萬億帝國的野心與隱憂。

一周飆漲3000億美元，塑造了一個芯片史上的“奇跡”。

五月的最后一天，從GPU（圖形處理器）戰場成長起來的芯片制造商英偉達，憑借著對數據中心業務的樂觀預期，市值突破萬億美元，成為美國第七個，史上第九個躋身萬億市值俱樂部的科技公司。

這個美國俱樂部里還有：蘋果、微軟、亞馬遜、Alphabet（Meta和特斯拉已經跌出萬億）。而英偉達是這個萬億俱樂部里，唯一一家芯片公司，是臺積電市值的1.8倍，是英特爾（1245億美元）的8倍。

英偉達和英特爾的市值對比

三年前，當27歲的英偉達市值首次超過昔日CPU（中央處理器）處理器霸主英特爾時，這被看作“一個時代的終結”。而今天，致力于為AI科技企業提供算力底座的英偉達，成為美國十年來漲幅第一的股票，則預示著一個新時代的開啟。

英偉達在1993年以做3D游戲的圖形處理器起家，面向游戲玩家出售能提升畫面清晰度的顯卡，是它的主要營收。直到2012年，其定義的GPU被應用于深度學習研究，GPU的并行計算能力在處理密集數據時效率遠高于CPU，為英偉達成為AIGC最大的獲利者，埋下伏筆。

這一路，英偉達經歷過創業初期處理器設計的失敗，放棄已躋身全球前五的移動處理器市場，也擁抱了加密貨幣、元宇宙熱潮，甚至受加密貨幣低谷影響，去年其市值一度腰斬至3000億美元。直到ChatGPT的發布和AIGC浪潮，開始哄搶GPU，英偉達成為最受寵的“賣鏟人”。

我們關注它如何成功，將如何拓展它的野心，又將如何面對永遠留在桌上的難題？

1.最重要的轉折

從圖形處理，到AI計算

在兩周前的臺灣大學畢業典禮上，創始人黃仁勛受邀分享了英偉達的創業故事。此時正值英偉達市值節節高升，這看起來更像是成功經驗的分享，他歸結于“確定目標，勇于糾錯和耐心等待。”

AIGC的加速計算時代，并不讓黃仁勛意外，這反而是他在30年前創辦英偉達時就在等待的時刻。

1993年，黃仁勛與兩位工程師好友在加州的一家餐廳中成立了英偉達。兩年后，英偉達研發的第一項技術是PC游戲的3D圖形，這個非主流、低成本的3D技術拿到了SEGA主機的合約。但1996年，黃仁勛不僅發現架構設計不合理，其技術路線還與微軟在Windows95上主導的圖形編程接口Direct3D不兼容。英偉達“成了最后一個接受這個標準的公司，同時又是最小的一家，那你怎么贏？”黃仁勛向財新雜志描述過當年的窘境。

這一錯誤讓黃仁勛決定違約，拿著只能維持六個月的資金，裁撤了70%的員工，研發支持微軟Direct3D圖形接口的高性能128位圖形芯片，獲得了全力支持。到了1997年底，它的出貨量超過100萬張，英偉達才避免在創業初期就倒下的命運。

2012年，英偉達也有策略地糾正過路線錯誤。英偉達曾試水過移動處理器市場，開發了Tegra處理器，甚至花去公司當年的兩成營收用來并購和研發產品。但高性能、低功耗的移動處理器與PC端處理器的市場需求不同，而集成的SoC在需要CPU、GPU之外，還需要英偉達有做通信芯片的能力，這是英偉達并不熟悉的市場。

此時已進入4G時代，就像芯片行業的總是贏者通吃的定律一樣，霸主高通幾乎主宰了整個市場。

黃仁勛想了一天，他覺得英偉達并不能在移動手機芯片市場做出非凡的成就，哪怕當時手機業務營收占到總營收的18%，份額躋身全球第五，他還是給所有管理層發了郵件，“這產業已經不需要我們了，我們退出吧。”

