一口气了解英伟达，芯片新王凭什么是他？

5月24号, 英伟达发布了它第一季度的财报, 许多投资者都说这是前所未有, 或者一生一次的业绩发布, 英伟达靠着它数据中心这块, 亮眼的数据, 可以说是狂抽华尔街的嘴巴子, 股票当天大涨30%, 市值破万亿美元, 推着英伟达成了全球第六大公司, 超过特斯拉, 直逼亚马逊, 你说谁能想到, 2023年这AI混战里边, 一个卖显卡的公司, 成了最大赢家, 要说这些年, 几乎大部分全球性的技术风口, 云计算, 加密货币, 元宇宙, 人工智能, 英伟达全都是重度参与者, 你听说过大部分那些AI模型, 都用英伟达的显卡训练出来的, 就它不光是行业老大, 而是以超过95%的市场占有率, 垄断了全球AI训练领域的市场, 就甚至有多少, 英伟达A100这个显卡, 都成了衡量一个公司算力的标准, 它的创始人黄仁勋就说, 这话听起来是不是有点狂, 但确实是这样, 黄仁勋也靠着他二十多年前的远见, 和他千年不变的穿衣风格, 成了AI教父, 你是不是就好奇了, 这英伟达它厉害在哪呢, 怎么就垄断了, 没人争得过它呢, 小Lin今天就深入地, 带你了解一下英伟达, 也深入地探讨一下显卡和芯片行业, 背后的秘密, 咱先来看看黄仁勋跟英伟达, 是怎么崛起的, 1963年, 黄仁勋出生在台湾的台南, 也就是说他今年60岁, 9岁去到美国读书, 本科毕业之后, 就在两家半导体公司工作, 做芯片设计, 这里边就有AMD, 也是之后跟黄仁勋, 缠斗了半辈子的公司, 一直到现在, 黄仁勋30岁刚在斯坦福读完硕士, 就经常跟另外两个也是30来岁, 那种踌躇满志的理工科技术男, 在一起想干一番大事, 他们就都觉得这个3D图形处理, 在未来潜力巨大, 于是1993年, 就成立了NVIDIA 英伟达, 专门就做这个图形计算芯片, 黄仁勋担任CEO, 也是一直干到了今天, 他也是凭着前老板的引荐, 获得了红杉资本, 2000万领投的融资, 那游戏领域毕竟玩的时候需要实时渲染, 3D游戏不能说没有, 但一般电脑肯定带不动, 就挺多游戏还挺经典的, 但那画面, 基本上你就能看出来那有个人就行, 因为毕竟这种3D图形处理, 是非常消耗算力的, 而当时那些CPU还是很难完成的, 就它一般需要专门的一块芯片, 来处理这个图形, 而这块芯片就是显卡, 早期那显卡是非常简陋的, 顶多就算是一个3D加速卡吧, 你是不是现在一听什么3D加速卡, 就感觉是个小作坊的生意, 没错, 其实当时就处在3D游戏, 3D渲染, 一个非常萌芽的阶段, 就类似英伟达这样的显卡公司, 其实非常多, 少说有五六十家, 软硬件也没有个统一的标准, 谁研究稍微厉害一点, 就可以发布个自己的标准, 经常会出现, 你好不容易做出来个显卡, 结果发现, 不适配人家那个标准, 总之就一个字, 乱, 当时在乱世当中最风光的一家, 应该是叫做3dfx的公司, 它可是1994年才成立, 比英伟达还晚一年, 但当时就凭着一个叫做Voodoo的显卡, 风靡一时, 当时很火的各种游戏, 全都得靠这个Voodoo显卡, 而英伟达这边其实并不太顺利, 虽然它拿了那么多融资, 而且团队也挺专业的, 但是它那个NV1就并不太成功, 第二代NV2更是直接胎死腹中, 到了1997年, 英伟达已经命悬一线, 再有9个月钱就烧完了, 公司已经从100个人, 裁员裁到就剩大概30个人, 好在当时黄仁勋选择了孤注一掷, 就在公司, 只剩6个月运营资金的时候, 发布了搭载NV3的Riva128显卡, 凭借着它不错的性价比, 在市场上算是占据了一席之地, 