繼日前傳言輝達（NVDA.US）將入局客製芯片業務之後，人工智慧熱潮又將輝達推向了一個新高峰。
據報道，隨著輝達股價達到 734.96 美元的歷史新高，公司市值達到 1.82 萬億美元，而零售巨頭亞馬遜的市值為 1.81 萬億美元，這意味著公司躍升為美國第四大市值公司，距離谷歌母公司 Alphabet 的1.87億美元市值也只有一步之遙。
媒體指出，上一次輝達的市值超過亞馬遜是在 2002 年，當時兩家公司的市值均低於 60 億美元。
因為市場對強勁人工智慧需求的押註，推動了輝達股價的上漲，使其成為所謂的「七巨頭」中表現最好的股票，在過去 12 個月內飆升了 223%。今年迄今為止，Nvidia 的股價已上漲 46%。
但對於這家可能是有史以來最強的芯片巨頭，輝達的創造歷史之路，似乎還遠未結束。
人工智慧改變了數據中心和輝達
Nvidia成立的目的是徹底改變遊戲和多媒體領域的 3D 電腦圖形技術。該公司最初在各種芯片上取得了成功，隨後在 1999 年推出了世界上第一個圖形處理單元 （GPU） Nvidia GeForce 256，並取得了重大飛躍。
這一裏程碑在最新的 GeForce RTX 40 系列中達到了頂峰，該系列可以借助深度學習超級采樣 （DLSS）（Nvidia 的一項令人難以置信的創新）為數位內容提供逼真的圖形。DLSS 使用人工智慧（AI） 在視訊遊戲場景中建立額外的幀並增強影像品質。
直到 2022 財年（截至 2022 年 1 月 30 日），遊戲一直是 Nvidia 最大的收入驅動力。該部門當年的銷售額為 125 億美元，占公司總收入的 46%。但後來，一切都變了：
數據中心曾經是公司儲存有價值資訊的地方，但後來發展成為線上操作的集中中心（也稱為雲端運算）。如今，數據中心擁有 Nvidia 設計的強大芯片，用於處理人工智慧工作負載。
這種轉變始於 2016 年，當時 Nvidia 向 OpenAI 交付了第一台 AI 超級電腦，該電腦用於開發早期的生成式 AI模型，最終形成了著名的 ChatGPT 線上聊天機器人。
現在，Nvidia 領先的 p00 數據中心 GPU 售價高達 40，000 美元。微軟和亞馬遜等集中式數據中心營運商訂購了數十萬個數據中心，為雲客戶提供開發人工智慧所需的計算能力。
這使得 Nvidia 的數據中心收入在 2024 財年第三季度（截至 2023 年 10 月 29 日）同比飆升 279%。數據中心業務目前占輝達總收入的 80%，將遊戲業務遠遠甩在身後。
Nvidia 現在是一個價值 1.8 萬億美元的龐然大物，其中 1 萬億美元的價值是在過去 12 個月內創造的。目前看來，輝達的股價可能仍會走高。
每個國家都要AI，數據中心將繼續飈
NVIDIA 創始人兼執行長黃仁勛周一在杜拜舉行的世界政府峰會上對與會者表示，每個國家都需要擁有自己的情報生產能力。
黃在與阿聯人工智慧部長艾爾·奧拉馬（Al Olama）閣下進行爐邊談話時發表講話，他將主權人工智慧（強調一個國家對其數據及其產生的情報的所有權）描述為世界領導人的巨大機遇。
「它記錄了你的文化、你的社會智慧、你的常識、你的歷史——你擁有自己的數據，」黃在他們的談話中告訴 Al Olama，這是來自 150 個國家的 4，000 多名代表參加的活動的亮點。
黃敦促領導人不要被人工智慧「迷惑」。人工智慧具有前所未有的接受普通人類指導的能力，這使得各國擁抱人工智慧、為其註入當地語言和專業知識變得至關重要。
