**： 智通財經App
繼幾天前的謠言之後，英偉達（NVDA）US）將進軍定製晶元業務，人工智慧熱潮將英偉達推向了新的高峰。
據報道，隨著英偉達股價達到734創下 96 美元的歷史新高，該公司的市值達到 182萬億美元，而零售巨頭亞馬遜的市值為1美元81萬億美元，這意味著該公司躍公升至美國第四大市值公司，僅為187億美元的市值也只有一步之遙。
*請注意，英偉達上一次在市值上超過亞馬遜是在2002年，當時兩家公司的市值都不到60億美元。
因為市場對強勁的人工智慧需求的押注推動英偉達的股價成為所謂的“七大”中表現最好的，在過去12個月裡飆公升了223%。 今年到目前為止，英偉達的股價已經上漲了46%。
但對於這家可能是有史以來最強大的晶元巨頭來說，英偉達創造歷史的旅程似乎還遠未結束。
人工智慧已經改變了資料中心和 NVIDIA。
NVIDIA 的成立旨在徹底改變遊戲和多領域的 3D 計算機圖形技術。 該公司最初在各種晶元上取得了成功，隨後在 1999 年推出了世界上第乙個圖形處理單元 （GPU） NVIDIA GeForce 256，實現了重大飛躍。
這一里程碑在最新的 GeForce RTX 40 系列中達到頂峰，該系列通過深度學習超級取樣 （DLSS） 為數字內容提供逼真的圖形，這是 NVIDIA 的一項令人難以置信的創新。 DLSS 使用人工智慧 （AI） 在遊戲場景中建立額外的幀並提高影象質量。
在 2022 財年（截至 2022 年 1 月 30 日）之前，遊戲一直是 NVIDIA 最大的收入來源。 該部門全年銷售額為125億美元，佔公司總收入的46%。 但後來，一切都變了：
資料中心曾經是公司儲存有價值資訊的地方，但後來演變成集中式運營中心（也稱為雲計算）。 如今，資料中心擁有由 NVIDIA 設計的強大晶元，用於處理 AI 工作負載。
這種轉變始於 2016 年，當時 NVIDIA 交付了 OpenAI 的第一台 AI 超級計算機，該計算機用於開發早期的生成式 AI 模型，最終導致了著名的 ChatGPT 聊天機械人。
NVIDIA 領先的 H100 資料中心 GPU 現在售價高達 40,000 美元。 Microsoft 和 Amazon 等集中式資料中心運營商已經訂購了數十萬個資料中心，為雲客戶提供開發 AI 所需的計算能力。
這導致 NVIDIA 在 2024 財年第三季度（截至 2023 年 10 月 29 日）的資料中心收入同比增長 279%。 資料中心業務目前佔英偉達總收入的80%，遠遠落後於遊戲業務。
英偉達現在是價值 1乙個 8 萬億美元的龐然大物，其中 1 萬億美元的價值是在過去 12 個月中創造的。 就目前而言，英偉達的股價似乎仍可能走高。
每個國家都需要人工智慧，資料中心將繼續飆公升。
英偉達創始人兼首席執行官黃仁勳周一在杜拜舉行的全球峰會上告訴與會者，每個國家都需要擁有自己的情報生產能力。
在與阿聯人工智慧部長Al Olama閣下的爐邊談話中，黃仁勳將主權人工智慧（強調乙個國家對其資料及其產生的智慧型的所有權）描述為世界領導人的巨大機會。
它記錄了你的文化、你的社會智慧、你的常識、你的歷史——你擁有自己的資料，“黃在他們的談話中告訴Al Olama，這是來自150個國家的4000多名代表參加的活動的亮點。
黃仁勳敦促領導人不要被人工智慧“愚弄”。 人工智慧具有前所未有的能力，可以由普通人指導，這使得各國必須接受人工智慧，並為其注入當地語言和專業知識。
黃仁勳甚至反駁了許多有遠見的人多年來提出的建議，他們敦促年輕人學習電腦科學，以便在資訊時代競爭。
