英偉達(dá)NVIDIA面臨的挑戰(zhàn)與機(jī)遇：保持全球領(lǐng)先地位的關(guān)鍵
英偉達(dá)（NVIDIA）作為全球領(lǐng)先的半導(dǎo)體公司，以其在人工智能和圖形處理領(lǐng)域的創(chuàng)新技術(shù)而聞名。然而，近年來，英偉達(dá)面臨著來自競爭對手和市場變化的巨大壓力。本文將探討英偉達(dá)在軟件基礎(chǔ)設(shè)施、市場競爭和估值等方面所面臨的挑戰(zhàn)，并分析其應(yīng)對之策。同時，我們將審視英偉達(dá)在這個充滿變數(shù)和機(jī)遇的領(lǐng)域中的角色和前景。讓我們一起深入了解英偉達(dá)所面臨的挑戰(zhàn)與機(jī)遇，以及其如何保持領(lǐng)先地位。
一、英偉達(dá)乘著AI浪潮成為贏家
一、英偉達(dá)乘著AI浪潮成為贏家
英偉達(dá)（NVIDIA）是一家主要生產(chǎn)圖形處理單元（GPU）的公司，而如今，GPU在巨大工作量的浮點(diǎn)數(shù)學(xué)運(yùn)算方面表現(xiàn)出色。雖然早期主要用于支持計算機(jī)上配備高幀率和高分辨率顯示器的圖形處理，但英偉達(dá)在2005年左右意識到GPU在其他實際應(yīng)用場景中的潛力。從那時起，他們開始致力于研發(fā)，將GPU應(yīng)用于圖形處理以外的工作負(fù)載。
2012年，英偉達(dá)的努力開始見到回報。全球首個高質(zhì)量圖像識別人工智能（AI）模型——AlexNet，就是建立在英偉達(dá)的GPU加軟件之上，并在ImageNet比賽中一舉擊敗其他競爭對手。從那時起，除了谷歌之外，英偉達(dá)的軟硬件組合就成為所有從事AI研究的公司的默認(rèn)選擇。
之后，英偉達(dá)將GPU的研發(fā)分為兩個方向：一是PC端和加密貨幣work設(shè)備，二是數(shù)據(jù)中心GPU。PC端的GPU產(chǎn)品相對昂貴，最高售價可達(dá)1600美元左右；而數(shù)據(jù)中心GPU的價格更加夸張，高達(dá)1萬到1.5萬美元，甚至有旗艦單卡售價4萬美元的情況出現(xiàn)。英偉達(dá)的數(shù)據(jù)中心GPU擁有約75%的毛利率，在硬件領(lǐng)域幾乎是前所未有的。
然而，這種實質(zhì)性壟斷地位是該公司在AI軟硬件領(lǐng)域取得成功后的自然結(jié)果。自2012年以來，英偉達(dá)的GPU和軟件使得AI模型的體量呈指數(shù)級增長。
在2012年之前的幾年里，模型的體量大致按照摩爾定律每兩年增加一倍。但從2012年開始，每個技術(shù)公司都開始使用英偉達(dá)的GPU進(jìn)行機(jī)器學(xué)習(xí)研究，模型的體量增長速度也開始加快，每3到4個月就翻一番。這樣的增長速度一直持續(xù)到ChatGPT模型的出現(xiàn)。其中最著名的模型之一是AlphaGo，它在圍棋比賽中表現(xiàn)出色，幾乎碾壓人類選手。直到2021年，當(dāng)時最大的AI模型也只能玩一些游戲而已。
模型的大小很重要，因為在生產(chǎn)環(huán)境中構(gòu)建和運(yùn)行這些模型的成本隨著模型體量的增加呈指數(shù)級增長。例如，GPT-4的體量是其前身GPT-3.5的3到6倍。然而，OpenAI為GPT-4 API提出的訂閱費(fèi)卻高出15到60倍。此外，需要強(qiáng)調(diào)的是，OpenAI開放的并不是GPT-4的最佳版本。托管OpenAI大語言模型的微軟Azure無法提供足夠的GPU來支持這項業(yè)務(wù)，因此大部分有限資金的客戶暫時無法使用最強(qiáng)大的語言模型。此外，GPU供應(yīng)短缺也阻礙了其他各種服務(wù)的實施。
