?自象限原創
作者｜周游
編輯｜程心
“英偉達是教科書式的市場大錯覺”
大模型的浪潮下，英偉達成了2023年最賺錢的科技公司，但傳奇投資人、投資機構Research Affiliates的董事長羅伯?阿諾特卻認為英偉達在今年驚人的反彈后形成了巨大資產泡沫。
表面原因有很多，無論是英偉達不夠老的資歷、遠超行業水平的市盈率，還是對其硬件生產商業模式天花板的討論，人們認可英偉達的價值，也同樣擔憂他的未來。
以市盈率為例，作為對比，微軟總市值2.36萬億，市盈率ttm32.75；谷歌市值1.64萬億，市盈率ttm27.54；蘋果市值2.73萬億，市盈率ttm29.33；而英偉達市值1.03萬億，市盈率卻高達100.51。
而更核心的原因在于，在巨大的AI浪潮，似乎只有英偉達一家賺得盆滿缽滿。
整個產業鏈尚處于百廢待興的狀態，一切都在十分早期，商業化的路徑并不明確。從其中上市科技公司的二季度財報數據來看，包括Google、Meta、Microsoft在內，推動增長的仍然是最傳統的廣告業務，AI在財報中不僅沒有成為主角，甚至沒有被過多提到。
當然，英偉達搶灘著陸，因為他是典型的“賣鏟子”的公司，但不能忽視的問題是，如果淘金者持續淘不到金子，賣鏟子的生意也不可持續。
個體的繁榮要建立在生態的繁榮之上，否則一條不健康的產業鏈，無法培育出下一個長紅的萬億科技公司。
當然，從英偉達最近頻繁的投資和談判的動作來看，英偉達正試圖破局，在GPU之上講出一個關于“云與軟件服務”的新故事，以此來重新錨定自己在AI時代的位置。
英偉達，不能只做孤獨的勝利者。
焦慮
偉達是AI大模型最大的受益者，今年他或將一改全球半導體行業已經21年的格局，成為年收入最高的半導體公司。
近日，名半導體行業咨詢機構Semiconductor Intelligence發布消息，預計英偉達2023年收入將達到529億美元，接近其2022年收入的兩倍，并超越英特爾和三星，成為全球收入最高的半導體公司。
目前來看，英偉達二季度的收入就已經超過英特爾。財報數據顯示，英偉達二季度收入收入為135.1 億美元，較上一季度增長88%，較去年同期增長101%，凈利潤更是暴漲843%。
這一切自然都得益于AI大模型的爆發，其A100和H100系列是目前訓練AI大模型最有效率的工具。研究機構 Omdia近日提到，英偉達二季度出貨了900噸H100顯卡，按一張H100約3kg的重量，僅二季度英偉達可能就賣出了約30萬塊H100。
毫無疑問，2023年是英偉達最高光的時候，但即便這樣的高光頂上也不免存在著一朵陰云——即除了英偉達之外，其他和大模型相關的企業似乎都不怎么賺錢。
8月底，The Information報道OpenAI 預計在未來 12 個月內，通過銷售人工智能軟件及其計算能力，將獲得超過 10 億美元的收入，但這些收入目前還只是“預計”。
更直觀的一點感受是，今年二季度，作為如今全球AI大模型最具代表的企業，在Google母公司Alphabet、Microsoft和Meta的財報中 ，AI不僅沒有成為其中主角，甚至沒有被提到更多。
真正推動這些巨無霸增長的，還是最傳統的互聯網變現方式——廣告。各家在提到二季度的增長時，都異口同聲的提到：“得益于廣告行業的復蘇”。
至于AI和大模型，過去半年中“OpenAI使用了Azure的智能云服務”一直被認為是Azure最好的廣告，但二季度Azure的業績增速并不理想。財報顯示，微軟智能云業務的收入增長為32億美元，漲幅15％。而2023財年Q2、Q3的增幅分別為18%和16%，2022財年Q4的增幅為20%。
Alphabet也處于漫長的投入期，其首席財務官 Ruth Porat 在之前的財報電話會議上表示，新的人工智能技術是有代價的，Alphabet第二季度資本支出的最大組成部分是服務器，以及對人工智能計算的“重大投資”。