事實上，情況幾乎恰恰相反，“黃仁勳說。 “我們的工作是創造不需要任何人程式設計的計算技術，程式語言是人類：現在世界上每個人都是程式設計師，這就是奇蹟。 ”
在同一次峰會上，黃仁勳還表示，我們正處於這個新時代的開始，將要發生的是，全球資料中心的安裝基礎將價值一萬億美元，在未來4-5年內，我們將擁有價值2萬億美元的資料中心，它們正在為世界各地的軟體提供動力。 所有這些都將被加速，這種加速的計算架構非常適合下一代稱為生成式人工智慧的軟體。
對於作為一家商業公司的英偉達來說，Jensen表示，“通用計算”並不是我們想要快速、高效和具有成本效益的人工智慧的最佳方式，他通過描述這樣乙個事實來描述我們在現代看到的加速計算已經促進了人工智慧的增長，甚至進入了市場。 他表示，該行業向“下一代”狀態過渡的唯一途徑是公升級到加速計算，這需要巨大的經濟資源和高效的硬體作為關鍵**。
進入定製晶元設計業務，贏家通吃。
在NVIDIA最初的商業計畫中，他們希望使用統一的GPU來贏得所有客戶。 但現在，他們看到客戶逃離了自己的晶元。 正如文章開頭提到的，有傳言稱英偉達正在進軍定製晶元業務，希望通過為其客戶定製晶元，進一步鞏固其在AI市場的低位。
據報道，該小組由英偉達成立，旨在建立新的商業模式，以幫助客戶使用英偉達IP甚至小晶元構建自己的解決方案。 通過此舉，英偉達開始打造AI授權巨頭。
熟悉晶元行業的讀者應該知道，許多設計自己的晶元以降低成本或為計算需求提供更多定製解決方案的公司已經與 Broadcomm 和 Marvell 等公司合作開發後端物理設計、Serdes 模組或 IP（例如 Marvell 的高效能 ARM CPU 核心）。 Cadence 和 Synopsys 等 EDA 解決方案提供商在提供 SoC 設計人員可以放入其晶元的 IP 模組方面做得很好，從而節省了資金並加快了上市時間。 但這並不是什麼新鮮事。 例如，simaAI 在其邊緣 AI 晶元中使用 Synopsys 的影象處理器。
由吉姆·凱勒（Jim Keller）領導的初創公司Tenstorrent看到了這個機會，並將這家總部位於多倫多和奧斯汀的公司從NVIDIA的潛在競爭對手轉變為一家IP和設計商店，為起亞（KIA）和LG等公司提供小晶元和智財權。
在人工智慧領域，我們看到了一種新趨勢，即電視、汽車或網路裝置的設計人員希望構建定製解決方案以降低成本或提供包含人工智慧的差異化解決方案，但他們沒有構建整個晶元的需求或專業知識。
至於谷歌、亞馬遜AWS、Meta（預計將在今年晚些時候使用自己的晶元）和Microsoft Azure等大客戶，他們已經擁有自己的內部AI定製晶元以及雲客戶的NVIDIA GPU。 他們能否與 NVIDIA 合作開發未來的設計？
我們可以假設這些 NVIDIA 定製晶元客戶將能夠利用 NVIDIA 的內部和 AWS 超級計算機來加速和優化這些設計工作？ 這將是一筆不錯的額外收入，也是乙個令人難以置信的差異化因素。 如果是這樣，這可能就是為什麼NVIDIA將其最新的“內部”超級計算機Project Cieba託管在AWS資料中心的原因，那裡已經提供了安全雲服務的基礎設施。 NVIDIA可以在CIEBA上提供晶元設計優化服務。
雖然這種猜測可能有點過分，但這樣做表明英偉達看到了乙個不祥之兆，並準備再次改變這個行業。
雖然這種猜測有點大膽，但隨著時間的推移，所有技術都會被商品化是不可避免的。 尤其是前幾代矽。 當 NVIDIA 有興趣收購 ARM 時，我認為此次收購將使 NVIDIA 有可能通過許可協議將他們不想生產的產品貨幣化。