也让英伟达颤颤巍巍地活下来了, 其实老黄跟他的团队, 研发实力确实挺强的, 就他们摸清楚了, 这个市场的方向之后, 就迅速进入了快车道, 跟台积电达成了长期战略合作, 又抱紧了微软的大腿, 支持微软推出的Direct 3D显示标准, 终于在显卡早期红海竞争当中, 异军突起, 这里边那个叫RivaTNT, 更是杀疯了, 直接帮助英伟达, 蹿升到了显卡领域的龙头, 也帮英伟达在1999年, 成功登陆纳斯达克上市, 上市以后, 英伟达有钱了 更是开挂, 1999年9月推出了, 具有划时代意义的GeForce256, 直接甩开竞争对手半条街, 这个GeForce系列, 我相信游戏玩家, 应该都再熟悉不过了, 它也成为了英伟达在日后, 消费级显卡的王牌系列, 黄仁勋就把GeForce256, 称为全球第一个GPU, 第一个真正意义上的独立显卡, 这个说法, 其实现在也基本被大家接受了, 所以有人可能会直接笼统地说, 就是英伟达发明了显卡, 至于这个独立显卡它为什么那么强, 咱们一会再说, 当时微软正好在开发Xbox, 英伟达就凭借, GeForce256特别强大的性能, 赢得了2亿美元的订单, 帮Xbox打造图像处理硬件之后, 之后又顺势拿下了索尼的PS3, 1999到2002年, 英伟达的营收, 就以几乎每年翻倍的速度, 增到了20亿美元, 成为了市场上独一档的存在, 而且就开始连续吞并, 同行业的竞争对手, 其中就包括咱们刚才提到, 红极一时的3dfx, 而市场上当时另一个主要玩家, ATi则被AMD收购, 就这样 在2000年初, 经过市场上一系列的小鱼吃虾米, 大鱼吃小鱼的吞并之后, 就剩下了两条大鱼, 英伟达 和 AMD, 直到现在独立显卡市场, 也一直被这两家公司包揽, 不知道你有没有听说过, 传说中的N卡和A卡, 其实就指这两家公司显卡, 就游戏迷从那个时候就开始争论, 到底是N卡好还是A卡好, 不管谁好谁坏, 之后也再也没出现过, 第三家公司的, 什么B卡 C卡 X卡, 虽说是双雄争霸了, 但其实英伟达它是在一步一步, 蚕食着AMD的市场份额, 从2010年的60%, 就一点一点扩大到, 2022年的80%, 可以说是当之无愧的GPU全球霸主, 而GPU这个技术它本身的发展速度, 也是令人瞠目结舌, 你可以说游戏产业快速发展, 把英伟达托起来了, 同时也是英伟达显卡的技术进步, 推动了游戏产业的发展, 你就看看每年新出那些游戏, 画面质量的改进, 你就算再不懂游戏, 也能看出这个进步速度之快, 其实往大点说 整个显卡市场, 它是个三足鼎立的状态, 就三大巨头英特尔 英伟达 AMD, 这里边英特尔市场占有率71%, 英伟达是17% 而AMD是12%, 你说又奇怪了, 怎么又闹出来个英特尔, 而且市场占有率还这么高, 咱刚才不是说英伟达才是老大嘛, 实际上, 此显卡非彼显卡也, 因为这个显卡, 它分为独立显卡和集成显卡, 你要把这俩都放一起比, 那英特尔确实是老大, 但它基本上卖的全都是集成显卡, 集成显卡是和CPU封装在一起的, 它共享内存, 英特尔就利用它的CPU的垄断地位, 霸占着集成显卡的份额, 不过这个集成显卡 怎么说呢, 就它比较弱 我就不详细解释了, 反正和英伟达这个独立显卡比, 虽然都叫显卡 但它不是一个市场, 单看独立显卡, 英伟达还占了80%以上, 聊到这儿可能有人就不耐烦了, 说好 我知道了, 英伟达就是个设计显卡芯片的, 很厉害, 跟你聊了半天都在说什么, 3D渲染打游戏什么的, 那怎么跟AI扯上关系了呢, 为什么这些AI公司都买显卡, 