暴涨 1.3 万亿！老黄笑哈哈，谷歌要偷家 氢能源发展再加速房山将成产业“热土”东实股份深市主板IPO获受理 五成左右营收依赖东风集团北京独角兽企业数量领先 产学研融合助力城市创新发展中证指数有限公司

 

"大家都在抢我的芯片！"

昨夜，全球算力总龙头英伟达发布一季度财报。

总营收 72 亿美元，超过市场预期的 65 亿。万众瞩目的 AI 芯片业务，营收创历史新高，同比上涨 10%；大家不太看好的游戏业务，收入也高出预期。

盈利方面，同样爆炸，毛利率、EPS 都超过了先前的指引和市场预期。

最重要的二季度营收指引，不但没有继续下降，反而大增 33%，比原来分析师的预期高出 53%。

业绩这么好，股价盘后直接暴涨 25 个点，比一个 AMD（1750 亿美元）还多，并有望成为全美第七家市值 1 万亿美元的公司。

世界奇观啊，前段时间梭哈的，怕是睡着了都要笑醒。

英伟达走势，来源：Choice

但问题也接踵而至。

英伟达的顶峰，到底在哪里？

现在上车，会不会太晚？

01

臭打游戏的，改变世界

《华尔街之狼》里有个很酷的观点：制造需求。

当消费者意识不到自己需要什么的时候，你去提醒他，就能多出一片市场。

形象点的概括，就是 "真香"。

最典型的案例，是工业革命早期的棉布热潮。

资本家买纺纱机的目的，原本只是提高生产力，用更少的工人产更多的布。

没想到，机器性能太猛，直接把产能拉爆，消费者都不够用了。

为了把库存卖出去，纺织厂只能去创造新需求，把棉布降价卖给穷人。

当穷人们穿上棉衣："这丝滑的感觉。以前的麻布衣服，真的是抹布！"

棉布的需求于是爆炸性增长，供给又变得不足。

为了跟上市场需求，农民扩大棉花种植，纺织作坊进化成纺织工厂，技术人员改进技术，最后搞出了蒸汽机。

第二次工业革命时期，也有类似的剧本。

资本家借助国家的武力，建立起世界市场，将产品卖到亚非拉。当这些地方的老百姓用上火车、电灯、火柴，惊呼原来还有这么方便的东西。

巨大的需求缺口立刻滚滚而来。为了扩大产能，又一次技术大改革开始。

不过，世界市场实在太大，为了更高效收割，老牌工业国干脆把产业链转移到后发国家，又把现代金融体系建立起来了。

这种创造需求、满足更多需求的轮回，是近代世界历史的一条暗线。

今时今日，这个剧本仍在不断重演。不论是宏观经济，还是在每一个细分领域。

来源：《人教版必修二》

IBM 董事长沃森，曾有一句名言：全世界只需要五台计算机的算力。

显然，他没想到，宝贵的算力和芯片，会被市场和消费者拿来玩儿。

最初，半导体的主要需求方是军事和科研单位。但是，又不打仗了，这些需求很快就达到极限。

怎么办？还是老一套：创造需求。

1974 年，雅达利推出 pong 家用机，销量达到 15 万，而同时期 PC 市场规模只有几千台。

1975 年，MOS 科技推出 6502 游戏芯片，后来乔布斯发家的 Apple II，搭载的就是它。

1978 年，北美家用游戏机 + 街机市场共盈利 12 亿美元，而 PC 市场规模才 5 亿美元。

游戏机这么强，正是因为贪玩的大众创造了巨大需求，从而形成一个稳定的市场，让做硬件有利可图，给了科研人员一条活路。

这不仅保护半导体活过了 70 年代，还带来了足够多的 money，让技术能够以摩尔定律的速度爆发式成长。

正好对应了创造需求的下一步：满足更多需求。

1992 年，《德军总部》拉开 3D 时代序幕，引爆了全球游戏市场。眼看巨大的商机，游戏厂商便找硬件厂商寻求技术支持。

也就是，显卡。

第一个给出解决方案的是 3dfx 公司， Voodoo 加速卡登上历史舞台，很快成为爆款。

各方纷纷效仿，美国市场瞬间出现了上百家做显卡的公司，竞争及其激烈。

直到 1999 年，英伟达推出第一款现代意义上的 GPU —— GeForce256，性能吊打市面上所有显卡。它的牛逼之处在于，从硬件上接管了 CPU 转换和光照计算，彻底解放 CPU。