舉個簡單的例子，讓ChatGPT為即將召開的美聯(lián)儲會議寫一首詩，輸入3個提示詞，讓它輸出一首28行的詩。看看在OpenAI API上執(zhí)行這樣一個簡單任務(wù)需要花費(fèi)多少錢。
價格之所以大幅上漲，原因在于英偉達(dá)數(shù)據(jù)中心GPU的供應(yīng)緊缺。由于資源有限，目前GPT-4 32k服務(wù)仍無法全面推出。
雖然在研究階段，大語言模型已經(jīng)確立了體量越大成本越高的趨勢，但在生產(chǎn)層面上，大規(guī)模推理帶來了更加夸張的資源需求和設(shè)施開銷。突然之間，AI技術(shù)的經(jīng)濟(jì)邏輯發(fā)生了變化。過去十年間，每個人都在使用英偉達(dá)的軟硬件進(jìn)行模型研究，所以現(xiàn)在大部分收入都被英偉達(dá)賺走了。
多年來，隨著收入迅速增長，微軟在智能云領(lǐng)域建立了強(qiáng)大的市場影響力。然而，當(dāng)被迫大量采購GPU來支持ChatGPT的生產(chǎn)應(yīng)用時，好日子終于宣告結(jié)束。微軟的云運(yùn)營利潤率連續(xù)四個季度下降，這主要是因為英偉達(dá)數(shù)據(jù)中心GPU高達(dá)75%的毛利率。
面對英偉達(dá)DGX H100這樣的AI服務(wù)器，我們會發(fā)現(xiàn)其中的利潤分配極其不均衡。
作為AI服務(wù)器領(lǐng)域的主要力量，英偉達(dá)DGX H100總銷售額的約90%都進(jìn)入了芯片巨頭的口袋。這還沒有算上英偉達(dá)認(rèn)證授權(quán)設(shè)備的費(fèi)用。
如果有人想構(gòu)建自己的高性能服務(wù)器，可以選擇避免使用英偉達(dá)認(rèn)證，采用廉價CPU，或者減少內(nèi)存/存儲空間來降低成本。當(dāng)然，也可以避免使用英偉達(dá)的網(wǎng)絡(luò)DPU，轉(zhuǎn)而選擇更便宜的硬件，如博通或Mellanox（這些與英偉達(dá)有一定關(guān)聯(lián)）。然而，這可能會導(dǎo)致性能瓶頸。無論如何節(jié)約成本，無法回避的是需要使用8個H100 GPU和負(fù)責(zé)GPU互連的4個NVSwitch，這些硬件本身就要花費(fèi)近18萬美元。
的確，英偉達(dá)賺取了大部分的利潤。他們花了近20年的時間為2023年的AI大爆發(fā)積蓄力量。盡管巨額利潤使英偉達(dá)成為市場上眾矢之的，但他們捍衛(wèi)著AI硬件主導(dǎo)地位的護(hù)城河在于他們擁有唯一完整的軟硬件組合，而且這套組合自2012年以來一直是研究人員們依賴的默認(rèn)選項。隨著我們將這些超大體量模型投入生產(chǎn)，每家參與的廠商都陷入了困境。
那么，業(yè)界有哪些應(yīng)對措施呢？目前主要有以下三點(diǎn)：
1.硬件：采用"AI加速器"等替代性硬件，以較低的成本執(zhí)行相同的工作。
2.模型體量：在最近的研究中，研究人們還在努力在更小的模型上實現(xiàn)更好的效果，從而顯著降低對GPU算力的需求。通過優(yōu)化算法和模型結(jié)構(gòu)，研究人員致力于在減少參數(shù)數(shù)量的同時提高模型的性能和效果。這種方法被廣泛應(yīng)用于輕量級模型和移動設(shè)備上，以滿足資源受限的環(huán)境需求。