还非得买英伟达的显卡呢, 你别急 咱这就说到显卡的特性了, 电脑里的CPU 就中央处理器, 它本身的设计目的, 就是它什么都能干, 它是顺序计算, 就可以进行非常复杂的逻辑推理, 可是这个图形处理, 它其实不怎么在意顺序, 它更在意的是那个计算量, 你比如说一个4k的视频, 那小一千万个像素点, 假设每秒30帧, 那你每一个像素点 每一帧, 都得根据它的什么, 阴影 动作, 计算出来一个对应的颜色, 这就需要不停地进行非常快速, 而且大量的简单计算, GPU就是图形处理器, 就专门设计出来, 针对这类计算的一个单元, 它从底层的芯片设计, 就是为了优化这类并行计算, 所以你看CPU, 一般撑死了就是64核 128核, 而GPU它可以有成千上万个核, 就一起在那算, 你看这个视频就给出一个, 特别形象的解释, CPU就好像一个特别精准, 特别强烈的喷枪 一枪一枪在发射, 指哪打哪 顺序清晰, 但是慢, 而GPU, 就好像有成千上万台这个小喷枪, 同时发射, 就是因为GPU这个特性, 黄仁勋就开始琢磨了, 你说我怎么才能挖掘出, 它更大的潜力呢, 这肯定不光是3D图像处理, 渲染这么简单, 你说我能不能进行, 更多那种通用目的的计算, General Purpose Computing, 做一个通用目的的图形处理器, GPGPU, 但当时你要想用GPU, 做这种通用计算, 其实并不是那么简单, 因为毕竟本身设计就不是来干这个, 所以编程非常麻烦, 就一般人他干不了这个活, 黄仁勋就想了, 所以要让显卡发挥更大的潜力, 我就得让它可编程, 就一次偶然的机会, 他就看见斯坦福一个博士生, 做了一个项目, 可以用C语言编程, 让这个GPU做一些计算, 黄仁勋就眼前一亮 这个想法好, 赶紧把这个小伙挖到英伟达工作, 而且上来就委以重任, 让这个小伙带队潜心研发, 说你就是给我钻研让它编程, 终于在2006年, 英伟达正式推出了CUDA, 成功地让GPU可编程, 为了打造这套CUDA系统, 英伟达可以说是砸了大量, 看起来非常不理性的, 成本投入和人力, 让英伟达几乎所有的显卡, 全都要支持CUDA, 这样一来 就原来那种, 专门设3D处理图形的显卡, 你要想让它拿去计算编程, 本来是需要一大堆顶尖的工程师, 但现在你随便找个学生, 买个英伟达的显卡, 然后看看那个CUDA的library, 就能搞, 通过CUDA, 英伟达就把自己显卡的边界, 从原来的游戏和3D图像处理, 扩大到了整个加速计算的领域, 比如航天 生物制药, 天气预报 能源勘探 等等, 其实都已经在用大量英伟达的显卡, 来进行计算了, 其实别人也尝试做, 类似CUDA这种软件, 来挑战英伟达的地位, 那可是英伟达, 人在硬件上本身就垄断了, 我就可以尽一切可能, 让我的硬件显卡, 跟这个软件CUDA之间的配合和融合, 越来越默契, 就通过这种软硬件的协同, 来形成自己一个非常强的护城河, 说到这你是不是想到一家公司, 就是苹果, 他们都打造出一个, 被商业领域提烂的词, 就是生态系统, 你像什么微软 Adobe, 其实也都是有自己强大的生态系统, 你看黄仁勋在CUDA上这个巨额投入, 你现在听着好像觉得非常合理, 顺理成章, 但当时要是光看短期回报, 是非常不合理的, 华尔街就对这玩意儿相当看不顺眼, 因为虽然当时GPU的计算能力, 非常出色, 但它的应用场景太少了, 就很长一段时间, 只能集中在非常少数那种, 需要大量计算的领域, 说白了就根本不赚钱, 那谁能想到2023年, 人工智能这么火 是吧, 