最終，英偉達將Tegra處理器用在智能汽車、智慧城市和云服務上，奠定了它兩條產品線并存（GPU+Tegra）的商業布局。

及時糾錯，或許也給了英偉達擁抱每一場浪潮的勇氣，加密貨幣、元宇宙熱，英偉達從未落下。英偉達目前的專業視覺部分營收，就來自對元宇宙的期望，2021年4月英偉達還推出Omniverse平臺，但在最新財報中這部分營收占比縮減至僅4%。

在英偉達踩空了幾次浪潮后，得以獲取一個新未來的，是人工智能研究者辛頓和他的兩名學生。

2012年，辛頓三人研發的深度卷積神經網絡在ImageNet中獲勝，收到微軟、谷歌、百度以及DeepMind的收購邀約，百度一度給出4400萬美元的收購價。

而這一研發正是基于GPU的并行計算能力——用CPU訓練這一神經網絡，需要花費幾個月，基于兩張英偉達為大型PC游戲準備的GTX50顯卡，只需不到一周就完成了。

在此之前，英偉達就已開放了GPU在圖形領域之外的應用。

2000年，英偉達通過收購老對手adfx，成為GPU領域的勝出者。但GPU的加速計算能力，多數用于PC端的游戲上，因為使用通過Windows接口連接的GPU，需要編寫復雜的底層語言，這將大部分普通工程師和更多場景應用都拒之門外。

為了解決這個問題，2007年，英偉達建立CUDA平臺，讓程序員用計算機的C語言就能在GPU上做大規模并行計算，這讓GPU開啟了非圖形領域的通用并行計算，比如拓展至物理模擬、高性能計算等領域。

之后5年，英偉達累計花掉5.6億美元維系CUDA的開發，當時每年GPU營收在30億美元左右，利潤率不超過30%，英偉達股價常年游蕩在10美元上下。但也是CUDA的開放和推行，讓GPU得以被AI研究者發現。

這一實驗同時觸動了人工智能玩家，以及黃仁勛。他開始思考，“深度學習的長期影響是什么？”

2016年，英偉達押注AI浪潮，也由此引領股價一路高歌猛漲。這年發布首款深度學習超級計算機DGX-1，其搭載了8塊專為深度神經網絡打造的GPU產品P100。DGX-1曾被黃仁勛親手交到OpenAI公司，構建了ChatGPT模型訓練的硬件底座。

之后幾年里，英偉達的深度學習計算機展現了如同此前英偉達在游戲顯卡上的算力迭代能力。2018年，英偉達推出第二代深度學習計算機DGX-2，包含16塊V100 GPU/每單元；兩年后，英偉達又迭代到第三代DGX A100，包含8塊A100GPU。OpenAI也在GPU算力升級的加持下，從GPT-1代，迭代到GPT-3.5。

在今年3月的GTC大會上，英偉達再次推出基于最新的GPU H100的服務器，算力比前一代被哄搶的A100提升了10倍。

看好英偉達的投資機構認為，需求端會不計成本購買H100替換數據中心的芯片，哪怕新產品H100價格比上一代上漲了3～4倍。

英偉達也在最新財報會上就釋放了這一利好信號，預期第二財季的銷售額將達到110億美元，而這主要來自數據中心業務的營收增長，不再是游戲業務。

一家依靠圖形處理器的游戲業務成長起來的芯片制造商，正蛻掉它的第一層皮。

2.追隨AI時代，押注數據中心

黃仁勛在數據中心上的遠見和野心，在3年前就已顯露。

2020年黃仁勛首次提出 “CPU+GPU+DPU（Data Processing Unit 數據處理器）” 這一數據中心系統解決方案。同一年，英偉達以 69 億美元收購了全球智能網卡龍頭公司 Mellanox，旨在開發自己的 DPU 產品。在5月30日的Computex 2023演講上，他稱贊這是最偉大的戰略決策之一。

