半导体龙头英伟达（NVIDIA）刚于8月底发表财报，表现超出华尔街预期，刺激股价飙升，不但令公司市值稳站在1兆美元（约7.8兆港元）以上，更带动美国科技股整体上涨。如此亮眼的业绩，不禁让人怀疑该公司在AI芯片市场上是否还有对手。乘着生成式AI浪潮而登顶的NVIDIA，下一步将如何巩固其AI芯片霸业？未来又将会面对什么潜在威胁呢？

全球抢购GPU令英伟达收入暴涨

   NVIDIA在2024年第二季收入跃升到135.1亿美元（约1,053.78亿港元），超出市场预期的112.2亿美元；公司毛利率上升至71.2%，超出预期的69%；营业利润则为77.7亿美元（约606.06亿港元），年增率达到155%，净利年增率更高达422%。

   同时，NVIDIA在财报中提出乐观的财测，预计第三季收入可望达到160亿美元（约1,248亿港元），较2022年同期暴涨170%；净利有望激增至61.9亿美元（约482.82亿港元），远超2022年同期的6.56亿美元（约51.17亿港元）；公司毛利率则预计为72%左右。

   如此骄人的财报表现，突显NVIDIA图像处理器（Graphics Processing Unit，GPU）在生成式AI浪潮中有着举足轻重的地位。英伟达出品的A100、H100 GPU芯片，现已被科技业者视为开发AI大型语言模型的首选装备。当日OpenAI对GPT-4模型展开数据训练，就动用了约25,000颗A100芯片。

   除各大科技巨头如Google、亚马逊（Amazon）、Meta外，英国、沙特阿拉伯、阿联酋都大手抢购A100、H100芯片，导致NVIDIA GPU供应非常短缺。于是，英伟达计划将H100芯片产能提高至少3倍，预计出货量从2023年的50万颗增至2024年的150至200万颗。

目前全球最抢手的AI芯片，是NVIDIA出品的H100 GPU，售价高达4万美元（约31.2万港元）。（图片来源：NVIDIA官网）

NVIDIA的AI运算产品线非常完整，除单一GPU芯片外，还有内置多颗GPU的超级计算机可供选购。（图片来源：NVIDIA官网）

英伟达数据中心营收未来仍会攀升

   可是，有投资者担心，当下NVIDIA形势大好，可能因为企业被近期ChatGPT热潮冲昏头脑，所以把AI芯片需求往前挪。半导体研究集团SemiAnalysis首席分析师巴特尔（Dylan Patel）指出，很多科技公司即使尚未确定如何运用NVIDIA GPU来开发AI产品赚钱，但为免错失良机，不惜砸下重金进行采购；到了某一天，生成式AI终于出现了可持续获利的用途，届时大部分公司可能会停止再投资，只剩下能够真正获利的公司会继续加码投资。

   投资研究机构Morningstar Research分析师布赖恩·科莱洛（Brian Colello）对此看法不以为然。他认为，现时根本找不到GPU订单是一次性购买、或是将支出挪前的证据，所以预估NVIDIA在2024会计年度从数据中心市场获取的收入，可望达到410亿美元（约3,198亿港元），远多于2023年的150亿美元（约1,170亿港元）。

   科莱洛进一步预测，未来几年英伟达数据中心营收仍会持续攀升，有望从2025会计年度的600亿美元（约4,680亿港元），增长至2028年度的1,000亿美元（约7,800亿港元）。他认为，未来几季每颗出厂的英伟达GPU芯片都会被抢购一空。

全球数据中心转向加速运算架构

   NVIDIA执行长黄仁勋（Jensen Huang）豪言：“一个新的运算时代已经展开，全世界的公司正从通用型计算机运算，转型为加速运算与生成式AI。”他认为，为迎合生成式AI的蓬勃发展，全球数据中心正逐渐从以中央处理器（CPU）为基础的传统运算架构，转向以GPU为核心的加速运算架构。

NewEdge Wealth基金经理人本·埃蒙斯（Ben Emons）认为，左右美国利率政策走向的人不再是联储局主席鲍威尔，而是NVIDIA执行长黄仁勋，足证英伟达已对美国经济有着极大影响力。（图片来源：NVIDIA官网）

