继日前传言英伟达（NVDA.US）将入局定制芯片业务之后，人工智能热潮又将英伟达推向了一个新高峰。
据报道，随着英伟达股价达到 734.96 美元的历史新高，公司市值达到 1.82 万亿美元，而零售巨头亚马逊的市值为 1.81 万亿美元，这意味着公司跃升为美国第四大市值公司，距离谷歌母公司 Alphabet 的1.87亿美元市值也只有一步之遥。
媒体指出，上一次英伟达的市值超过亚马逊是在 2002 年，当时两家公司的市值均低于 60 亿美元。
因为市场对强劲人工智能需求的押注，推动了英伟达股价的上涨，使其成为所谓的「七巨头」中表现最好的股票，在过去 12 个月内飙升了 223%。今年迄今为止，Nvidia 的股价已上涨 46%。
但对于这家可能是有史以来最强的芯片巨头，英伟达的创造历史之路，似乎还远未结束。
人工智能改变了数据中心和英伟达
Nvidia成立的目的是彻底改变游戏和多媒体领域的 3D 计算机图形技术。该公司最初在各种芯片上取得了成功，随后在 1999 年推出了世界上第一个图形处理单元 （GPU） Nvidia GeForce 256，并取得了重大飞跃。
这一里程碑在最新的 GeForce RTX 40 系列中达到了顶峰，该系列可以借助深度学习超级采样 （DLSS）（Nvidia 的一项令人难以置信的创新）为数字内容提供逼真的图形。DLSS 使用人工智能（AI） 在视频游戏场景中创建额外的帧并增强图像质量。
直到 2022 财年（截至 2022 年 1 月 30 日），游戏一直是 Nvidia 最大的收入驱动力。该部门当年的销售额为 125 亿美元，占公司总收入的 46%。但后来，一切都变了：
数据中心曾经是公司存储有价值信息的地方，但后来发展成为在线操作的集中中心（也称为云计算）。如今，数据中心拥有 Nvidia 设计的强大芯片，用于处理人工智能工作负载。
这种转变始于 2016 年，当时 Nvidia 向 OpenAI 交付了第一台 AI 超级计算机，该计算机用于开发早期的生成式 AI模型，最终形成了著名的 ChatGPT 在线聊天机器人。
现在，Nvidia 领先的 p00 数据中心 GPU 售价高达 40，000 美元。微软和亚马逊等集中式数据中心运营商订购了数十万个数据中心，为云客户提供开发人工智能所需的计算能力。
这使得 Nvidia 的数据中心收入在 2024 财年第三季度（截至 2023 年 10 月 29 日）同比飙升 279%。数据中心业务目前占英伟达总收入的 80%，将游戏业务远远甩在身后。
Nvidia 现在是一个价值 1.8 万亿美元的庞然大物，其中 1 万亿美元的价值是在过去 12 个月内创造的。目前看来，英伟达的股价可能仍会走高。
每个国家都要AI，数据中心将继续飚
NVIDIA 创始人兼首席执行官黄仁勋周一在迪拜举行的世界政府峰会上对与会者表示，每个国家都需要拥有自己的情报生产能力。
黄在与阿联酋人工智能部长艾尔·奥拉马（Al Olama）阁下进行炉边谈话时发表讲话，他将主权人工智能（强调一个国家对其数据及其产生的情报的所有权）描述为世界领导人的巨大机遇。
「它记录了你的文化、你的社会智慧、你的常识、你的历史——你拥有自己的数据，」黄在他们的谈话中告诉 Al Olama，这是来自 150 个国家的 4，000 多名代表参加的活动的亮点。
黄敦促领导人不要被人工智能「迷惑」。人工智能具有前所未有的接受普通人类指导的能力，这使得各国拥抱人工智能、为其注入当地语言和专业知识变得至关重要。