其实率先让显卡的加速计算能力, 实现商业价值的, 并不是人工智能, 而是一个巧合, 一个八竿子都打不着的潮流, 一个黄仁勋就算自己再有远见, 也不可能预料到的一件事儿, 比特币的爆火, 带来了巨大的挖矿需求, 挖矿说白了就是进行大量无脑计算, 来进行加密和解密, 而想要挖矿, 你要算得快 就得用显卡, 而且你就得用英伟达的显卡, 我估计很多人, 可能就是从挖矿那会才知道说, 原来显卡还能用来计算, 挖矿这个巨大需求, 那对英伟达来讲简直就是天降大饼, 而且是一个大的不得了的大饼, 这让英伟达的显卡, 常年处于供不应求的状态, 英伟达也非常贴心, 专门给挖矿设计了GPU, 当然很多人会吐槽说, 挖矿又污染环境, 各种无意义的计算, 各种各样的问题, 显卡这东西, 它的威力确实是被人看到了, 而且英伟达也确实因为这个赚翻了, 据分析师估算, 英伟达在2018年到2021年, 就比特币比较火的这段时期, 每年光靠挖矿, 大概能赚10到30亿美元, 英伟达的市值也在这段时间, 超过了当年不可一世的巨头, 英特尔, 在比特币最火那段时候, 它的市值甚至一度逼近了万亿美元, 不过挖矿虽说让英伟达赚了不少钱, 但再怎么说也不能算它的主营业务, 去年加密市场崩塌之后, 英伟达的股价也是暴跌了46%, 所以挖矿目前看来, 可能顶多算是个插曲, 而我们都知道, 最近真正让英伟达赢麻了的, 是人工智能, 就因为刚才我们说显卡这种, 非常善于大量并行计算的能力, 特别适用于深度学习和机器学习, 你想人工智能, 不就是让它一直学一直学, 学到上亿次吗, 那GPU这种并行计算能力, 就再适合不过了, 黄仁勋展示, 我要训练一个大语言模型, 跟CPU相比, GPU服务器, 可以4%的成本, 和1.2%的电力完成, 所以GPU CPU, 压根就不是一个数量级的, 这个是它的底层结构决定的, 黄仁勋, 其实就是想特别委婉地告诉你, 要训练大语言模型, 傻子才用CPU, 你就得来用GPU, 而用GPU那你最好就用CUDA, 那你就得找我英伟达买显卡, 其实十多年前, 大家还不知道显卡能来做人工智能, 就人工智能本身, 可能理论大于实际用处, 转变发生在2012年, 当时业内, 有一个非常知名的计算机竞赛, 叫ImageNet, 大家就在比, 谁的算法训练出来的程序, 能更好地识别图片里的内容, 你看这第二名到第四名, 识别的错误率, 都大概在26%到29%这块儿, 一个叫做AlexNet的团队, 居然做到了16.4%, 领先第二名十个百分点, 碾压性优势夺冠, 而他们用的就是神经网络训练模型, 和英伟达的显卡训练出来, 其实我们讲ChatGPT那期也讲过, 神经网络这个理论它早就有了, 一直不能被实现, 最大的一个瓶颈就是算力, 那这下靠英伟达的显卡, 让这个神经网络计算实现了, 一下就轰动了学界, 而黄仁勋也是极其看重GPU, 在人工智能领域的应用, 就2012年之后可以说是all in, 让英伟达的显卡, 可以简单便捷地做加速计算, 除了刚刚我们是针对CUDA的投资, 还有像针对AI对显卡的优化, 包括对软件的支持, 平台的支持等等, 这才有了后来人工智能领域的共识, 就是你要搞人工智能, 那没什么可犹豫的, 你就是得买英伟达的显卡, 之后像谷歌 亚马逊 微软 百度等等, 训练这些大模型, 也全都离不开英伟达的显卡, 而这波浪潮里最出名的可能就是, 英伟达那个叫A100的显卡, ChatGPT就是靠一万多张, 这个显卡训练出来的, 这A100, 也成了训练大模型的标配, 各大AI公司, 你可能来不及训练出成果, 