万亿英伟达，站上AIGC的肩膀

万亿帝国的野心与隐忧。

一周飙涨3000亿美元，塑造了一个芯片史上的“奇迹”。

五月的最后一天，从GPU（图形处理器）战场成长起来的芯片制造商英伟达，凭借着对数据中心业务的乐观预期，市值突破万亿美元，成为美国第七个，史上第九个跻身万亿市值俱乐部的科技公司。

这个美国俱乐部里还有：苹果、微软、亚马逊、Alphabet（Meta和特斯拉已经跌出万亿）。而英伟达是这个万亿俱乐部里，唯一一家芯片公司，是台积电市值的1.8倍，是英特尔（1245亿美元）的8倍。

英伟达和英特尔的市值对比

三年前，当27岁的英伟达市值首次超过昔日CPU（中央处理器）处理器霸主英特尔时，这被看作“一个时代的终结”。而今天，致力于为AI科技企业提供算力底座的英伟达，成为美国十年来涨幅第一的股票，则预示着一个新时代的开启。

英伟达在1993年以做3D游戏的图形处理器起家，面向游戏玩家出售能提升画面清晰度的显卡，是它的主要营收。直到2012年，其定义的GPU被应用于深度学习研究，GPU的并行计算能力在处理密集数据时效率远高于CPU，为英伟达成为AIGC最大的获利者，埋下伏笔。

这一路，英伟达经历过创业初期处理器设计的失败，放弃已跻身全球前五的移动处理器市场，也拥抱了加密货币、元宇宙热潮，甚至受加密货币低谷影响，去年其市值一度腰斩至3000亿美元。直到ChatGPT的发布和AIGC浪潮，开始哄抢GPU，英伟达成为最受宠的“卖铲人”。

我们关注它如何成功，将如何拓展它的野心，又将如何面对永远留在桌上的难题？

1.最重要的转折

从图形处理，到AI计算

在两周前的台湾大学毕业典礼上，创始人黄仁勋受邀分享了英伟达的创业故事。此时正值英伟达市值节节高升，这看起来更像是成功经验的分享，他归结于“确定目标，勇于纠错和耐心等待。”

AIGC的加速计算时代，并不让黄仁勋意外，这反而是他在30年前创办英伟达时就在等待的时刻。

1993年，黄仁勋与两位工程师好友在加州的一家餐厅中成立了英伟达。两年后，英伟达研发的第一项技术是PC游戏的3D图形，这个非主流、低成本的3D技术拿到了SEGA主机的合约。但1996年，黄仁勋不仅发现架构设计不合理，其技术路线还与微软在Windows95上主导的图形编程接口Direct3D不兼容。英伟达“成了最后一个接受这个标准的公司，同时又是最小的一家，那你怎么赢？”黄仁勋向财新杂志描述过当年的窘境。

这一错误让黄仁勋决定违约，拿着只能维持六个月的资金，裁撤了70%的员工，研发支持微软Direct3D图形接口的高性能128位图形芯片，获得了全力支持。到了1997年底，它的出货量超过100万张，英伟达才避免在创业初期就倒下的命运。

2012年，英伟达也有策略地纠正过路线错误。英伟达曾试水过移动处理器市场，开发了Tegra处理器，甚至花去公司当年的两成营收用来并购和研发产品。但高性能、低功耗的移动处理器与PC端处理器的市场需求不同，而集成的SoC在需要CPU、GPU之外，还需要英伟达有做通信芯片的能力，这是英伟达并不熟悉的市场。

此时已进入4G时代，就像芯片行业的总是赢者通吃的定律一样，霸主高通几乎主宰了整个市场。

黄仁勋想了一天，他觉得英伟达并不能在移动手机芯片市场做出非凡的成就，哪怕当时手机业务营收占到总营收的18%，份额跻身全球第五，他还是给所有管理层发了邮件，“这产业已经不需要我们了，我们退出吧。”