3.軟件：將訓(xùn)練和推理負(fù)載從硬件上剝離出來，以減少對英偉達(dá)的依賴。通過使用分布式計算和云計算等技術(shù)，可以將工作負(fù)載分配到多個計算資源上，從而提高整體的計算效率和資源利用率。此外，也有一些開源軟件框架和庫，如TensorFlow和PyTorch，提供了跨不同硬件平臺的通用接口，使開發(fā)者能夠更靈活地選擇硬件設(shè)備。
二、AI 加速器：顛覆游戲規(guī)則的暗渡陳倉之策
AI 加速器是一種由多種不同硬件組成的松散結(jié)合體。這項技術(shù)起源于2015年，當(dāng)時谷歌的AI訓(xùn)練需求已經(jīng)超過了英偉達(dá)GPU的供應(yīng)能力。為此，谷歌在同年首次公布了供內(nèi)部使用的張量處理單元（TPU）。目前，TPU 2、3和4版已經(jīng)在Google Cloud上開放租用，相較于云GPU，在執(zhí)行相同工作負(fù)載時能夠節(jié)約40%到50%的成本。
這些加速器采用了多種設(shè)計方式，但其底層技術(shù)邏輯是相同的——通過使用計算成本較低的整數(shù)運(yùn)算來模擬成本極高的浮點(diǎn)運(yùn)算。盡管這可能會導(dǎo)致數(shù)學(xué)精度的降低，但大量研究表明，除了科學(xué)應(yīng)用之外，大多數(shù)AI模型并不需要英偉達(dá)GPU所提供的極高精度。
這就像是在偷偷作弊，但效果似乎相當(dāng)不錯。現(xiàn)在，我們已經(jīng)看到了AMD/Xilinx、高通和英特爾等廠商推出了自己的AI加速器，再加上Google Cloud的原生TPU。另據(jù)報道，微軟也計劃為Azure開發(fā)加速器，可能會與AMD合作來分擔(dān)OpenAI的工作負(fù)載。
然而，在邁出這一步時需要小心謹(jǐn)慎。一方面，各廠商希望逐漸從英偉達(dá)手中奪回業(yè)務(wù)利潤；另一方面，在可預(yù)見的未來，這些廠商仍然需要大量采購英偉達(dá)GPU。只有那些能夠巧妙應(yīng)對這種微妙局面的人才能始終保持主動地位。
三、小型化的趨勢：AI模型的新轉(zhuǎn)變
近年來，AI模型的體量呈現(xiàn)快速膨脹的趨勢，每3到4個月就翻一番。這個趨勢并非秘密，人們早已感受到了這一新的發(fā)展方向。然而，在商業(yè)環(huán)境中，追求模型越大越好已經(jīng)失去了意義，相反，“小即是美”成為了AI時代的新主題。
這個轉(zhuǎn)變的起點(diǎn)可以追溯到ChatGPT模型的發(fā)布。在此之前，許多公司都在進(jìn)行自然語言處理的研究，但ChatGPT的問世如同一記耳光，向全世界展示了什么是更大更好，什么是引領(lǐng)時代。這也引發(fā)了一股恐慌情緒的蔓延。
去年，Stability AI開源了穩(wěn)定擴(kuò)散圖像生成模型，受到了廣泛關(guān)注。許多廠商紛紛決定開源自家的模型，希望在社區(qū)的支持下取得更大的進(jìn)步。Facebook就是其中之一，他們開源了自家的LLaMA語言模型，其參數(shù)規(guī)模高達(dá)650億，約為GPT-3的三分之一，比GPT-4小9到18倍。此后，斯坦福大學(xué)的研究人員開發(fā)出了Alpaca版本，可以在幾乎所有硬件上運(yùn)行。