但又想蹭一波热度宣传, 怎么办呢, 我就拼显卡, 我就可以告诉你, 说我已经买了多少张, 英伟达A100的显卡, 就几千个 几万个什么的, 所以英伟达的显卡, 就长期处于供不应求的状态, 价格被炒到了上万美元, 英伟达去年又推出了, A100的升级版叫H100, 性能是A100的四到六倍, 所以你别看现在, 英伟达是风口上飞得最高的那个, 你就觉得它走运, 人家可是自己提前十多年, 花了那么多钱 费了那么大劲, 自己把翅膀给做好, 就站在风口那等着风来, 这下好不容易翅膀也做好了, 现在风也来了, 那英伟达肯定得使劲扑腾扑腾, 飞高点, 你看看英伟达有多发力, 这个是三年前老黄发布的, A100系统板, 就这么个二十多公斤的大家伙, 组成了当时全球最大的GPU, 这已经看着挺吓人的了, 可是就在今年老黄又发布了这玩意, DGX GH200超级计算机, 注意 这个大小和真实的是11, 这个简直可以用变态来形容, 用240公里长的光缆, 注意 是公里, 就是24万米, 总共有四头成年大象那么重, 而就是这整个144TB内存的怪兽, 通过什么NVLink NVSwitch等等的技术, 连接在一起组成了一个GPU, 就是这个四头大象, 是一个巨型显卡, 这个玩意儿就是来做AI计算, 这东西预计今年年底能造出来, 谷歌云 Meta 微软, 是首批可以访问它的公司, 有了这么大的先发优势, 英伟达已经就不局限在, 单单是做显卡和芯片设计, 它在2019年花了69亿, 收购了以色列一个芯片公司, 叫Mellanox, 搞出了一个叫做DPU, 这个东西也很猛, 黄仁勋甚至说, 这笔收购是他有史以来做过, 最成功的战略决策之一, 而英伟达现在就开始把, GPU CPU DPU合在一起, 制造出来, 拥有恐怖计算能力的服务器, 超级计算机, 开始慢慢往CPU的市场蔓延, 推出了各种让人眼花缭乱的产品, 什么世界第八的超级计算机, DGX BasePOD, 突破性加速超级芯片, GPU Grace Hopper, 计算平台, BlueField-3 DPU等等, 名字起的好吧, 是不是感觉一句也没听懂, 总之就是英伟达, 围绕着它核心显卡技术, 小到芯片 大到超级计算机, 全都给你覆盖了, 那你要是说我买不起, 或者不想买这么多硬件怎么办, 没关系, 英伟达还可以可以把算力租给你, 就咱俩联网, 你就用我的服务器就行, 这不就是AI云业务吗, 它不光给终端客户提供服务, 连上游企业也能想到, 就推出了一个叫做cuLitho的软件, 帮助台积电 阿斯麦, 这些上游的芯片制造商, 提升逆光刻技术的性能多达40倍, 顺便提一嘴, 我有一个西班牙的朋友告诉我, 这个cuLitho的名字, 在西班牙语的发音, 特别像翘屁屁的意思, 一个字, 绝, 你看英伟达就是硬件 软件, 服务等等领域全面铺开了拓展, 成了AI这波浪潮里的最大赢家, 而美国对中国的制裁, 就不让把A100 H100, 卖到中国, 对英伟达的影响其实挺大的, 你想中国可是英伟达, 四分之一的大市场, 它可不想美国政府一句话, 就让这么大一块蛋糕给飞了, 所以你看当时有记者, 采访黄仁勋的时候就问他说, 这个事, 对英伟达的影响到底有多大呢, 你看他这个回答真的是滴水不漏, 首先我们一定会全力配合, 美国政府的政策, 先表个态, 同时我们已经想方设法, 在符合规则的情况下, 非常愉快地满足, 中国广大消费者的需求, 你瞧瞧多会说话, 两边谁也不得罪, 英伟达就推出了一个叫做, A800的显卡, 绕过了一堆制裁的敏感技术, 