   换言之，数据中心可以少买一些超威（AMD）、英特尔（Intel）的CPU，转为多买一些NVIDIA GPU，以建构生成式AI所需的加速运算平台。德意志银行分析师罗斯·西穆尔（Ross Seymore）评估，NVIDIA数据中心收入将会是AMD、Intel加总起来的两倍以上，凸显英伟达GPU对数据中心是何等重要。

   此外，黄仁勋又指出，上至从法律合约、下至营销文案，均可利用生成式AI产制出来，未来各行各业将会使用愈来愈多由AI生成的内容。他认为，数据中心架构转型、产业需求AI生成内容两大趋势，已持续了大概一个季度，不会就此结束。不过，黄氏却拒绝评论，2024年以后生成式AI热潮能否继续保持热度。

黄仁勋与服务器厂建立紧密关系

   黄仁勋明白，NVIDIA不能只是坐享AI热潮红利而什么也不做。为求巩固AI芯片霸业，黄仁勋早已作出3大部署。首先，他积极拉拢服务器厂商，以建立更紧密关系。2023年5月，他旋风式访问中国台湾，频繁地出现在各家服务器厂商的活动上，就是要稳固供应链桩脚，为其AI芯片布局做好准备。

   大家要知道，AI模型运算能否畅行无阻，软硬件整合正是个中关键。目前全球大型企业都倾向拥有属于自己的AI模型，这样可能需要为其度身订造的专用AI服务器，才可以实现最顺畅的运算表现。就算是Microsoft Azure、Amazon AWS和Google Cloud等云端服务商，面对不同产业客户的业务需要，对AI服务器客制化的需求亦会有所增加。

Amazon旗下云端服务供货商AWS的数据中心，现已大量采用NVIDIA GPU来提供加速运算服务。（图片来源：Amazon官方网志）

   倘若要做到完全客制化，就需要芯片、系统、软件公司等整个生态系厂商互相配合。如此一来，服务器厂商所扮演的整合性角色将会变得愈加重要。因此，英伟达只要跟服务器厂商能够保持良好的紧密关系，便能够按照客户需求制造出多样化的产品——无论是数据中心适用的大规模运算架构，还是企业内部需要用到的单一AI服务器，英伟达都可以全面提供。这正是NVIDIA能够抢下AI服务器市场9成份额的主要原因之一。

善用CUDA固守市场防对手进入

   其次，黄仁勋利用研发多年的编程工具平台《CUDA》，作为NVIDIA在AI领域的“护城河”。软件工程师使用《CUDA》开发AI应用软件时，可以跳过撰写低阶编程语法的步骤，直接采用高阶语法诸如《C++》或《Java》等来编写适用于NVIDIA GPU的算法，以实现最佳的运算效能。

《CUDA》平台提供大量针对GPU架构深度优化的函数库，可让软件工程师直接使用，有助简化AI软件开发流程。（图片来源：NVIDIA官网）

   几乎所有采用NVIDIA GPU的企业，皆培育了一群深谙《CUDA》架构的工程师。AI软件开发商如要转用非英伟达产品，就要重新训练员工来适应新架构，故此绝大部分公司都不会轻易作出改变。假如竞争者无法突破《CUDA》这条护城河，根本不能攻入此市场。

   有鉴于此，英伟达主要对手AMD已推出自家的编程工具软件《ROCm》，务求跟《CUDA》一较高下。2023年8月，AMD宣布收购法国AI软件商Mipsology，以进一步强化《ROCm》。有分析师指出，此举可能会迫使NVIDIA加快提升和改善《CUDA》的功能，以提高用户黏着度。

跨足云端市场扩大AI业务版图

   再者，黄仁勋尝试跨足云端服务市场，以扩大其AI业务版图。2023年3月，英伟达宣布推出云端服务“DGX Cloud”，让无法负担高昂NVIDIA芯片价格的小公司，可以在云端上享用GPU的强大运算力。DGX Cloud使用NVIDIA DGX超级计算机提供云端运算，每台均配备8颗H100或A100 芯片和640GB内存。