最终，英伟达将Tegra处理器用在智能汽车、智慧城市和云服务上，奠定了它两条产品线并存（GPU+Tegra）的商业布局。

及时纠错，或许也给了英伟达拥抱每一场浪潮的勇气，加密货币、元宇宙热，英伟达从未落下。英伟达目前的专业视觉部分营收，就来自对元宇宙的期望，2021年4月英伟达还推出Omniverse平台，但在最新财报中这部分营收占比缩减至仅4%。

在英伟达踩空了几次浪潮后，得以获取一个新未来的，是人工智能研究者辛顿和他的两名学生。

2012年，辛顿三人研发的深度卷积神经网络在ImageNet中获胜，收到微软、谷歌、百度以及DeepMind的收购邀约，百度一度给出4400万美元的收购价。

而这一研发正是基于GPU的并行计算能力——用CPU训练这一神经网络，需要花费几个月，基于两张英伟达为大型PC游戏准备的GTX50显卡，只需不到一周就完成了。

在此之前，英伟达就已开放了GPU在图形领域之外的应用。

2000年，英伟达通过收购老对手adfx，成为GPU领域的胜出者。但GPU的加速计算能力，多数用于PC端的游戏上，因为使用通过Windows接口连接的GPU，需要编写复杂的底层语言，这将大部分普通工程师和更多场景应用都拒之门外。

为了解决这个问题，2007年，英伟达建立CUDA平台，让程序员用计算机的C语言就能在GPU上做大规模并行计算，这让GPU开启了非图形领域的通用并行计算，比如拓展至物理模拟、高性能计算等领域。

之后5年，英伟达累计花掉5.6亿美元维系CUDA的开发，当时每年GPU营收在30亿美元左右，利润率不超过30%，英伟达股价常年游荡在10美元上下。但也是CUDA的开放和推行，让GPU得以被AI研究者发现。

这一实验同时触动了人工智能玩家，以及黄仁勋。他开始思考，“深度学习的长期影响是什么？”

2016年，英伟达押注AI浪潮，也由此引领股价一路高歌猛涨。这年发布首款深度学习超级计算机DGX-1，其搭载了8块专为深度神经网络打造的GPU产品P100。DGX-1曾被黄仁勋亲手交到OpenAI公司，构建了ChatGPT模型训练的硬件底座。

之后几年里，英伟达的深度学习计算机展现了如同此前英伟达在游戏显卡上的算力迭代能力。2018年，英伟达推出第二代深度学习计算机DGX-2，包含16块V100 GPU/每单元；两年后，英伟达又迭代到第三代DGX A100，包含8块A100GPU。OpenAI也在GPU算力升级的加持下，从GPT-1代，迭代到GPT-3.5。

在今年3月的GTC大会上，英伟达再次推出基于最新的GPU H100的服务器，算力比前一代被哄抢的A100提升了10倍。

看好英伟达的投资机构认为，需求端会不计成本购买H100替换数据中心的芯片，哪怕新产品H100价格比上一代上涨了3～4倍。

英伟达也在最新财报会上就释放了这一利好信号，预期第二财季的销售额将达到110亿美元，而这主要来自数据中心业务的营收增长，不再是游戏业务。

一家依靠图形处理器的游戏业务成长起来的芯片制造商，正蜕掉它的第一层皮。

2.追随AI时代，押注数据中心

黄仁勋在数据中心上的远见和野心，在3年前就已显露。

2020年黄仁勋首次提出 “CPU+GPU+DPU（Data Processing Unit 数据处理器）” 这一数据中心系统解决方案。同一年，英伟达以 69 亿美元收购了全球智能网卡龙头公司 Mellanox，旨在开发自己的 DPU 产品。在5月30日的Computex 2023演讲上，他称赞这是最伟大的战略决策之一。