这个就特供给中国, 好 你看, 咱们了解了英伟达整个背景, 再看它的财报其实就很清晰了, 现在, 它们把自己业务主要分为四大块, 游戏 数据中心, 汽车 专业图形处理, 之前英伟达王牌业务显然都是游戏, 而数据中心就是指加速计算相关的, 什么人工智能 云服务等等, 都在这块, 这两块就是它的大头, 2018年的时候, 游戏大概占到了半壁江山, 数据中心是四分之一, 不过到2022年, 数据中心已经达到了56%, 而游戏则降到了33%, 就刚发布5月24号这个财报, 游戏受到了全球需求萎靡的影响, 营收大幅下降, 这其实也是华尔街预料之中, 不过数据中心这部分业务, 就非常的支楞, 一季度环比增长18%, 更关键的是二季度的营收指引, 真的是亮瞎了华尔街的眼睛, 本来华尔街预测, 第二季度营收是72亿, 但英伟达就说了, 你估的可能不太对, 我们能110亿 比你多50%, 其实汽车这块业务, 也是潜力非常大的一块, 你看它又要做汽车芯片, 又是汽车系统, 是不是又是一块大肥肉, 不过现在也是处在比较起步的阶段, 之后也很难说, 我们就不展开讨论, 包括英伟大之前推出了Omniverse, 来押宝元宇宙, 虽然目前还看不到太多回报, 但我看那个宣传片, 还确实是挺酷的, 要是元宇宙真的也迎来了爆发期, 那英伟达又是最大赢家之一, 肯定没跑, 总之 现在大概的情况就是, 打游戏要用显卡, 挖矿要用显卡, AI计算要用显卡, 用显卡找英伟达, 英伟达的股价, 从1999年上市到现在, 涨了超过1000倍, 成长成了全球第六大公司, 而且它的成长之路似乎才刚刚开始, 可能单看我们提炼出来这个故事, 你就感觉黄仁勋简直就是神了, 每一步都走那么精准, 其实他也犯了很多错误, 我为了这个故事的连续性, 就给忽略了, 比如说他2000年初的时候, 有一系列显卡产品失败, 差点被那个ATI被干掉, 员工还面临内部交易, 被SEC(美国证监会)查了个底儿掉, 还有过度营销的问题, 还进军手机芯片市场, 基本可以说是完全失败等等, 你看它的股价就知道, 虽说整体涨了那么多, 可是2002年那阵跌了90%, 2008%年跌了80%, 超过50%的回撤, 基本上三五年就要出现一次, 反正大家心里就清楚, 黄仁勋他肯定非常厉害, 但他也不是预言家, 而且这老先生对皮夹克的痴迷, 我也真不知道该说什么了, 好, 那咱顺便再说两句英伟达的股票, 我就特别怕很多人看完这个视频, 然后一上头, 就冲过去买英伟达的股票, 我不是说不能买, 就是你别因为一时头脑发热, 就跑去买, 其实英伟达的估值 现在的估值, 从各个维度来看都高得离谱, 你看它市盈率两百多, 市销率38, 苹果 微软 谷歌这些巨头, 市盈率都不到40, 特斯拉也就七十多, 你就算跟同行比吧, 它2022年的营收, 还不到英特尔的一半, 但市值却是英特尔的七倍多, 营收跟AMD差不多, 市值是AMD的五倍, 总之就一个字, 贵, 当然人家贵有贵的道理, 像这种风口上的行业, 还是垄断型的公司, 它的估值已经不是股价的, 主要评判标准之一了, 就有一个很大的原因, 你知道是什么吗, 就有一些专业机构, 它现在都已经不敢不投英伟达了, 因为AI现在市场上, 最大的浪潮 最大的机会, 而英伟达又是AI浪潮里边, 最大的玩家, 而这些基金投了英伟达, 就算股票跌了, 那投资人可能也不会说太多, 可是英伟达要是就这么一直涨下去, 你要是因为太贵没投, 那投资人可能就要问候你全家了, 就这个木头姐Cathie Wood, 她旗下的ETF在1月份的时候, 