擁有關(guān)注和熱度，社區(qū)開源開發(fā)的速度往往驚人。如今，已經(jīng)有大量應(yīng)用程序構(gòu)建在Alpaca和其他開源模型之上。人們在努力提升模型性能的同時，也在尋求控制模型參數(shù)體量的方法。
最重要的是，這些模型開始在消費(fèi)級硬件上運(yùn)行，包括個人電腦甚至智能手機(jī)。而且它們完全免費(fèi)。因此，基礎(chǔ)模型的分界線不再是企業(yè)，而是商業(yè)與開源兩個陣營。
谷歌也意識到了這個趨勢。在最新的I/O大會上，他們公布了一套比前代更小但性能更強(qiáng)的語言模型。
·LaMDA（2021年）：參數(shù)多達(dá)1370億
·PaLM（2022年）：參數(shù)多達(dá)5400億
·PaLM 2（2023年）：根據(jù)未經(jīng)證實的內(nèi)部消息，參數(shù)多達(dá)3400億，基本符合谷歌所說的“明顯更小”的說法。這是我所知的AI模型首次向小型化轉(zhuǎn)變，其中最小的PaLM 2模型甚至可以在個人電腦或智能手機(jī)上運(yùn)行。
盡管GPT-4仍然是目前最優(yōu)秀和最強(qiáng)大的語言模型，但它也是體量最大、運(yùn)行成本最高的選擇。這對英偉達(dá)公司來說是有利的，但同時也激發(fā)了業(yè)界對于構(gòu)建高性能小型模型的熱情。谷歌已經(jīng)邁出了第一步，開源貢獻(xiàn)者也在不斷微調(diào)自己的領(lǐng)域模型，主要以LLaMA/Alpaca為基礎(chǔ)。
隨著越來越多的工作負(fù)載在消費(fèi)級硬件上運(yùn)行，英偉達(dá)也必須接受市場對GPU算力依賴度日益降低的現(xiàn)實。這意味著AI模型不再需要依賴巨大的GPU資源，而是更加注重在小型設(shè)備上的高效運(yùn)行。這一趨勢對于推動AI技術(shù)的普及和應(yīng)用帶來了巨大的潛力，同時也促使廠商們加快創(chuàng)新步伐，開發(fā)出性能強(qiáng)大且適應(yīng)各種設(shè)備的小型化模型。
四、軟件：構(gòu)建穩(wěn)固的護(hù)城河
軟件護(hù)城河：英偉達(dá)的核心優(yōu)勢與挑戰(zhàn)
英偉達(dá)作為AI軟件領(lǐng)域的領(lǐng)導(dǎo)者，其真正的核心優(yōu)勢不僅僅在于硬件，而是在于經(jīng)過近20年研究的軟件技術(shù)。然而，軟件基礎(chǔ)設(shè)施的碎片化和缺乏完善性一直是非英偉達(dá)陣營面臨的問題。現(xiàn)在，一家名為Modular的公司正在挑戰(zhàn)英偉達(dá)的技術(shù)護(hù)城河。他們采用了類似于LLVM的模塊化設(shè)計，旨在構(gòu)建一個統(tǒng)一、穩(wěn)定的軟件生產(chǎn)環(huán)境，為AI應(yīng)用提供強(qiáng)大的推理引擎。這一舉措對英偉達(dá)而言堪稱釜底抽薪，因為軟件的穩(wěn)定性和完備性是構(gòu)建護(hù)城河的關(guān)鍵要素。
五、英偉達(dá)的反擊之戰(zhàn)
英偉達(dá)的戰(zhàn)略反擊：面對普通硬件的挑戰(zhàn)