黄甚至反驳了多年来许多有远见的人提出的建议，他们敦促年轻人学习计算机科学，以便在信息时代竞争。
「事实上，情况几乎完全相反，」黄仁勋说。「我们的工作是创造无需任何人编程的计算技术，并且编程语言是人类的：现在世界上的每个人都是程序员，这就是奇迹。」
在同一场峰会上，黄仁勋还表示，我们正处于这个新时代的开始，将会发生的是，全球数据中心的安装基础价值将达到一万亿美元，在未来 4-5 年内，我们将拥有价值 2 万亿美元的数据中心，它们这为世界各地的软件提供动力，所有这些都将得到加速，这种加速计算的架构非常适合称为生成式人工智能的下一代软件。
对于 NVIDIA 作为一家商业公司而言，Jensen 表示，「通用计算」并不是我们想要快速、高效且经济高效的人工智能的最佳方式，他描述了这一点通过描绘这样一个事实，我们在现代看到的加速计算促进了人工智能的增长甚至进入市场。他表示，该行业过渡到「下一代」状态的唯一途径是升级加速计算，而需要巨大的经济资源和高效的硬件作为关键武器。
进军定制芯片设计业务，赢者通吃
在英伟达最初的生意规划里，他们是希望用统一的GPU，去拿下所有的客户。但现在他们在看到客户纷纷逃离他们自研芯片之后。如文章开头所说，有传言指出，英伟达正在进军定制芯片业务，希望通过给他们的客户定制芯片，以进一步加固自己在AI市场的低位。
据报道，Nvidia 成立的这个小组，负责打造新的商业模式，帮助客户使用 Nvidia IP 甚至小芯片构建自己的解决方案。通过这一举措，英伟达开始打造一个人工智能授权巨头。
熟悉芯片行业的读者应该知道，许多自行设计芯片以降低成本或为计算需求提供更定制解决方案的公司已经与 Broadcomm 和 Marvell 等公司进行后端物理设计、SerDes 块或 IP（例如 Marvell 的高性能 Arm CPU 内核）的合作。Cadence 和 Synopsys 等 EDA 解决方案提供商在提供 IP 块方面做得很好，SOC 设计人员可以将这些 IP 块放入他们的芯片中，从而节省资金并加快上市时间。但这并不是什么新消息。例如，Sima.ai 在其边缘 AI 芯片中使用了Synopsys的图像处理器。
Jim Keller 领导的初创公司 Tenstorrent 看到了这个机会，并将这家总部位于多伦多和奥斯汀的公司从 Nvidia 的潜在竞争对手转变为 IP 和设计商店，为 Kia 和 LG 等公司提供小芯片和知识产权。
而在人工智能领域，我们又看到了一种新趋势，电视、汽车或网络设备的设计者希望构建定制解决方案以降低成本或提供包括人工智能在内的差异化解决方案，但他们没有必要或专业知识来构建整个芯片。
至于谷歌、亚马逊 AWS、Meta（预计将在今年晚些时候使用自己的芯片）和微软 Azure 等大客户，它们已经拥有自己的用于内部人工智能的定制芯片以及面向云客户的 Nvidia GPU。他们可以与 Nvidia 合作进行未来的设计吗？
我们可以假设，这些 Nvidia 定制芯片客户能否利用 Nvidia 的内部和 AWS 超级计算机来加速和优化这些设计工作？这将是一笔不错的额外收入，也是一个令人难以置信的差异化因素。如果是这样，这可能就是为什么 Nvidia 将其最新的「内部」超级计算机 Project Cieba 托管在 AWS 数据中心，那里已经提供了安全云服务的基础设施。Nvidia 可以在 Cieba 上提供芯片设计优化服务。
虽然这种猜测可能有点太过分了，但这样做表明英伟达看到了不祥之兆，并且已经准备好再次改变这个行业。