   自此以后，NVIDIA从只造硬件的AI芯片生产商，摇身一变为提供云端运算的服务供货商。对AI初创来说，AI运算力是非常昂贵和稀有的资源；透过DGX Cloud，初创便可用较低成本来研发和部署AI应用。在当下运算力不足的AI发展期，NVIDIA可以藉此吸纳更多初创加入其AI运算阵营，壮大《CUDA》生态圈。

   此举又可让英伟达抢攻气象模拟、地球模拟、甚至国家级精密运算等高端AI运算市场，开拓新客源。黄仁勋曾表示，他最喜爱的AI应用场景不是在科技产业，而是在研发新药和分析气候变迁，更认为日后AI应用将会延伸至农业、制造业、以至制药业等。

AI模型开源引发自定义芯片浪潮

   尽管NVIDIA风头声势一时无两，市场上看似没有具份量的竞争对手，但未来仍需面对2大挑战。首先，自ChatGPT爆红后，科技界对AI模型应开放原始码的呼声愈来愈高，以免生成式AI的发展被OpenAI、Google等大企业垄断。Meta于2023年2月发布开源AI模型LLaMA，迄今已被申请使用逾10万次，代表着开源已作为AI模型发展的主流趋势。

   当中小企业可以运用开源模型来开发自家的AI模型后，就能够依据某个开源模型版本，按照自身业务需要，制作自定义设计的特殊应用芯片（Application Specific Integrated Circuit，ASIC）。ASIC芯片只需达成单一而明确的任务，架构设计较简单，制造成本也较便宜，让企业可以自行建构更具成本效益的AI运算平台。

   如今AI服务器的生产成本，NVIDIA GPU已占去当中近九成。对服务器厂商来说，GPU占成本比重过高，产品毛利自然不好。因此，当AI模型开源与ASIC芯片方案兴起后，服务器厂商可能会积极寻找NVIDIA以外的AI芯片供应来源，以达成更佳的成本控制。

在Computex 2023展览会上，服务器厂商Supermicro总裁暨执行长梁见后（左）邀请了NVIDIA执行长黄仁勋（右），作为主题演讲的嘉宾。（图片来源：NVIDIA官网）

英伟达陷入与云端大客户竞争局面

   其次，英伟达跨入云端市场，虽然有助拓展业务，但却会跟客户形成互相竞争的局面，可能会加速云端服务商寻求替代方案。现时NVIDIA先以高价把GPU卖给云端服务商，跟着再租用云端服务商的硬件平台来提供DGX Cloud赚钱。于是，前台、后台两边钱都由英伟达赚到尽，AI利润几乎全都进入该公司的口袋。

   NVIDIA推广DGX Cloud，势必跟微软、亚马逊、Google三大客户争抢云端市场份额，令双方关系变得紧张。这样将会促使这些云端巨头多采购一些AMD GPU，或加快开发自家AI芯片的脚步。亚马逊现正埋首研发新一代AI芯片Inentia和Trainium，为客户提供NVIDIA GPU的替代方案；Google基于自家开发的张量处理器（Tensor Processing Unit，TPU），推出Cloud TPU云端运算服务，可用作训练AI模型。

NVIDIA利用其DGX超级计算机建构DGX Cloud云端平台，为企业提供云端AI运算服务，明显与AWS、Azure等云端服务商的客户重迭。（图片来源：NVIDIA官网）

Google TPU属于自定义设计的ASIC芯片，适合用来训练大型语言模型。（图片来源：Google Cloud官网）

   市调机构Gartner预测，2023年全球AI半导体收入将较2022年增长20.9%，达到534亿美元（约4,165亿港元）；之后几年，估计收入仍可保持两位数成长，2024年的增长率为25.6%，达到671亿美元（约5,234亿港元）；及至2027年，AI芯片收入将倍增到1,194亿美元（约9,313亿港元），较2023年市场规模高出一倍以上。

   没有一家公司愿意看到，如此庞大的市场被英伟达一家垄断。为求摆脱NVIDIA GPU和降低成本，愈来愈多企业将会考虑开发自家的ASIC芯片。Gartner预估，未来自定义设计的AI芯片部署量将会增加，这样可能会取代当前的主流芯片架构。

   《经济通》所刊的署名及／或不署名文章，相关内容属作者个人意见，并不代表《经济通》立场，《经济通》所扮演的角色是提供一个自由言论平台。