60年來，萬億美元級的全球數據中心市場主流處理器都選用CPU，以GPU為代表的加速計算占比還極為有限。但黃仁勛不吝嗇對GPU將翻新數據中心市場前景的看好，“我們正處于一個全新的計算時代”，他說。

在與財新雜志的對談中，他描述道，AI2.0的發展將不止于程序員通過計算機語言寫出和人交互的程序，也不止于AI對環境的感知力，而是自動生成信息、具備理解使用者的能力，這將大大降低編程的門檻，消除數字鴻溝，“每個人都是程序員”。

兩三年前，深度學習和AI還只在全球少數擁有超大規格計算機的公司做加速計算，仍是新生事物，但在ChatGPT發布后，黃仁勛說，已有10000家AI初創公司正在使用NVIDIA AI。

這一改變將驅使新型AI電腦取代傳統電腦，超級計算機將成為新工廠，有性能瓶頸的CPU將不會適應這一變化，GPU的需求將越來越多。“與重塑數據中心相關的訂單數量卻是難以置信”，黃仁勛在最新的財報會議上感嘆。

2014年，數據中心業務全年只占英偉達總營收的14%；而在其2024財年一季度的財報中，該業務已成為占據總營收59.5%的主營業務。

英偉達近年營收和業務營收占比

英偉達也非常樂觀地預測，下季度數據中心收入將接近80億美元，比這一季度的收入再增加一倍，預計全年僅數據中心營收就達到300億美元，比2023財年英偉達全年的總收入還要高，遠遠高于英偉達其余三大場景：專業視覺、汽車和機器人的營收。

大巨頭依然是英偉達服務的主角。大型互聯網公司、專注大模型的AI企業是英偉達銷售數據中心的主要對象。

花旗集團分析師Atif Malik預估，僅ChatGPT一家，就能為英偉達在一年內帶來30億美元至110億美元的營收。ChatGPT訓練和推理過程，要用到超過1萬枚英偉達A100 GPU芯片的AI計算集群。

而哪怕大型互聯網公司正在縮減開支，他們對數據中心的投入并沒有減少，并計劃用人工智能替代工程師。

今年3月，英偉達還發布了AI云服務DGX Cloud，通過云廠商平臺，向用戶提供訓練生成式AI大模型及其他AI應用的算力月租服務，這將觸及更多中小型AI企業。

“CPU+GPU+DPU”的數據中心解決方案也被更廣泛地應用。在數據中心，英偉達發布為AI打造的以太網卡NVIDIA Spectrum-4，從CPU中接管網絡、安全、虛擬化、存儲等數據中心運維任務，幫助CPU減少算力資源浪費；同時英偉達也推出首款數據中心CPU Grace（2023年上半年），Grace是AI工廠的理論CPU。

在AI超級計算機上，英偉達最新的進展是，DGX GH200把256塊GH200 Grace Hopper超級芯片整合至一起，GH200超級芯片已全面投產。英偉達還推出為游戲開發代工AI模型的服務。之前英偉達已經針對語言大模型、視覺、藥物研發三個場景推出定制大模型代工的云服務產品。

在黃仁勛布下的宏圖中，未來十年，英偉達會將計算速度再加快一百萬倍，而領域將不限于生物、物理、人工智能、機器人等各個場景。

3.萬億帝國的桌面，永遠有難題

在英偉達成為萬億俱樂部成員時，一位投資了英偉達5年的華爾街金融教授阿斯沃斯·達摩達蘭，賣掉了持有的英偉達股票。

他告訴《巴倫周刊》，英偉達目前在250億美元的人工智能芯片市場占有80%的份額，最樂觀的預測是，10年后該市場規模將達到3500億美元。即使假設英偉達未來的市場份額達到100%，達摩達蘭得出的估值，也要比近期股價低20%。