在國內，只有三六零在9月份發布半年報時提到，大模型已經為公司創收2000萬元，被認為是第一個用大模型賺到錢的互聯網公司。但對比上半年15.6億元的研發投入，也只是杯水車薪。
顯而易見，英偉達是目前少有的通過AI大模型賺到錢的公司。原因也很簡單，因為別人都在“淘金子”，但他是在賣“鏟子”。
大多數人欣賞這樣的公司，因為這是每次淘金熱中最穩定賺錢的一撥人。但人們其實也總愛忽略一個問題，即如果淘金的人長時間淘不到金子，那么“賣鏟子”的生意也必定不會長久。
近日，集微網報道，AI協作工具Microsoft 365 Copilot需求不如之前強烈等原因，微軟正在下調英偉達H100芯片訂單，且拉貨放緩。
德意志銀行的分析師也曾在英偉達財報后提到，他們預計數據中心客戶將在某個時候放慢購買芯片的速度，以便“消化”已經購買的芯片。
顯然，由于商業化落地不及預期，今年上半年瘋狂下單的芯片正在經歷一個“冷靜”和“飽和”的階段。
這正是英偉達的焦慮。
作為“賣鏟者”，英偉達的增長必須要建立在行業整體的增長之上，只有英偉達一家賺錢的行業不是一個好行業。
破局
為了緩解這種焦慮，上半年賺了錢的英偉達開始瘋狂投資。
據不完全統計，英偉達今年上半年已完成20多筆投資，作為對比，作為全球創投界的"三巨頭"之一的環球老虎基金，今年上半年也才完成30筆左右的交易。
英偉達投資的企業主要都與AI相關，其中不乏AI大模型的“獨角獸企業”，比如加拿大AI公司Cohere，軟件初創公司Databricks、美國AI初創公司Inflection AI、視頻類AI生成公司Runway等等。
投資這些公司，除了生態布局和投資回報之外，對于英偉達最直接的意義還是拉動其GPU的增長。
比如，Inflection AI 6月份宣布正在開發一款超級計算機，將配備2.2萬片英偉達H100。再比如，同樣獲得英偉達投資的AI算力新秀CoreWeave，近期通過抵押H100拿到了23億美元的貸款，用來購買更多英偉達GPU組建計算中心。
通過給AI大模型企業提供投資，企業拿到錢之后又反過來購買英偉達的GPU，再將GPU抵押貸款，貸出來的錢再購買英偉達的GPU。
如此循環，雞生蛋，蛋生雞。以至于有人批評英偉達獲得收入的方式是“往返交易”（洗錢的一種方式）。
當然，對于英偉達來說，通過投資來擴大GPU的出貨量顯然不是最終目的，這背后隱藏著英偉達面對產業焦慮的解決方式和磅礴的野心。
作為參考，英偉達上一個投資爆發點在2017年，當時核心圍繞兩個方向，一個是以GPU為計算核心的人工智能，另一個則是汽車電子。
彼時黃仁勛意識到除了游戲外，GPU擅長的并行計算可能在未來對其他龐大數據處理的需求都有用武之地，英偉達開始靠投資開疆拓土并尋找可能性。
基于此，也誕生了英偉達目前硬件上最核心的兩塊長板，一是通用GPU（GPGPU），第二則是自動駕駛芯片。目前，英偉達Orin系列自動駕駛芯片已經成為除特斯拉以外其他智能車的標配。
這輪投資后，英偉達也最終形成了目前以游戲顯示、數據中心、汽車作為“三架馬車”的有業務路線。
因此，當我們梳理了英偉達近20年的投資歷史會發現一個結論：英偉達的投資方向往往代表了未來布局的方向，且總能通過投資來反哺自身業務。正如其 VP Jonathan Cohen 在最近接受采訪時所說，英偉達正在投資于理解和加速整個生成式人工智能的技術棧。
到這，我們幾乎就能理解，英偉達正欲通過投資培養和尋找未來，同時帶動AI生態的其他環節實現“共同富裕”。
這不只是為了英偉達，更是為了整個生態的繁榮。
野心
當然商業世界中從來不存在溫情，英偉達此舉，更是為了鞏固和加強自己在未來AI生態中的關鍵地位，成為類似于Windows時代的Intel，才能穿越下個經濟和技術周期。