黃甚至反駁了多年來許多有遠見的人提出的建議，他們敦促年輕人學習電腦科學，以便在資訊時代競爭。
「事實上，情況幾乎完全相反，」黃仁勛說。「我們的工作是創造無需任何人編程的計算技術，並且程式語言是人類的：現在世界上的每個人都是程式設計師，這就是奇跡。」
在同一場峰會上，黃仁勛還表示，我們正處於這個新時代的開始，將會發生的是，全球數據中心的安裝基礎價值將達到一萬億美元，在未來 4-5 年內，我們將擁有價值 2 萬億美元的數據中心，它們這為世界各地的軟體提供動力，所有這些都將得到加速，這種加速計算的架構非常適合稱為生成式人工智慧的下一代軟體。
對於 NVIDIA 作為一家商業公司而言，Jensen 表示，「通用計算」並不是我們想要快速、高效且經濟高效的人工智慧的最佳方式，他描述了這一點透過描繪這樣一個事實，我們在現代看到的加速計算促進了人工智慧的增長甚至進入市場。他表示，該行業過渡到「下一代」狀態的唯一途徑是升級加速計算，而需要巨大的經濟資源和高效的硬體作為關鍵武器。
進軍客製芯片設計業務，贏者通吃
在輝達最初的生意規劃裏，他們是希望用統一的GPU，去拿下所有的客戶。但現在他們在看到客戶紛紛逃離他們自研芯片之後。如文章開頭所說，有傳言指出，輝達正在進軍客製芯片業務，希望透過給他們的客戶客製芯片，以進一步加固自己在AI市場的低位。
據報道，Nvidia 成立的這個小組，負責打造新的商業模式，幫助客戶使用 Nvidia IP 甚至小芯片構建自己的解決方案。透過這一舉措，輝達開始打造一個人工智慧授權巨頭。
熟悉芯片行業的讀者應該知道，許多自行設計芯片以降低成本或為計算需求提供更客製解決方案的公司已經與 Broadcomm 和 Marvell 等公司進行後端物理設計、SerDes 塊或 IP（例如 Marvell 的高效能 Arm CPU 內核）的合作。Cadence 和 Synopsys 等 EDA 解決方案提供商在提供 IP 塊方面做得很好，SOC 設計人員可以將這些 IP 塊放入他們的芯片中，從而節省資金並加快上市時間。但這並不是什麽新訊息。例如，Sima.ai 在其邊緣 AI 芯片中使用了Synopsys的影像處理器。
Jim Keller 領導的初創公司 Tenstorrent 看到了這個機會，並將這家總部位於多倫多和奧斯丁的公司從 Nvidia 的潛在競爭對手轉變為 IP 和設計商店，為 Kia 和 LG 等公司提供小芯片和智慧財產權。
而在人工智慧領域，我們又看到了一種新趨勢，電視、汽車或網路裝置的設計者希望構建客製解決方案以降低成本或提供包括人工智慧在內的差異化解決方案，但他們沒有必要或專業知識來構建整個芯片。
至於谷歌、亞馬遜 AWS、Meta（預計將在今年晚些時候使用自己的芯片）和微軟 Azure 等大客戶，它們已經擁有自己的用於內部人工智慧的客製芯片以及面向雲客戶的 Nvidia GPU。他們可以與 Nvidia 合作進行未來的設計嗎？
我們可以假設，這些 Nvidia 客製芯片客戶能否利用 Nvidia 的內部和 AWS 超級電腦來加速和最佳化這些設計工作？這將是一筆不錯的額外收入，也是一個令人難以置信的差異化因素。如果是這樣，這可能就是為什麽 Nvidia 將其最新的「內部」超級電腦 Project Cieba 托管在 AWS 數據中心，那裏已經提供了安全雲服務的基礎設施。Nvidia 可以在 Cieba 上提供芯片設計最佳化服務。
雖然這種猜測可能有點太過分了，但這樣做表明輝達看到了不祥之兆，並且已經準備好再次改變這個行業。