60年来，万亿美元级的全球数据中心市场主流处理器都选用CPU，以GPU为代表的加速计算占比还极为有限。但黄仁勋不吝啬对GPU将翻新数据中心市场前景的看好，“我们正处于一个全新的计算时代”，他说。

在与财新杂志的对谈中，他描述道，AI2.0的发展将不止于程序员通过计算机语言写出和人交互的程序，也不止于AI对环境的感知力，而是自动生成信息、具备理解使用者的能力，这将大大降低编程的门槛，消除数字鸿沟，“每个人都是程序员”。

两三年前，深度学习和AI还只在全球少数拥有超大规格计算机的公司做加速计算，仍是新生事物，但在ChatGPT发布后，黄仁勋说，已有10000家AI初创公司正在使用NVIDIA AI。

这一改变将驱使新型AI电脑取代传统电脑，超级计算机将成为新工厂，有性能瓶颈的CPU将不会适应这一变化，GPU的需求将越来越多。“与重塑数据中心相关的订单数量却是难以置信”，黄仁勋在最新的财报会议上感叹。

2014年，数据中心业务全年只占英伟达总营收的14%；而在其2024财年一季度的财报中，该业务已成为占据总营收59.5%的主营业务。

英伟达近年营收和业务营收占比

英伟达也非常乐观地预测，下季度数据中心收入将接近80亿美元，比这一季度的收入再增加一倍，预计全年仅数据中心营收就达到300亿美元，比2023财年英伟达全年的总收入还要高，远远高于英伟达其余三大场景：专业视觉、汽车和机器人的营收。

大巨头依然是英伟达服务的主角。大型互联网公司、专注大模型的AI企业是英伟达销售数据中心的主要对象。

花旗集团分析师Atif Malik预估，仅ChatGPT一家，就能为英伟达在一年内带来30亿美元至110亿美元的营收。ChatGPT训练和推理过程，要用到超过1万枚英伟达A100 GPU芯片的AI计算集群。

而哪怕大型互联网公司正在缩减开支，他们对数据中心的投入并没有减少，并计划用人工智能替代工程师。

今年3月，英伟达还发布了AI云服务DGX Cloud，通过云厂商平台，向用户提供训练生成式AI大模型及其他AI应用的算力月租服务，这将触及更多中小型AI企业。

“CPU+GPU+DPU”的数据中心解决方案也被更广泛地应用。在数据中心，英伟达发布为AI打造的以太网卡NVIDIA Spectrum-4，从CPU中接管网络、安全、虚拟化、存储等数据中心运维任务，帮助CPU减少算力资源浪费；同时英伟达也推出首款数据中心CPU Grace（2023年上半年），Grace是AI工厂的理论CPU。

在AI超级计算机上，英伟达最新的进展是，DGX GH200把256块GH200 Grace Hopper超级芯片整合至一起，GH200超级芯片已全面投产。英伟达还推出为游戏开发代工AI模型的服务。之前英伟达已经针对语言大模型、视觉、药物研发三个场景推出定制大模型代工的云服务产品。

在黄仁勋布下的宏图中，未来十年，英伟达会将计算速度再加快一百万倍，而领域将不限于生物、物理、人工智能、机器人等各个场景。

3.万亿帝国的桌面，永远有难题

在英伟达成为万亿俱乐部成员时，一位投资了英伟达5年的华尔街金融教授阿斯沃斯·达摩达兰，卖掉了持有的英伟达股票。

他告诉《巴伦周刊》，英伟达目前在250亿美元的人工智能芯片市场占有80%的份额，最乐观的预测是，10年后该市场规模将达到3500亿美元。即使假设英伟达未来的市场份额达到100%，达摩达兰得出的估值，也要比近期股价低20%。

