上篇回顾
- NVIDIA 创立背景：
1990年代：主攻电脑游戏产业
2000年代：除了游戏，还要做火星模拟和汽车晶片
2010年代：GPU 用来训练人工智慧再适合不过了！
2020年代：30 年GPU 的耕耘，在人工智慧收获丰硕成果 - NVIDIA 超强商业模式：
在2016 年4 月的NVIDIA 投资者关系大会中，黄仁勋提到，
NVIDIA 的商业模式主要由两大核心驱动：
「平台和生态系」以及「杠杆作用和规模效应」。
- NVIDIA 的金主爸爸：
客户如AWS (Amazon Web Service)、Meta、Microsoft、Google 等就为NVIDIA 带来 40% 的营收！
点这里复习上篇文章👉解密辉达NVIDIA： 6个重点带你搞懂AI 之王股价翻涨240% 的秘密（上）
序言
上周的文章提到了NVIDIA 辉达的创立背景、商业模式、主要客户有谁，今天这篇接续分享NVIDIA 的竞争者、潜在风险与未来风险，并同场加映CEO Jensen 黄仁勋在6/2 Keynote Speech 提到的三大未来趋势，一起看下去吧！
如果你只有1分钟，可以带走的3 个Takeaways
1. NVIDIA 的竞争对手
NVIDIA 的主要竞争对手是AMD 和Intel。根据2023 Q4 的数据，NVIDIA 在GPU 市场的市占率达到80%，在AI 和游戏领域的GPU 市场占据领导地位。
但AMD 的价格较实惠的小晶片设计也正在逐步提升其市场占有率，使其成为NVIDIA 长远的威胁。
2. NVIDIA 面临哪些潜在风险？
NVIDIA 面临的风险主要不出在产品本身，而是市场环境波动。
例如加密货币市场的动趟，虚拟货币价格下跌时也会减少挖矿需求，进而影响GPU 的销售。
同时，中美贸易战带来的地区性销售限制也可能影响NVIDIA 在中国市场的业绩。
当然，上周有提到NVIDIA 最大的客户：科技巨头们，如 Microsoft、AWS、Meta 和Google ，他们也正在开发自己的AI 晶片，目的都是希望减少对NVIDIA GPU 的依赖。
未来NVIDIA 也需要面临更大的价格压力，或针对晶片的客制化提出能让科技巨头们买单的方案。
3. NVIDIA 未来会怎么发展？
6/2 Jensen 黄仁勋的Keynotes 主要提及未来三大方向：
- 数位孪生：
NVIDIA 计划利用数位孪生技术来模拟地球环境，创建模拟地球环境条件的模型，有助于预测和减少疾病及气候变化的影响，特别是在气候多变的台湾，这对环境保护和公共卫生领域有重大帮助。
- 物理实境AI 机器人：
NVIDIA 将融合AI 与物理世界，透过PhysicalAI 训练AI 在模拟的物理环境中运行，使其在现实世界中变得更加聪明。
举例：鸿海可以模拟机房环境来训练AI 机器人，并即时模拟各种情况，让机器人在与真实物理世界一致的环境中运作，提早模拟可能的操作失误，提升操作的精确度和效率。
- GPU 超越摩尔定律：
NVIDIA CEO 黄仁勋表示，GPU 的性能和能源效率显著提升，成本下降，使得大型语言模型成为可能。他指出，使用Blackwell 来训练像GPT-4 这样拥有2 兆参数的模型，所需的电力仅为2016 年Pascal GPU 的1/350。
黄仁勋强调，NVIDIA 的GPU 伺服器产品在过去8 年内，其运算能力提升了1000 倍，相比之下，摩尔定律在同一期间内只能提升40 到60 倍。
这些技术突破使得AI 模型可以更低的成本和更高的效率运行，从而为各行各业创造更多价值。
NVIDIA 的竞争者们
NVIDIA 的GPU 难道没有竞争对手？
没有其他公司的GPU 可以买吗？
1.传说中的NVIDIA 平替？
NVIDIA 的GPU 竞争者
NVIDIA 主要竞争对手是AMD (超微半导体) 和Intel。
根据 2023 Q4 的数据，GPU 市占率为：NVIDIA 80%、AMD 19% 和Intel 1%
2.竞争对手比较：AMD 超微
接下来我们拿NVIDIA 和AMD 超微做简单的比较：
| NVIDIA (NVDA) | AMD (AMD) | |
|---|---|---|
| 市场地位 | GPU 市场领导者，特别是在AI 和游戏领域 | GPU 市场的第二大厂商 |
| 产品强项 | GeForce 系列GPU（游戏、AI、Data Center） | Radeon 系列GPU，Ryzen 系列CPU |