看起來這正是NVIDIA現在正在做的事情。
作為對山姆·奧特曼的回應，七萬億可以全部買下。
對於AI晶元行業來說，近期的熱點之一，當然避不開Open AI首席執行官Sam Altman計畫籌集7萬億美元資金顛覆AI晶元和晶元製造的傳聞。
首先，我們必須說這是一大筆錢。
其次，這肯定不是一件容易的事情。 拋開先進晶元製造整體難度不談，經過多年的發展，全球只有台積電、三星和英特爾能夠進入領先的晶元製造市場。
更重要的是，投資一座先進的晶圓廠需要花費100億美元（與7萬億相比，這簡直是杯水車薪？ ）。此外，行業高管表示，在尋找工程師來運營大量新工廠、獲得機器來填補這些工廠以及獲得足夠的訂單來證明這些工廠的合理性方面存在不確定性。
即使是大規模建設新的晶元工廠，也不一定能解決阿爾特曼的近期問題——生產OpenAI的ChatGPT等系統所需的人工智慧晶元短缺。 英偉達AI晶元生產的最大瓶頸是封裝，這是電路壓印在矽晶圓上的製造步驟。
山姆·阿爾特曼（Sam Altman）還抱怨了英偉達晶元的成本——雷蒙德·詹姆斯（Raymond James）分析師斯里尼·帕朱里（Srini Pajuri）表示，增加晶元工廠可能無法解決另乙個問題。
為了減少AI晶元的**，我們需要與英偉達進行更多的競爭，“他說。
英偉達首席執行官黃仁勳（Jensen Huang）對這個瘋狂的計畫持懷疑態度。
在杜拜舉行的全球首屆峰會上，世界上最有價值的晶元製造商表示，計算技術的進步將使開發人工智慧的成本大大降低。
你不能假設你會購買更多的電腦。 你還必須假設計算機會變得更快，所以你需要的總量不會那麼多，“黃說。 “如果你只是假設計算機不會變得更快，你可能會得出結論，我們需要14顆行星、三個星系和四個太陽來為這一切提供燃料，但計算機架構仍在進步，”他指出。 ”
他說，他相信晶元行業將降低人工智慧的成本，因為其元件的製造速度“越來越快”。
因此，黃仁勳的觀點表明，更好、更具成本效益的晶元將使奧特曼雄心勃勃的投資計畫變得沒有必要。
“如果你只是假設計算機不會變得更快，你可能會得出結論，我們需要14顆行星，三個星系和四個太陽來為這一切提供燃料，但計算機架構仍在進步，”黃仁勳說。 ”
當被問及下乙個人工智慧時代是建立在GPU（英偉達擁有約80%的GPU市場份額）還是某種新技術上時，黃仁勳指出，許多其他大型科技公司確實在開發自己的技術。 可用作 GPU 替代品的專有晶元。 Microsoft正在開發MAIA，這是一種專門為訓練大型語言模型而開發的定製矽晶元。 與此同時，谷歌正在開發張量處理單元（TPU），旨在加速機器學習工作負載。 據報道，Meta 正在開發自己的內部晶元。
Nvidia 的 AI 方法與其潛在競爭對手不同的原因之一是，其 GPU 可以被“任何人、任何平台”使用，黃仁勳說，這是他“使人工智慧民主化”的雄心壯志的一部分。 黃仁勳接著聲稱，英偉達“存在於每個雲和資料中心，一直到自動駕駛系統和自動駕駛汽車。
黃仁勳表示，隨著構建人工智慧系統的新方法的發明，英偉達將能夠靈活地適應。 黃仁勳說：“所有這些架構都可以在NVIDIA的靈活架構之上建立，而且因為它們幾乎無處不在，任何研究人員都可以訪問NVIDIA的GPU並發明下一代。 ”
當被問及他可以以7萬億美元購買多少圖形處理單元（GPU）時，黃仁勳笑著回答：“顯然是所有的GPU”。
本文編譯自《半導體行業觀察》，智通財經編輯：張金亮。