这就是需求的力量。

尤其在 2007 年后，智能手机登上舞台，再一次拓宽了游戏的边界。

所有手机在讲自己性能好的时候，无一例外，都是用游戏举例子。

这种需求催生出一代又一代高性能芯片。

游戏推动了第一张骨牌，无数产业的故事，就此开始。

平均每部手机中射频芯片价值（美元），来源：天风证券

比如，3D 技术的跨越式发展，从根本上改变了电影的生产模式。

从前，特效大片需要先画故事版，然后让演员在绿幕前面，对着空气表演，再把素材交给后期，加各种酷炫特效。

但 3D 引擎将这一切反过来。把通用素材提前准备好，组合就能获得上乘场景。演员只需在场景中表演，特效与人融为一体，成本降了一大截。

《曼达洛人》有一半的特效镜头，都是用这种手法拍摄的。

而这一切，都源于无聊的游戏玩家们，想要在游戏里数腿毛。

又比如，2020 年开始，游戏显卡占英伟达营收比例越来越低，数据中心的订单越来越多。

数据中心买显卡回去，当然不是用来玩游戏，而是用这些显卡过剩的算力搞大数据计算，全世界有相当多的人工智能公司，要依靠显卡芯片提供的算力进行深度学习。

可以说，没有游戏，显卡的发展绝不会如此迅速，AI 的大爆发也极可能被延后数十年。

来源：中信证券

正是那群 " 臭 " 打游戏的，对光线和细节丧心病狂的追求，催促着算力向更高层次进发，而这些算力又用在了更多地方。

然后世界变了。

02

帝国的裂痕

2018 年，《财富》杂志举办活动，有人问黄仁勋：你何时知道英伟达公司将会改变世界的？

答：1993 年 2 月 17 日，我成立公司的日子。不改变世界，我创个什么业？

这肯定有吹牛的成分。

显卡吧有诗曰："先有老黄后有天，显卡在手日神仙。"

在游戏世界中，黄仁勋是玩家口中的 " 两弹元勋 "、爆破鬼才；在加密货币世界里，他是显卡疯子；在 AI 爆发的时代，他同样站在顶端，俯看竞争者为自己的显卡疯狂。

黄仁勋的成功，当然并非偶然。

世纪初，英伟达踩着所有对手的尸体，稳稳坐到显卡领域的王座上。

但这个位子，不是那么好坐的。

在 PC 时代早期，不论是对玩家还是游戏厂商而言，显卡都是一种极易过时的消费品。

除了游戏不断推陈出新，电脑本身也每隔几年就更新迭代，对显卡的性能要求，越来越高。

一方面，这形成了持续的消费力；但另一方面，如果跟不上新产品的步伐，等待 GPU 厂商的，只有收入暴跌、淘汰出局的结果。

这就像火烧屁股一样，催促着英伟达不断朝着更强大的技术前进，直到成为今天的模样。

但 GPU 在 AI 领域出圈，确实是偶然。

打从一开始，GPU 就不是为训练神经网络所生，而是图像。

更具体点说，是为了将 CPU 从图像显示的苦力活中解放出来而生。

GPU 和 CPU，虽然结构差异显著，但本质上都遵循冯 · 诺依曼结构，存储和运算是分离的，存在明显的效率瓶颈。

在分支众多的 AI 神经网络中，这是很要命的。

神经网络每增加一个分支，GPU 就要增加一次内存访问。在 AI 模型越来越庞大的当下，GPU 消耗在内存访问上的能耗，要远比运算高很多倍。

简单说，就是效率不行。

人工智能技术发展得越快，这些问题就暴露得越多。

对此，黄仁勋祭出两套方案，齐头并进：

1.暴力堆算力。AI 对算力的需求每 100 天就翻倍，这是悬在所有人头上的利剑。他们只能一边痛骂老黄心黑，一边像舔狗一样抢光所有芯片。

2.做生态系统，逐步解决 GPU 与 AI 场景不匹配的问题，包括功耗、内存、带宽瓶颈等等。

前者保证有肉吃，后者保证永远有肉吃。

这就是为什么，同样做芯片，英伟达的市值是英特尔的五倍，游戏、加密货币、云计算以及 AI 大模型，都离不开它的产品。

如果只是在硬件上内卷，不可能达到这么高。

除了 GPU 芯片设计能力，英伟达最宝贵的财富，是基于 CUDA 模型，孵化了大量的开发者和软件生态。

就像 Android 和 iOS 一样，遇到鸿蒙这样的挑战者根本不怕，因为即便后来系统做得再好，但是没有生态也是白搭。

英伟达发布 CUDA 后，先后推出居里、特斯拉、费米、开普勒、麦克斯韦、帕斯卡、伏特、图灵、安培、赫柏等一些列架构，用以支撑 Graphics 和 Computing 这两大场景。

