這也代表，云計算廠商正在逐步減少對英偉達的依賴。而正如前面所提到的，這部分企業才是真正支撐英偉達業績的主要客戶。
面對這些既定的，或者潛在的市場變化，英偉達自然也沒閑著。據路透社報道，英偉達近期已與微軟等主要云廠商聯系，商討為云廠商定制AI芯片的問題。
同時，英偉達也在持續推出新的芯片，以期望不斷拉開與后來者的距離。目前，英偉達已經公布了其下一代AI芯片B100的消息，設計性能要比H100快3倍。
所以，雖然超越英偉達的機會仍然存在，這個世界也從不缺少挑戰“霸權”的勇士，但這個任務顯然還很漫長。