英偉達(dá)正面臨來自全球各方的競爭壓力，不僅來自其直接客戶，還來自客戶的客戶。然而，英偉達(dá)堅持一種不斷進(jìn)取的態(tài)度，始終保持居安思危的信念。然而，真正的競爭對手往往并非巨大而明顯的，而是那些無處不在、價格更低、性能較差的普通硬件。回顧IBM與英特爾的競爭，我們可以看到即使市場領(lǐng)導(dǎo)者也可能因為忽視這些細(xì)小挑戰(zhàn)而失去優(yōu)勢。英偉達(dá)需要采取行動，拿出自己的AI加速器來保護(hù)自己的市場地位，即使這可能會削弱利潤和增長空間。否則，其他競爭對手將填補(bǔ)這個空白。
六、英偉達(dá)的估值與風(fēng)險
英偉達(dá)的估值與未來挑戰(zhàn)：縱覽技術(shù)市場的不確定性
英偉達(dá)的市場估值一直備受關(guān)注。盡管最樂觀的情況下，英偉達(dá)的市值可能相當(dāng)于50年的經(jīng)營收益，但這種理想情況只存在于理論模型中。英偉達(dá)與1999年至2000年的思科有著相似之處，都是成為新一波技術(shù)的領(lǐng)先供應(yīng)商。然而，思科在當(dāng)時面臨著激烈競爭，并在2000年達(dá)到了高市盈率。現(xiàn)在，英偉達(dá)面臨著類似的挑戰(zhàn)，盡管其市盈率已經(jīng)達(dá)到了204倍。過去十年，英偉達(dá)是回報率最高的科技股之一，但歷史上的案例表明，市場形勢可能在短時間內(nèi)發(fā)生劇變。因此，英偉達(dá)需要應(yīng)對以下五個風(fēng)險來支持其市場估值的持續(xù)增長：
加密貨幣work收入無法恢復(fù)：這一點(diǎn)尚未在估值中得到體現(xiàn)，但可能發(fā)生的可能性較高，應(yīng)該考慮在估值結(jié)果中。
1.AI投資泡沫：雖然可能性較低，但將其作為一個風(fēng)險因素計入估值是必要的。
2.英偉達(dá)在AI硬件領(lǐng)域的主導(dǎo)地位受到顛覆：這可能迫使英偉達(dá)壓縮現(xiàn)有的毛利率，從長遠(yuǎn)來看，這種風(fēng)險可能在2025年、2030年或者2035年發(fā)生。
3.經(jīng)濟(jì)衰退的可能性：年底或明年初可能出現(xiàn)經(jīng)濟(jì)衰退的幾率較高，估計約為50%。
4.摩爾定律的瓶頸：摩爾定律可能再次遭遇瓶頸，進(jìn)一步提升性能的成本會更高。在過去，英偉達(dá)表現(xiàn)出強(qiáng)大的增長勢頭，但目前高達(dá)50倍的市盈率仍令人難以理解。
盡管英偉達(dá)面臨著諸多挑戰(zhàn)和風(fēng)險，但其在人工智能和硬件領(lǐng)域的強(qiáng)大實力和技術(shù)護(hù)城河仍使其在市場上處于領(lǐng)先地位。無論未來會帶來什么變化，英偉達(dá)都將繼續(xù)努力應(yīng)對挑戰(zhàn)，保持創(chuàng)新和競爭力。作為觀察者和參與者，我們將持續(xù)關(guān)注這個引人注目的商業(yè)競爭，并期待著看到未來的發(fā)展和結(jié)果。在技術(shù)的推動下，世界將繼續(xù)迎來新的變革和機(jī)遇。
盡管英偉達(dá)面臨著諸多挑戰(zhàn)和風(fēng)險，但其在人工智能和硬件領(lǐng)域的強(qiáng)大實力和技術(shù)護(hù)城河仍使其在市場上處于領(lǐng)先地位。無論未來會帶來什么變化，英偉達(dá)都將繼續(xù)努力應(yīng)對挑戰(zhàn)，保持創(chuàng)新和競爭力。作為觀察者和參與者，我們將持續(xù)關(guān)注這個引人注目的商業(yè)競爭，并期待著看到未來的發(fā)展和結(jié)果。在技術(shù)的推動下，世界將繼續(xù)迎來新的變革和機(jī)遇。