尽管仅在5月30日短暂突破万亿美元市值便再次下跌，但由chatgpt引发的“英伟达”旋风，在ai业界却越刮越猛。
6月1日，多个独立信源告诉华尔街见闻，英伟达ceo黄仁勋将于6月5日至6月11日期间抵达中国大陆。但英伟达没有向华尔街见闻正面确认此则消息。
(资料图)
眼下，a股但凡和“英伟达”或“黄仁勋”三字沾边，个股都受到市场热捧。5月29日，黄仁勋在参加computex 2023中国台北国际电脑展会时，演示英伟达新平台isaac amr（自主移动机器人）。这个平台的底盘采用了科创板公司的rmp系列产品，该公司盘中立即涨停。
在“超级ai应用”chatgpt的指引下，英伟达第二季度营收预测值超出市场预期竟高达惊人的50%，至110亿美元。
谁还能阻挡英伟达称霸ai赛道？
英伟达的ai gpu强在何处？
英特尔已不再是当年那家占据统治地位的科技公司。
原本cpu是pc或服务器最重要的核心部件。但是现在，加速计算芯片通过杀手级应用chatgpt正在加速取代cpu的地位。算力成为以idc为基础条件的ai应用发展核心驱动力，gpu成为关键部件。
“生成式人工智能将是（英伟达业绩）引爆点。”黄仁勋说，“与cpu相比，未来idc更需要gpu，因为数据都将通过生成式llm自动生成，而非主要用于数据检索。”生成数据需要更多的gpu，而检索数据，只需要cpu。
目前，性能愈发强悍的pc系统配置了超过8个服务器gpu和1个cpu的算力硬件，英伟达占据了全球超过八成（84%）的服务器（idc：数据中心）gpu市场份额。
比如，英伟达dgx系统，这是用于数据训练的idc核心算力来源，搭载了8颗英伟达高端h100 gpu，还有两颗cpu；谷歌的a3超级计算机，同样用了8颗英伟达h100 gpu，但只用了1颗英特尔制造的高端至强处理器。
据英伟达公示的技术资料显示，h100于2022年三季度发布，训练速度比a100快9倍，推理速度比上代产品a100快30倍。5月29日，黄仁勋发布了gh200超级芯片，这是英伟达开发的基于arm架构的cpu gpu集成方案，用于开发聊天机器人、互联网推荐系统算法等大模型ai应用。
这个趋势随着agi在产业的持续落地，产生的影响日益显著。英伟达idc业务在第一季度增长了14%，但英特尔的ai和idc业务部门业绩下降了39%。
另一项因素也在加强英伟达超越英特尔的优势。英伟达服务器gpu售价极高，单颗英伟达h100售价高达4万美元（ebay平台加急售价），而英特尔最新一代至强cpu的单颗标价虽然也很高，但“只有”1.7万美元。
当然英伟达也不是全无对手，当年英特尔的上游凯发k8一触即发的合作伙伴amd，也在发力服务器gpu，包括高通、苹果、谷歌和亚马逊在内的众多巨头，都在设计开发移动ai算力芯片，而非服务器gpu；甚至是英特尔，在游戏领域的gpu技术实力，同样不容小觑。
但是在眼下，英伟达确实一家独大。但凡提及agi算力，无不将英伟达服务器gpu列为首选。这主要是因为agi目前对算力极为渴求，要处理处理tb级数据，训练性能要求极高，而在需要“推理”的过程中使用模型生成文本、图像或预测，也不是移动ai gpu能达成的。
更重要的还不在于英伟达的gpu硬件性能，而是——英伟达的ai软件系统：英伟达的ai专有软件，能轻松聚合gpu的硬件功能用于ai应用程序。
黄仁勋在英伟达财报电话会议上也说，“我们的软件不易复制，（竞对）必须设计所有的软件、库和算法，将它们集成到框架中并做持续优化；同时，软件架构也同样需要优化迭代。”