“我得不出每股400多美元的估值。”他說。

從商業邏輯上，他認為英偉達無法躋身萬億俱樂部的核心原因在于，英偉達本質上是一家硬件公司。

“萬億美元俱樂部”的成員，利用軟件將大量終端用戶吸引到生態系統中，產生統計學家所說的商業機會的“長尾分布”——從新產品和新服務中獲利的多種方式。

“當好處不如一家有數十億用戶生態系統、以消費者為基礎的公司那么大，這會影響你押注它的意愿”，達摩達蘭說。

有“女版巴菲特”之稱的凱西·伍德，在今年1月份清倉了英偉達的股票。她預測，繼英偉達之后，下一個搭上人工智能熱潮的將是“軟件供應商”。她表示：“英偉達每銷售1美元的硬件，軟件提供商、SaaS提供商將獲得8美元的收入。”她把籌碼押在了軟件股上，她預計這些股票最終會增長到英偉達的規模。

看上去，華爾街的投資者更信任軟件服務商，而不相信英偉達的股價將持續增長。

哪怕黃仁勛一直強調，英偉達是一家軟件公司，英偉達的業務是銷售優化數據中心，而非芯片和組件，其封閉的軟件生態CUDA更將對手甩在身后。

即便如此，英偉達在萬億俱樂部里也顯得另類——其他幾位巨頭都在通過軟件吸引終端用戶，激發更廣闊的網絡效應，唯獨英偉達，更為知名的是依靠GPU撐起一個計算帝國。

技術的世界里，向來充滿變數。

2016年，無數工程師投身AI熱潮，一個很重要原因是，他們受到了GPU加速計算將改變深度學習的啟發。

但GPU本是為圖形渲染設計的，用GPU做深度學習是無心插柳。“如果專門為深度學習設計加速芯片，會不會效率更高？”這是自動駕駛芯片獨角獸地平線的創始人余凱，寫在《深度學習革命》序言的創業初衷。

相信深度學習孕育著一種新芯片機會的人有很多。阿里巴巴自研了AI芯片含光800，號稱圖形處理能力是傳統GPU的10倍；以及數據中心通用芯片ARM CPU 倚天710。谷歌的TPU是最被英偉達忌憚的芯片，此外云廠商亞馬遜，大型互聯網公司百度、字節都在研發更專注于自己的業務場景的ASIC芯片，它們希望降低對英偉達的依賴和芯片采購成本。

英偉達拋下了同行競爭者，但難以抵擋客戶的威脅。

另外一個變數是中國的市場。

2022年全年，英偉達47%的營收來自于中國市場。除了數據中心業務以外，英偉達在移動終端芯片的布局——自動駕駛芯片的銷量有很大一部分被中國市場消化。中國是最大的新能源市場，大部分高端車型都選擇了英偉達Orin芯片來布局汽車智能化。

但中美對抗的地緣政治問題，已經限制了英偉達向中國公司出售最先進的芯片。"如果我們被剝奪了中國市場，我們沒有應急措施。”黃仁勛曾表示。

同時，中國正在掀起一場追逐英偉達的國產GPU替代潮，黃仁勛在不久前的一場媒體圓桌會議上警告，英偉達必須跑得非常快，不要低估中國在芯片領域的追趕能力。

和PC游戲、加密貨幣不同的是，AIGC在引領一場更大的變革，這場熱潮或許會持續更久，但英偉達也將面對“能否滿足需求”的供應難題。

據日本野村證券估計，英偉達今年對臺積電的CoWoS晶片的需求將達4.5萬片，較年初預估的3萬片晶圓大幅增長50%，但部分封裝設備與零組件交期長達3~6個月，市場可能將有半年的缺貨。

而AI公司等不及了。OpenAI創始人Sam Altman不久前在一次談話中透露，OpenAI的GPU也非常有限，用戶抱怨的API問題大部分都來自GPU短缺。

還有投資者質疑，英偉達的數據中心訂單激增是否真的有需求，而不是客戶過于恐慌的重復下單。

成功者論調和質疑聲都沒有停歇。最新的盤中數據顯示，英偉達市值已回落到9500億美元，正如黃仁勛一直強調的，“離倒閉只有30天”，一些會引發連鎖反應的難題，會一直擺在黃仁勛的桌面上。