但是，效果并不好。

正如 CPU 优秀的调度能力，以牺牲算力为代价一样，魔改后的 GPU 在算力上的堆叠也越来越克制。

在 AI 场景下，越来越难以匹敌专用芯片。所幸的是，后者并没有量产。

手握终极 " 缝合怪 "H100，黄仁勋暂时可以松一口气，目前市面上还未出现更能打的量产芯片。

但挑战者，并不是没有，还很强力。

一个典型的深度神经网络架构，来源：towards data science

最有实力的，当然还是谷歌。

4 月初，谷歌首次公布了 AI 超算的细节——TPU v4 性能相较 v3 提升 10 倍，比 A100 快 1.7 倍，同时功耗少 1.9 倍。

和 H100 对打的芯片，也已经在研发中，它并非没有胜出的机会。

相反，因为更适用于 AI 场景，只要能量产，谷歌 TPU 会更受欢迎。

比如，本轮 AI 热潮除了 OpenAI 外，还有两家出圈的公司，一家是 AI 绘图公司 Midjourney；另外一家是 Authropic，其对话机器人 Claude 跟 ChatGPT 打的有来有回。

而这两家公司，都没有购买英伟达 GPU 搭建超算，而是使用谷歌的算力服务。

当然，这两者加起来，也比不过微软自研 Athena 芯片所带来的冲击。

最近市场传出微软与 AMD 合作开发新款 AI 芯片，加快推出相关产品，为自身及市场提供英伟达 GPU 之外的另一种底层硬件选择。

"如果 Athena 具有竞争力，与 Nvidia 的产品相比，它可以将每芯片的成本降低三分之一。"

此外，针对 CUDA 模型，OpenAI 最近还推出了 " 简化版 CUDA"：Triton。

这是种新的语言编译器，性能媲美 CUDA，操作难度却低得多：只需 25 行代码，就能在 FP16 矩阵乘法上达到与 cuBLAS 相当的性能。

虽然 Triton 架构目前只正式支持英伟达 GPU，但之后也会支持多家硬件供应商。

因为它是开源的。比起闭源的 CUDA，其他硬件加速器能直接集成到 Triton 中，大大减少了为新硬件建立 AI 编译器栈的时间。

无论是谷歌还是 OpenAI，在 AI 领域无疑比英伟达更专业，它们欠缺的只是时间。

更何况，前文已经说了，AI 所需算力每 100 天将翻一倍。

也就是说，到 2030 年，AI 所需算力是现在的 3000 万倍。（2 的 25 次方）

即便是英伟达，也不可能满足如此恐怖的需求增长。

叠加全球供应链安全的考量，AI 芯片市场从过去的英伟达一家独大，或慢慢转变为群雄割据。

还有另一种情况。

如今，AI 一日千里，技术突破以小时计。如果在未来，AI 在社会上的普及能像 PC 和手机那样大幅提升，算力成本可能大幅下降

那时，GPU 更不是唯一的答案。

03

尾声

回顾历史，一战和二战，赢家是谁？从生意的角度看，是美国。

作为军火商，美国通过贩卖武器，实现了财富自由。

而今，多维度的人工智能战争已经打响，英伟达扮演的就是曾经军火商的角色。

目前，在 eBay 上，一张 H100 的售价，基本都在 4-5 万美元。而在一年前，才一万多。

而且有价无市。

据国内渠道商透露，之前拿货周期大约为一个月左右，现在基本都得三个月，甚至更长。

" 一台通用计算服务器的成本大约在 5 万块钱左右，现在符合美国技术出口规范的 A800 一块价格已经涨到十几万，对于投入算力基础设施的公司来说，整个采购成本都在增加。"

好家伙，二道贩子卖一张卡的利润，顶俺们上一年班。

这有点类似两年前的动力电池，享受量价齐升的逻辑。你总以为到顶了，其实远远没有。（参考阅读《世纪抄底英伟达》）

但这种垄断式中间商，还能爽多久呢？

复盘英伟达过去二十年，通俗点讲，只需做好游戏 GPU，就能顺带提高算力，满足训练 AI 模型需要，一举两得。

所以英伟达发展得快，从一个二线芯片公司变成了行业的 NO.1，不可谓不励志。

但当 AI 大模型进入高速发展阶段，英伟达的侧重点，从游戏转向并非自己专长的人工智能。固然能在前期垄断上游算力，赚得盆满钵满，但早晚会被更专业的玩家追赶上。

你说它是 AI 时代的卖水人，没问题。说市值万亿美元不是它的终点，也没问题。

但要说它是 AI 时代唯一的霸主，那就不尽然。

再如日中天的帝国，也要当心那道不起眼的裂缝。