除了找到與生態結合更準確的方向，英偉達也不滿足于只“賣卡”這一項服務，而是想要參與到更多大模型的開發和應用過程當中。
去年，英偉達向AWS、Azure、谷歌云等大客戶們提議，想要在他們的數據中心租用英偉達芯片支持的服務器，然后把這些服務器溢價轉租給人工智能軟件開發商。
這么做對于英偉達來說，既可以向大模型企業提供云服務，又可以避開前期自建IaaS層的高昂的投入和時間成本，能夠更快實現商業化。對于英偉達來說，是一筆賣卡之外的額外收入，一本萬利。
據英偉達官網數據，DGX Cloud（英偉達自建的云服務）客戶可以以每月3.7萬美元的價格租用內嵌8個A100的GPU云服務器，而在AWS上，A100 GPU 服務器的費用在每小時 32 美元至 40 美元之間，即每月 2.4萬 美元至3萬美元之間。
我們簡單的算一筆賬，英偉達不僅能將8塊A100賣給云廠商，還能賺到每月7000美元的差價，按照一塊A100五年壽命計算，5年內英偉達能多賺42萬美元。
當然，英偉達也不可能滿足于只賺差價的生意。其真正的目的隱藏在英偉達投資的眾多明星公司中兩個毫不起眼的項目，那是兩家小型云服務的公司，從體量上根本不能與AWS、Azure和Google的GCP相比。
但英偉達走的是一條“軟件定義硬件”的道路，基于云廠商提供的服務器資源搭配DGX Cloud，英偉達的工程師利用他們對本公司芯片的了解，可以通過軟件對服務器進行調優，同時搭配更多開發工具和軟件解決方案，使其性能優于其他云廠商提供的服務器。
AI軟件公司Anyscale就曾表示，與傳統云提供商為客戶提供的GPU服務器相比，DGX Cloud的性能“非常高，而且售價也非常有競爭力”。
顯然，“賣鏟人”不甘于屈居幕后，而是要走向臺前，并在逐漸深入軟件生態，增加多元化收入，在云廠商的領地里，再造一個英偉達。
尾聲
英偉達當然明白，時勢造英雄，也能敗英雄。
如果不思考長期戰略，英偉達如今的成功，很像風口上被鼓吹起來的“胖子”，高光時刻或如過眼云煙，尤其是當技術車輪繼續滾滾向前，英偉達所面臨的挑戰也越來越多。
比如無論是國內還是國外，從谷歌到阿里、從微軟到百度，各家云廠商都已經自研了自己的云端AI芯片，未來顯然會逐漸降低對英偉達的依賴。
除此之外，目前AI大模型企業對于英偉達GPU的需求，本質上還是來源于Transformer架構下，大模型對算力的需要。
但隨著AI大模型的參數規模越來越大，Transformer架構下的算力成本也在如指數級上升。從目前的相關報道來看，GPT-4可能在1萬到2.5萬張A100上進行的訓練，而根據馬斯克的說法，GPT-5可能需要3萬到5萬張H100。
為了解決算力帶來的巨大成本，也有越來越多的頂尖研究機構開始探索比Transformer更有效率的架構，以期待降低對算力的依賴。
比如斯坦福和Mila的研究人員提出了一種名為Hyena的新架構，在達到與GPT-4同等準確性的前提下，使用的算力少100倍。但目前Hyena架構還只能在參數規模較小的情況下使用，不到GPT-3的十分之一。
此外，麻省理工學院的兩名研究人員也從提出了 “液態神經網絡” （liquid neural networks）。這種架構不僅速度更快，而且異常穩定，這意味著系統可以處理大量的輸入而不至于失控，且比"Transformer"更加透明且更易于人類理解。
整體上，基礎架構不斷改進，以達到減少對算力依賴的“命運齒輪”已經開始轉動。就像《三體》中不知道何時會出現的技術大爆炸一樣，不可預料，也不可輕視。
而英偉達需要做的，就是趕在新的技術范式誕生之前，推動AI生態基于Transformer和GPU建立一個龐大的生態。
這既是英偉達焦慮，也正是英偉達的野心。
