NVIDIA成为AI大模型“军备竞赛”算力“命门”，市值直逼万亿
上周四，NVIDIA股价上涨24.4%，创下2016年以来该股最大单日涨幅，市值达到9380亿美元，距1万亿美元市值大关一步之遥，盘中NVIDIA的市值一度涨了将近2000亿美元，几乎相当于两个英特尔的市值。
这次股价飙升的背后，则是NVIDIA最新财报大幅超过市场预期，具体来说，NVIDIA发布的2024财年Q1 财报，营收71.92亿美元，高于分析师预期的65.3亿美元，而且，NVIDIA预期Q2营收为110亿美元，比分析师预期的71.1亿美元高出50%，有可能创下单季最高营收纪录。
2022年7月的时候，我就在科技特训营里分析，认为NVIDIA的市值很可能达到万亿美元，因为他们在AI训练的硬件市场上可以说是一家独大，掌握着AI大模型“军备竞赛”的算力“命门”。
生成式AI训练大规模神经网络，需要高度复杂、并行的计算能力，传统CPU的并行计算效率较低，GPU的并行计算能力极强，非常适合训练生成式AI。
NVIDIA占据GPU市场84%的份额，他们的A100和H100两款AI芯片是ChatGPT这样的大语言模型的核心动力，仅ChatGPT就用了上万张的A100芯片。
并且，各大科技公司也开始大规模采购GPU。争取快速训练自家的AI大模型，而训练一个大模型就可能需要数千个GPU，比如推特买了1万张NVIDIA A100 GPU打造自己的数据中心，谷歌最近发布的“A3”超级计算机，用了大约26000个NVIDIA H100 GPU，这就代表，AI军备竞赛已经开始。
你看，NVIDIA已经成为新一轮AI军备竞赛的主要硬件供应商，这就是它能够获得市场认可的核心。
其实，这并不是NVIDIA第一次站上风口。2017年之后，NVIDIA就搭上过加密货币、疫情远程办公、元宇宙等热潮，市值突破8000亿美元，但随着市场风潮减弱，其市值在2022年10月跌至3000亿美元以下。
那么，这次还会像以前一样只是赶上了一个短暂风潮吗？NVIDIA还有进一步提升的空间吗？
其实，生成式AI与加密货币和元宇宙有很大不同，生成式AI有明确的商业化用途，已经在办公、教育、医疗、金融、财务、法律等各个领域实际应用，是一次生产工具的升级，能够带来实际价值的提升，而不是概念泡沫。
并且，从NVIDIA的业绩来说，AI数据中心业务已经连续第五个季度成为公司的营收支柱，其营收占比高达59.6%，加之各大公司都在批量采购GPU，这就意味着ChatGPT不是一个短期事件，因为大型科技公司很少为了短期泡沫花巨大的成本采购硬件设备，所以，生成式AI并不是短期风潮，而是长期趋势。
不过即使如此，也有人说NVIDIA的“AI芯片帝国”存在裂缝，因为GPU在AI芯片领域也有其他竞争者，比如Google的TPU、微软的Athena芯片等等。
尤其是Google的TPU曾经在多个AI场景下，性能和功耗胜过了NVIDIA同期GPU，这让业内人士认识到GPU可能不是AI芯片的唯一的答案，定制化专用芯片（ASIC）有突破NVIDIA垄断地位的可能性。
但是，生成式AI已经进入展开期。无论是OpenAI、微软、谷歌等大模型平台公司，还是midjourney、character AI等应用公司，都在加速推进AI产品和服务的升级迭代，同时还有更多新公司、新产品出现，AI军备竞赛迫在眉睫。
在时间紧迫的情况下，企业对AI芯片的最大需求就是实用、稳定并且经过验证，而不是微小的性能提升。
试想一下，一位指挥官马上要带兵打一场具有决定性意义的战役，即使新武器的精准度更好一些，指挥官还是会选经过验证的旧武器，因为他会担心新武器的质量问题而贻误战机。
同样的道理，企业利用生成式AI来创新商业模式，就相当于创造新的战术，如果此时使用新武器，那就会有更大的风险，所以更稳妥的做法是使用经过验证的旧武器，也就是GPU，来尽快试验出新打法。
从本质上说，企业打造AI服务的核心是AI技术的应用，而硬件基础设施的领先并不一定导致应用效果的领先，并且AI数据中心是成千上万个芯片的累加，单台芯片之间微小的性能差距，靠增加GPU数量就可以解决。
另外，企业采购大批量芯片时还会考虑供应商的供货能力，如果产能没有保障的话同样会贻误战机。
所以，即使有其他AI芯片企业竞争，NVIDIA仍然具有独特的竞争优势，因为它经过了长期验证，并且供货能力更强。
总体来看，随着AI芯片采购需求的增多，NVIDIA的优势还可能进一步扩大，替代品短时间内难以占据上风，NVIDIA何时站上万亿市值的台阶，非常值得期待。
（王煜全为海银资本创始合伙人）