| 生态系统 | 成熟的产品生态系，强大的CUDA 软体护城河 | CP 值高的小晶片设计 |
| 市场占有率 | GPU AI 应用的市占率高达95%(在AI 应用的GPU，NVIDIA 目前可以说是没有竞争对手) | 整个GPU 市场市占率约19% |
| 2024 Q1 毛利率 | 64.6 % | 47% |
| 定价策略 | 主打高端消费者 | 主打预算有限但想要好显卡的消费者 |
| 优势 | 硬体效能强劲，CUDA 软体优势，形成强大生态系统 | 小晶片设计能压低成本 |
| 劣势 | 在CPU 市场新进，产品尚未成熟，市场占有率低 | 规模较小，研发能力相对较弱 |
| 2023-Q2 GPU 市占率 | 81% | 19% |
NVIDIA 潜在风险
虽然NVIDIA 市占、营收、股价、产品都好得没话说，但还是有潜在风险存在。
平衡报导一下NVIDIA 的潜在风险：未来NVIDIA 要面对的挑战是什么？
NVIDIA 的2 大风险
1. 市场环境变化
- 加密货币市场波动：
当加密货币价格下跌时，挖矿需求减少， GPU 的销售也会下滑。 - 中美贸易战，美国对中国销量限制：
美国对销往中国的高端技术产品限制也会影响NVIDIA 的销量，因为中国也是NVIDIA 重要的市场之一。
2. 客制化AI 晶片的威胁
科技巨头开始开发自己的AI 晶片：
Microsoft、AWS、Meta 和Google等公司当然不是省油的灯，一直花钱买NVIDIA 的AI GPU 也不是办法！
他们纷纷开始开发自己的客制化AI 晶片，因为内部开发成本更低，还能减少对NVIDIA GPU 的依赖，这样的趋势让NVIDIA 原本就高价的GPU 面临更大的价格压力。
其实以上风险都不是来自于NVIDIA 的产品本身，更多的是如何即时因应外部市场环境变化、消费者的需求，NVIDIA 才能继续在GPU 市场站稳脚跟。
NVIDIA 未来发展
2024 Q1: 2 个平台、1 个新技术、1 个软体
看到这边如果你觉得这篇文章不错，
欢迎订阅我的电子报【Roxanne's Tech Talk】
我将会在上面分享更多有趣的科技科普故事喔！ 🥳
加入500 人行列，一起学习最新科技新知 
Subscribe Roxanne's Tech Talk
根据热腾腾、5/22 NVIDIA 才刚公布的2024 Q1 财报，CEO 黄仁勋也在会议上透露接下来NVIDIA 的动作，简单来说可以分成：2 个平台、1 个新技术、1 个软体。
这4 个新动向都和AI 和生成式AI（GenAI）脱不了关系。
1. 2个平台： Hopper、Blackwell
- Hopper 平台：
Hopper 平台专门用于AI 的训练，提升AI 模型在各产业的应用效率。 Hopper 平台为AI 提供强大的运算能力，帮助AI 更快、更精确的处理指令。 - Blackwell 平台：
Blackwell 平台是一个支援大规模生成式AI 的新平台，专为超大规模AI 模型的训练和运作，如ChatGPT，帮助这些模型在处理复杂任务时成效更好。
2. 新的资料传输技术： Spectrum-X
Spectrum-X 是一种新型资料传输技术，有效提升乙太网路资料中心内的数据传输速度，让大型AI 模型在资料中心内能运作得更顺畅。
3.生成式AI 软体： NVIDIA NIM
NVIDIA NIM 是企业级生成式AI 软体，可以在云端、本地资料中心和RTX AI PC （装了NVIDIA RTX 系列GPU 的个人电脑）上运行，帮助企业做精准的数据分析、制定决策。
黄仁勋表示，下一场工业革命已经到来，AI 将会为各行各业的生产力带来爆发式成长。他预估市场目前约有1.5万～2万家生成式AI 的新创公司，都期待透过NVIDIA 的晶片来训练。
而市场急速扩张的同时，NVIDIA 也已经成为一个解决方案供应商。
举例，NVIDIA 提供完整的AI 训练方案，从训练需要用的资料中心技术Spectrum-X，训练平台Hopper，到运作平台Blackwell ，向企业贩卖Total Solutions，NVIDIA 已经不是过去那个只卖GPU 的NVIDIA了！
同场加映6/2 Keynotes 黄仁勋提到的三大方向
1. 解救台湾的气候灾害– 数位孪生：
数位孪生简单来说就是用AI 人工智慧的技术打造一个地球双胞胎。