也就是说，要做到和英伟达一样，实现gpu与ai应用的无缝衔接，要做的不仅仅是优化芯片的设计和性能，还需要对软硬件的技术架构和整体框架做同步优化，这是一项系统工程。要超越单品性能虽然不易，但并非全无可能，但面对系统级能力，谈超越，难度不言而喻。
英伟达也在持续增加对idc的资本投入。据英伟达最新财报显示，其整体收入中，idc资本支出的份额占比已增至8.4%，而之前根据其上一年的固定比率预测为6.5%。
初创公司和巨头的现实威胁
看上去似乎无人能阻挡英伟达在ai技术领域的统治地位，但ai前景的无限空间，仍在吸引无数挑战者。
除了上文提及的多家巨头，初创ai公司成为英伟达ai挑战者大军不容忽视的一部分。当然，这种技术要求的初创公司很难出自无名之辈。
有一则极具戏剧性的传闻，出自在前沿技术和应用领域极为活跃的特斯拉公司首席执行官埃隆·马斯克（elon musk）之口。这位持续让世人惊叹的科技巨子说，“就连狗都在抢gpu”。
有鉴于此，所以马斯克虽然在口头上叫停研究ai技术，但他的身体却很诚实：这位老兄在今年3月9日建立了一家取名为“x.ai”的ai公司，还偷偷摸摸买了10000颗英伟达gpu。
想分英伟达一杯羹的还有来自英特尔公司架构、图形和软件（iags）部门的副总裁、首席架构师raja koduri，这位技术大拿已于今年3月底离职。接下来，raja koduri将创办一家ai技术公司，主要研发新一代生成式ai工具，目的是削弱英伟达对数字电影和视频游戏市场的控制力。
与马斯克的x.ai公司不知道要干嘛相比，raja koduri的计划更清晰。他这家尚未命名的ai初创公司，第一个项目，是要创建一套ai工具，以便让包括电影和游戏艺术家在内的消费群体，无论用pc、mac、ipad还是其他设备，都无需深入研究软件代码而直接生成自己想要的工作结果。
尽管这些ai赛道新手看上去很想大干一场，但真正对英伟达有现实挑战能力的还是amd、微软和谷歌此类巨头。其中，amd在游戏领域的gpu对英伟达有些许威胁，但idc需要的服务器专用gpu性能无法望其项背。
至于微软、谷歌甚至云服务商比如亚马逊，都一面和英伟达保持良好的业务合作，一面又在下大本钱研发自己的ai专用gpu。
比如微软，这个桌面pc时代的超级霸主，正是openai的背后金主（2019年微软给openai投了10亿美元），同时也是英伟达h100芯片最大的采购方。今年3月，微软用数万颗英伟达gpu帮openai组装了一台ai超级计算机。
但微软也在推进自己的ai芯片研发计划，代号“雅典娜”。这项计划始于2019年，目标是为训练llm（大语言模型）等软件而设计，同时可支持推理，能为chatgpt背后的所有ai软件提供算力支持，初代雅典娜gpu量产时间表被定于2024年。
与微软相比，谷歌对英伟达的威胁可能更显著。目前谷歌的ai处理芯片是专为ai研究开发机器学习（machine learning）的专属芯片tpu（张量处理单元），能同时处理“云上”训练和推理，并设计了基准测试工具mlperf。
谷歌tpu如今已迭代到v4版。据谷歌4月6日披露，得益于互连技术和领域特定加速器（dsa）方面的关键创新，谷歌云tpu v4在扩展机器学习系统性能方面比其前代版本有了近10倍的飞跃。
tpu v4是谷歌于2021年推出的、专门用于执行机器学习的ai芯片，是谷歌第5代特殊领域加速器（dsa：domain specific accelerator）及第3代用于ml模型的超级计算机平台，其性能与英伟达a100相比，速度快1.2-1.7倍，功耗低1.3-1.9倍。
尽管如此，就眼下看，对英伟达具有商业层面现实威胁的公司，还不存在。这些威胁，现在还处于水面之下。
编辑/jeffrey