就清仓了英伟达的股票, 最近英伟达不是大涨了吗, 你可以看看她在投资圈里, 被骂得多惨, 就是选择不投资这类公司, 对基金来说有特别大的口碑风险, 英文里有个词, 我觉得去形容他们这心理特别好, 就是FoMO, Fear of Missing Out就怕被落下, 就他们怕错过潜在的上涨, 多于他们怕买贵了, 这其实有点像前两年特斯拉, 你说电动汽车是一个多么大的未来, 而特斯拉在当时, 基本上就唯一的选择, 就算它的估值, 当时跟其它车企比起来, 简直就是天文数字, 那基金也得持续买入, 而这些人的FoMO, 又反过来助推这些公司, 有了更离谱的股价, 所以你可以说, 这种风口上的垄断公司, 它天然就有着巨大的溢价, 但你能因为这个, 就说它股价已经过高了吗, 那也不一定, 因为如果它能持续这个势头, 保持这个发展的趋势, 它的股价很可能就还会一直涨, 很多人经常提到一个比喻, 就刚才我们提到这种浪潮, 就有点像之前的淘金热, 你很难押中哪里有金子, 或者谁能挖中这个金子, 但是有个稳赚不赔的买卖, 就是你可以去卖铲子, 这个英伟达, 它就有点像是在卖数据时代, AI时代的这个铲子, 这话说着没错, 听起来确实挺有道理, 不过我每次听到这个比喻, 就总觉得哪有点不得劲, 了解一点经济学的人可能都知道, 你说你要在淘金潮的时候卖铲子, 可能会赚大钱吗, 第一个去的可能会赚点钱, 可慢慢地大家要是都来卖了, 铲子又不难做, 你的边际利润就会迅速被吞噬, 所以在大部分的行业里, 你去卖这个所谓的铲子, 就是那个上游的生产工具, 因为它准入门槛太低, 行业竞争就会很激烈, 所以利润率根本不高, 可是英伟达, 它就能靠做这个所谓的铲子, 做到垄断 做到万亿市值, 包括台积电有点类似, 它比铲子还基础 就做锤子, 就是这个做铲子的工具, 这也能垄断, 你想没想过是为什么, 来 咱们就来深入聊一聊, 芯片行业它的特点了, 大家都听说过摩尔定律吧, 就是集成电路上, 可容纳的晶体管的数目, 每十八个月就能翻一倍, 或者你可以很笼统地理解成, 芯片每十八个月就能快一倍, 其实这几年, CPU的进化速度, 已经很难追得上这摩尔定律了, 可是黄仁勋又发现, GPU 独立显卡它的推进速度, 好像比这个摩尔定律预测得还要快, 大概每两年性能就能翻超过三倍, 而这个规律甚至都有了, 他自己的专有名词, 叫黄氏定律 Huang’s Law, 不管哪个定律, 这个就是芯片行业, 它非常显著的一个特点, 它确实初期的成本投入非常高, 需要大量的人才和设备, 就更麻烦的是, 它的更新迭代速度实在是太快, 这是一个不停在奔跑的行业, 行业更新速度太快, 从商业角度讲对这个参与者来讲, 有个很棘手的问题, 就是他很难构建自己的护城河, 护城河对一个公司重要性, 就不多说了, 你像传统公司, 我花个大价钱建个工厂 建个铁路, 那就有非常强的规模优势, 成本优势, 那这个优势就是个护城河, 就能帮我守护很长时间, 互联网公司护城河就更强了, 一旦形成网络效应, 微信 抖音 Facebook, 用户就是你极强的护城河, 芯片行业, 那不是有摩尔定律 黄氏定律, 不管你今天推出来一个多炸的芯片, 两年之后它注定已经落后, 你也不知道明年从哪来个毛头小子, 带着什么新技术就把你给干翻了, 你就看90年代, 显卡大乱战那个时候, 一个成立不到两年的公司, 就那个3DFX, 它凭借着那个Voodoo显卡, 迅速窜成行业标杆, 5年之后就落寞了, 被英伟达收购了, 这其实就是它那个护城河, 还没来得及护住就被推了, 