在这个模拟地球上，NVIDIA 预计用于预测未来整体环境的变化、减少疾病及气候变化的影响。
黄仁勋特别提到台湾的应用场景，可以帮助预测台风动向，先预防可能会引发的天然灾害并做事前预防，对气候多变的台湾真的蛮实用的。
2. 可以适应物理世界的AI 机器人：
NVIDIA 将融合AI 与物理世界，透过PhysicalAI 训练AI 在模拟的物理环境中运行，使这些机器人更能适应现实世界中的物理规则，做到更精准的操作。
举个例子，鸿海等企业已经开始在模拟机房环境来训练AI 机器人，进行硬体组装整合的动作的训练。
透过即时模拟各种情况，可以先避免机器人操作不档造成的损失，同时也能让现实生活中的机器人「学习、模仿」这些模拟世界机器人的动作行为，实现黄仁勋口中的「让机器人学习如何成为机器人」。
3. GPU 算力成长将超越摩尔定律：
黄仁勋表示，GPU 的性能和能源效率显著提升，同时带动成本下降，才让大型语言模型的训练成为可能。
他在演讲中提到，使用Blackwell 架构（ NVIDIA 推出的AI 超级晶片）来训练像GPT4 这样拥有2 兆参数的模型，所需的电力仅为2016 年Pascal GPU 的1/350。
黄仁勋强调，NVIDIA 的GPU 伺服器产品在过去8 年内，运算能力提升了1000 倍，相比摩尔定律预测的8年内仅能提升40 到60 倍高出许多。 Keynotes 上的图表（如下）也证实了NVIDIA 在去年公开发表的一篇文 黄氏定律（Huang's Law）不是闹着玩的。
本文的3 个Takeaways
1. NVIDIA 目前市场上的竞争对手
NVIDIA 的主要竞争对手是AMD 和Intel。
根据2023 Q4 的数据，NVIDIA 在GPU 市场的市占率达到80%，在AI 和游戏领域的GPU 市场占据领导地位，但AMD 的价格较实惠的小晶片设计也正在逐步提升其市场占有率，使其成为NVIDIA 长远的威胁。
2. NVIDIA 面临哪些潜在风险？
NVIDIA 面临的风险主要不出在产品本身，而是市场环境波动。
例如加密货币市场的动趟，虚拟货币价格下跌时也会减少挖矿需求，进而影响GPU 的销售。
同时，中美贸易战带来的地区性销售限制也可能影响NVIDIA 在中国市场的业绩。
当然，上周有提到NVIDIA 最大的客户：科技巨头们，如Microsoft、AWS、Meta 和Google ，他们也正在开发自己的AI 晶片，目的都是希望减少对NVIDIA GPU 的依赖。未来NVIDIA 也需要面临更大的价格压力，或针对晶片的客制化提出能让科技巨头们买单的方案。
3. NVIDIA 未来会怎么发展？
6/2 Jensen 黄仁勋的Keynotes 主要提及未来三大方向：
- 数位孪生：
NVIDIA 计划利用数位孪生技术来模拟地球环境，创建模拟地球环境条件的模型，有助于预测和减少疾病及气候变化的影响，特别是在气候多变的台湾，这对环境保护和公共卫生领域有重大帮助。
- 物理实境AI 机器人：
NVIDIA 将融合AI 与物理世界，透过PhysicalAI 训练AI 在模拟的物理环境中运行，使其在现实世界中变得更加聪明。
举例：鸿海可以模拟机房环境来训练AI 机器人，并即时模拟各种情况，让机器人在与真实物理世界一致的环境中运作，提早模拟可能的操作失误，提升操作的精确度和效率。
- GPU 超越摩尔定律：
NVIDIA CEO 黄仁勋表示，GPU 的性能和能源效率显著提升，成本下降，使得大型语言模型成为可能。他指出，使用Blackwell 来训练像GPT-4 这样拥有2 兆参数的模型，所需的电力仅为2016 年Pascal GPU 的1/350。
黄仁勋强调，NVIDIA 的GPU 伺服器产品在过去8 年内，其运算能力提升了1000 倍，相比之下，摩尔定律在同一期间内只能提升40 到60 倍。
这些技术突破使得AI 模型可以更低的成本和更高的效率运行，从而为各行各业创造更多价值。
谢谢你看完这篇文章！
如果你觉得意犹未尽，欢迎订阅我的电子报【Roxanne's Tech Talk】
我将会在上面分享更多有趣的科技科普故事喔！ 🥳
加入500 人行列，一起学习最新科技新知 Subscribe Roxanne's Tech Talk
也欢迎透过Linkedin 交流👩🏻💻 Roxanne Chen
简体中文 
繁體中文 
English 
한국어 
日本語 
Español