“我得不出每股400多美元的估值。”他说。

从商业逻辑上，他认为英伟达无法跻身万亿俱乐部的核心原因在于，英伟达本质上是一家硬件公司。

“万亿美元俱乐部”的成员，利用软件将大量终端用户吸引到生态系统中，产生统计学家所说的商业机会的“长尾分布”——从新产品和新服务中获利的多种方式。

“当好处不如一家有数十亿用户生态系统、以消费者为基础的公司那么大，这会影响你押注它的意愿”，达摩达兰说。

有“女版巴菲特”之称的凯西·伍德，在今年1月份清仓了英伟达的股票。她预测，继英伟达之后，下一个搭上人工智能热潮的将是“软件供应商”。她表示：“英伟达每销售1美元的硬件，软件提供商、SaaS提供商将获得8美元的收入。”她把筹码押在了软件股上，她预计这些股票最终会增长到英伟达的规模。

看上去，华尔街的投资者更信任软件服务商，而不相信英伟达的股价将持续增长。

哪怕黄仁勋一直强调，英伟达是一家软件公司，英伟达的业务是销售优化数据中心，而非芯片和组件，其封闭的软件生态CUDA更将对手甩在身后。

即便如此，英伟达在万亿俱乐部里也显得另类——其他几位巨头都在通过软件吸引终端用户，激发更广阔的网络效应，唯独英伟达，更为知名的是依靠GPU撑起一个计算帝国。

技术的世界里，向来充满变数。

2016年，无数工程师投身AI热潮，一个很重要原因是，他们受到了GPU加速计算将改变深度学习的启发。

但GPU本是为图形渲染设计的，用GPU做深度学习是无心插柳。“如果专门为深度学习设计加速芯片，会不会效率更高？”这是自动驾驶芯片独角兽地平线的创始人余凯，写在《深度学习革命》序言的创业初衷。

相信深度学习孕育着一种新芯片机会的人有很多。阿里巴巴自研了AI芯片含光800，号称图形处理能力是传统GPU的10倍；以及数据中心通用芯片ARM CPU 倚天710。谷歌的TPU是最被英伟达忌惮的芯片，此外云厂商亚马逊，大型互联网公司百度、字节都在研发更专注于自己的业务场景的ASIC芯片，它们希望降低对英伟达的依赖和芯片采购成本。

英伟达抛下了同行竞争者，但难以抵挡客户的威胁。

另外一个变数是中国的市场。

2022年全年，英伟达47%的营收来自于中国市场。除了数据中心业务以外，英伟达在移动终端芯片的布局——自动驾驶芯片的销量有很大一部分被中国市场消化。中国是最大的新能源市场，大部分高端车型都选择了英伟达Orin芯片来布局汽车智能化。

但中美对抗的地缘政治问题，已经限制了英伟达向中国公司出售最先进的芯片。"如果我们被剥夺了中国市场，我们没有应急措施。”黄仁勋曾表示。

同时，中国正在掀起一场追逐英伟达的国产GPU替代潮，黄仁勋在不久前的一场媒体圆桌会议上警告，英伟达必须跑得非常快，不要低估中国在芯片领域的追赶能力。

和PC游戏、加密货币不同的是，AIGC在引领一场更大的变革，这场热潮或许会持续更久，但英伟达也将面对“能否满足需求”的供应难题。

据日本野村证券估计，英伟达今年对台积电的CoWoS晶片的需求将达4.5万片，较年初预估的3万片晶圆大幅增长50%，但部分封装设备与零组件交期长达3~6个月，市场可能将有半年的缺货。

而AI公司等不及了。OpenAI创始人Sam Altman不久前在一次谈话中透露，OpenAI的GPU也非常有限，用户抱怨的API问题大部分都来自GPU短缺。

还有投资者质疑，英伟达的数据中心订单激增是否真的有需求，而不是客户过于恐慌的重复下单。

成功者论调和质疑声都没有停歇。最新的盘中数据显示，英伟达市值已回落到9500亿美元，正如黄仁勋一直强调的，“离倒闭只有30天”，一些会引发连锁反应的难题，会一直摆在黄仁勋的桌面上。