虽然这个猜测有点大胆，但是随着时间的推移，所有技术都会商品化，这是必然的。尤其是前几代硅。当 Nvidia 有意收购Arm 时，笔者就认为这次收购将使 Nvidia 有可能通过许可协议将他们不想产品化的产品货币化。
看起来这正是 Nvidia 现在正在做的事情。
回应Sam Altman，七万亿能买下全部
对AI芯片行业而言，最近的热点之一，当然绕不开传言OPEN AI CEO Sam Altman计划募集七万亿美元资金，计划颠覆AI芯片和芯片制造。
首先，我们必须说，这是好大一笔钱。
其次，这也当然不会是一件容易的事情。姑勿论整个先进芯片制造很难，经过多年发展，全球仅有台积电、三星和英特尔能够进入领先的芯片制造市场。
何况，投资一个先进晶圆厂要100亿美元（相对七万亿而言，九牛一毛？）。更重要的是，行业高管表示，寻找工程师来运营大量新工厂、获得机器来填充工厂以及获得足够的订单来证明这些工厂的合理性都存在不确定性。
即使建造了大量新的芯片工厂，也不一定能解决 Altman 的近期问题——生产 OpenAI 的 ChatGPT 等系统所需的人工智能芯片短缺。英伟达人工智能芯片生产的最大瓶颈在于封装，这是将电路压印在硅片上之后的制造步骤。
Sam Altman还抱怨英伟达芯片的成本——雷蒙德·詹姆斯（Raymond James）分析师斯里尼·帕朱里表示，增加芯片工厂可能无法解决另一个问题。
「为了降低人工智能芯片的价格，我们需要与英伟达进行更多竞争，」他说。
对于这个疯狂计划，英伟达首席执行官黄仁勋表示怀疑。
在迪拜举行的世界政府峰会上，全球 最有价值的芯片制造商的负责 表示，计算技术的进步将使开发人工智能的成本大幅降低。
「你不能假设你会购买更多的电脑。你还必须假设计算机会变得更快，因此你需要的总量不会那么多，」黄说。他指出：「如果你只是假设计算机不会变得更快，你可能会得出这样的结论：我们需要 14 个行星、三个星系和四个太阳来为这一切提供燃料，但计算机架构仍在不断进步。」
他表示，他相信芯片行业将降低人工智能的成本，因为其组件的制造速度「越来越快」。
由此可见，黄仁勋的观点表明，更好、更具成本效益的芯片将使奥特曼雄心勃勃的投资计划变得不必要。
黄说：「如果你只是假设计算机不会变得更快，你可能会得出这样的结论：我们需要 14 个行星、三个星系和四个太阳来为这一切提供燃料，但计算机架构仍在不断进步。」
当被问及下一个人工智能时代是否会建立在 GPU（英伟达占据了 GPU 大约80% 的市场份额）或某种新型技术的基础上时，黄仁勋指出，许多其他主要科技公司确实正在开发自己的技术。可以作为 GPU 替代品的专有芯片。微软正在开发 Maia，这是一种专门为训练大型语言模型而开发的定制硅芯片。与此同时，谷歌正在开发张量处理单元（TPU），旨在加速机器学习工作负载。据报道，Meta 正在开发自己的内部芯片。
黄仁勋说，英伟达的人工智能方法与其潜在竞争对手不同的原因之一是，其 GPU 可供「任何平台上的任何人」使用，黄说这是他「人工智能民主化」雄心的一部分。黄仁勋接着声称，英伟达存在于「每个云和数据中心，一直到自动驾驶系统和自动驾驶汽车」。
随着构建人工智能系统的新方法被发明，黄表示英伟达将能够灵活适应。「所有这些架构都可以在 Nvidia 灵活的架构上创建，而且因为它们几乎无处不在，」黄说，「任何研究人员都可以访问 Nvidia 的 GPU 并发明下一代。」
当被问及他可以用 7 万亿美元购买多少个图形处理单元 （GPU） 时，黄笑着回答说：「显然是所有 GPU」。
本文编选自「半导体行业观察」，智通财经编辑：张金亮。