这个行业里边你很难靠一个产品, 或者一个技术本身, 形成一个超过两年的护城河, 当然确实你可以慢慢积累一堆专利, 来进行自我保护, 可是事实证明就大部分情况下, 人家还是有办法, 能绕过你这堆专利的, 这个保护能力它并不强, 你只能不得不持续地奔跑, 跑得比所有人都快, 这个奔跑能力本身才是你的护城河, 放到芯片行业, 其实就是你的研发能力, 就跟着研发这一整套的, 人才 配套设施 组织架构, 这个才是芯片公司的护城河, 所以为什么今天研发贵, 一是它初期成本就很高, 需要大量的人才, 更关键的是你还得持续不停地, 快速迭代 快速地奔跑, 这个一般人谁受得了 是吧, 你就看那些互联网巨头, 他们已经非常注重科技创新了, 什么亚马逊 谷歌 微软, 研发投入其实也就营收的, 10%到15%, 可是英伟达呢, 它就要持续不断地投入, 25%左右的营收来继续研发, 你以为那黄氏定律, 是什么自然规律吗, 那还不是黄仁勋, 自己卷自己的结果吗, 我们要是讲故事, 可以说英伟达, 2006年之后一直垄断显卡市场, 这么一句话就完了, 可实际上他们好几次, 都是完全颠覆了, 自己之前的框架和技术, 就逼着自己差不多每6个月, 就得推出新一代的芯片, 你比如说他们最近光线追踪RTX技术, 就完全颠覆了, 他们之前积累下的方案, 采用深度学习的方式, 通过1个像素点, 来猜边上8个像素点大概长什么样, 来加速图像处理, 这种激烈的奔跑速度, 使得这个行业里必须得是跑得最快, 人才储备最充沛, 最财大气粗那么两三个公司, 才能赚到钱, 其他人肯定得陪跑, 这也是为什么我们经常看到, 芯片领域一顿竞争之后, 经常是以收购收场, 这里边不光是芯片研发难度的问题, 更主要是它不经济, 就连人才资本都非常充足的, 那些互联网巨头, 不逼到一定份上, 也不敢轻易踏足芯片领域, 可是现在就不一样了, AI领域可是互联网巨头, 接下来可能的最大战场之一, 而这个战场里边显卡就太重要了, 毕竟显卡决定了计算速度, 哪个巨头也不希望, 之后在AI都普及的时代, 被英伟达卡脖子 是吧, 所以说虽然他们现在, 还是英伟达最大的客户, 但他们也都在紧锣密鼓地, 自己这边开始钻研搞研发 弄芯片, 谷歌已经开发出来, 专门针对人工智能训练的芯片叫TPU, 据他们自己说, 比英伟达的显卡计算效率还要高, Meta其实早在2017年, 就开始用2万多台英伟达的显卡, 来进行AI训练, 不过现在他们也要开始, all in自研芯片 简称叫MTIA, 其实2020年开始, 英伟达就一直积极地想找, 孙正义底下的软银, 想以400亿美元的价格, 买下他旗下这个芯片公司ARM, 但是像高通 微软 谷歌这些巨头, 就纷纷跳出来强力反对, 结果这笔收购就没谈成, 你可见这些巨头, 其实是非常忌惮英伟达的, 你看, 能从早期显卡行业的厮杀当中冲出来, 是英伟达的能力, 能在20年前就布局CUDA, 是他的远见, 能持续垄断显卡行业, 是他的耐力, 撞上挖矿海量的算力需求, 是他的运气, 而老黄千年不变的穿衣风格, 是他的专一, 有了原来长时间的积淀, 现在遇上AI的风口, 英伟达自然顺理成章地, 取得了巨大的先发优势, 面临全新广阔的潜在市场, 和虎视眈眈加入进来的竞争对手, 英伟达到底能不能, 在新一轮AI混战当中, 再次杀出重围, 还很不好说,

延伸推薦

貓咪真的會怕小黃瓜嗎？如果想知道答案答案的話實驗該怎麼做？｜科學大爆炸EP.18

長頸鹿給問嗎？（下）｜科學大爆炸EP.16

長頸鹿給問嗎？（上）｜科學大爆炸EP.13