雖然這個猜測有點大膽，但是隨著時間的推移，所有技術都會商品化，這是必然的。尤其是前幾代矽。當 Nvidia 有意收購Arm 時，筆者就認為這次收購將使 Nvidia 有可能透過授權合約將他們不想產品化的產品貨幣化。
看起來這正是 Nvidia 現在正在做的事情。
回應Sam Altman，七萬億能買下全部
對AI芯片行業而言，最近的熱點之一，當然繞不開傳言OPEN AI CEO Sam Altman計劃募集七萬億美元資金，計劃顛覆AI芯片和芯片制造。
首先，我們必須說，這是好大一筆錢。
其次，這也當然不會是一件容易的事情。姑勿論整個先進芯片制造很難，經過多年發展，全球僅有台積電、三星和英特爾能夠進入領先的芯片制造市場。
何況，投資一個先進晶圓廠要100億美元（相對七萬億而言，九牛一毛？）。更重要的是，行業高管表示，尋找工程師來營運大量新工廠、獲得機器來填充工廠以及獲得足夠的訂單來證明這些工廠的合理性都存在不確定性。
即使建造了大量新的芯片工廠，也不一定能解決 Altman 的近期問題——生產 OpenAI 的 ChatGPT 等系統所需的人工智慧芯片短缺。輝達人工智慧芯片生產的最大瓶頸在於封裝，這是將電路壓印在矽片上之後的制造步驟。
Sam Altman還抱怨輝達芯片的成本——雷蒙德·詹姆士（Raymond James）分析師斯裏尼·帕朱裏表示，增加芯片工廠可能無法解決另一個問題。
「為了降低人工智慧芯片的價格，我們需要與輝達進行更多競爭，」他說。
對於這個瘋狂計劃，輝達執行長黃仁勛表示懷疑。
在杜拜舉行的世界政府峰會上，全球 最有價值的芯片制造商的負責 表示，計算技術的進步將使開發人工智慧的成本大幅降低。
「你不能假設你會購買更多的電腦。你還必須假設電腦會變得更快，因此你需要的總量不會那麽多，」黃說。他指出：「如果你只是假設電腦不會變得更快，你可能會得出這樣的結論：我們需要 14 個行星、三個星系和四個太陽來為這一切提供燃料，但電腦架構仍在不斷進步。」
他表示，他相信芯片行業將降低人工智慧的成本，因為其元件的制造速度「越來越快」。
由此可見，黃仁勛的觀點表明，更好、更具成本效益的芯片將使阿特曼雄心勃勃的投資計劃變得不必要。
黃說：「如果你只是假設電腦不會變得更快，你可能會得出這樣的結論：我們需要 14 個行星、三個星系和四個太陽來為這一切提供燃料，但電腦架構仍在不斷進步。」
當被問及下一個人工智慧時代是否會建立在 GPU（輝達占據了 GPU 大約80% 的市場份額）或某種新型技術的基礎上時，黃仁勛指出，許多其他主要科技公司確實正在開發自己的技術。可以作為 GPU 替代品的專有芯片。微軟正在開發 Maia，這是一種專門為訓練大型語言模型而開發的客製矽芯片。與此同時，谷歌正在開發張量處理單元（TPU），旨在加速機器學習工作負載。據報道，Meta 正在開發自己的內部芯片。
黃仁勛說，輝達的人工智慧方法與其潛在競爭對手不同的原因之一是，其 GPU 可供「任何平台上的任何人」使用，黃說這是他「人工智慧民主化」雄心的一部份。黃仁勛接著聲稱，輝達存在於「每個雲和數據中心，一直到自動駕駛系統和自動駕駛汽車」。
隨著構建人工智慧系統的新方法被發明，黃表示輝達將能夠靈活適應。「所有這些架構都可以在 Nvidia 靈活的架構上建立，而且因為它們幾乎無處不在，」黃說，「任何研究人員都可以存取 Nvidia 的 GPU 並行明下一代。」
當被問及他可以用 7 萬億美元購買多少個圖形處理單元 （GPU） 時，黃笑著回答說：「顯然是所有 GPU」。
本文編選自「半導體行業觀察」，智通財經編輯：張金亮。
