最强AI 军火商：NVIDIA 辉达
相信大家最近都有看过这张图！
NVIDIA 辉达目前的市值相当于右边8 间国际知名半导体公司的总和！
在2023 年一年间，NVIDIA 股票翻涨 239% ，
市值也借着这股AI 热潮弯道超车Amazon、Alphabet （Google 母公司），晋升为全美市值第3 大公司，仅次Microsoft 和Apple。
NVIDIA 到底凭什么？
因为NVIDIA 的明星产品GPU 是训练生成式AI ( GenAI ) 的必要武器。
更快的运算能力、更短的训练时间，让科技公司不能没有它。
不过GPU 到底是什么？ 难道NVIDIA 没有其他竞争者吗？ 这间公司到底有什么特别？
今天就来和大家分享 NVIDIA 辉达的故事！
如果你只有1 分钟，可以带走的3 Takeaways
1. NVIDIA 的GPU 技术：
NVIDIA 以强大的GPU 技术主导市场，尤其制霸AI 和游戏领域。
GeForce 系列GPU 提升了游戏画面精致度、
Tensor 核心则大幅加快AI 模型的训练、学习速度，
并搭配 CUDA 平台扩张GPU 的应用范围。
2. AI 热潮：
随着生成式AI 的大爆发，NVIDIA 的GPU 成为训练AI 模型的核心工具。
科技巨头如Microsoft、Google 和AWS 等，皆抢着用NVIDIA 的GPU 来提升AI 算力。
同时市场上还有有成千上万的AI 新创公司将依赖NVIDIA 的晶片来进行快速、高效的训练，AI 的浪潮推动了NVIDIA 市值的大幅增长。
3. 除了GPU，NVIDIA 厉害的还有商业模式：
NVIDIA 已经从单纯的GPU 供应商转型为全面的系统供应商。
通过提供完整的AI 解决方案，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 建立了一个强大的平台生态系，吸引了大量开发者和企业客户。
把杠杆和规模化玩得淋漓尽致，是NVIDIA 能持续保持竞争优势的秘密。
NVIDIA 创立背景
NVIDIA 成立30多年，以下将以10 年为一个阶段，解析NVIDIA 的成长历史。
横跨30 年，从掌上游戏到外太空火星模拟，最终降落于人工智慧。
1990年代：主攻电脑游戏产业
NVIDIA 于1993 年由Jensen Huang、Chris Malachowsky 和Curtis Priem 共同创立，一开始便专注在能让游戏画面更精致、漂亮的图形处理器(GPU)
（别担心，稍后会解释GPU 是什么！）
创立第一年就获得红杉资本等创投的2000 万美元投资，并在创立后6 年成功上市。
2000年代：除了游戏，还要做火星模拟和汽车晶片
这个时期，NVIDIA 站稳游戏晶片主要供应商的地位后，开始将触角伸向汽车产业，甚至外太空！
2003年，NVIDIA 成为多款奥迪汽车的图形晶片供应商，用更高品质的图像显示支援车内的导航系统等。
同时，NVIDIA 也与NASA 合作，利用图形处理技术模拟了一个逼真的火星环境，帮助太空人们能在虚拟火星上进行训练。
2010年代：GPU 用来训练人工智慧再适合不过了！
NVIDIA 的老本行本来是做游戏的GPU, 但人们渐渐发现，因为GPU 「多核心」的本质，可以同时处理大量数据，所以很适合拿来做需要快速平行运算的事，其中一个就是：训练人工智能！
科普小教室：
- 平行运算是啥？
想像有一个中央厨房，有很多厨师负责做不同的菜，而不是一个厨师从头到尾完成，这样可以更快完成一顿大餐。
而GPU 的「多核心」结构就像这个「多厨师」厨房，能平行处理多个计算任务、加快整体速度，这就是平行运算的概念。
- 平行运算跟AI 人工智慧有什么关系？
平行运算能同时处理大量数据，而在训练AI 时也需要做大量数据计算，让AI 快速学习，所以可以用平行运算来训练AI !
CUDA 平台
除了训练人工智慧，NVIDIA 也于2006 开发了CUDA 平台（统一运算设备架构），让GPU不仅能做图形处理，也能做非图形计算。
CUDA 平台是啥？
我们继续用厨房类比：
GPU是厨师团队：这些厨师原本只负责做特定的菜，比如炸薯条或煎鱼。
CUDA是厨房管理系统，让这些厨师变得更全能：
CUDA 让这些厨师不仅做他们原本擅长的菜色，还可以同时处理其他的烹调任务，
比如切菜、搅拌、煮汤等。
2020年代：30 年GPU 的耕耘，在人工智慧收获丰硕成果
2022年，当OpenAI 公布ChatGPT 是10,000 个NVIDIA GPU 训练出来的成果后，科技巨头Microsoft, Google 等纷纷抢购NVIDIA 晶片来训练自己的AI 更强大（投资者们则是抢购NVIDIA 股票XD）。
这也解释了一开始的新闻：在2023 年一年间，NVIDIA 股票可以翻涨 239% ，市值也超车Amazon、Alphabet 的原因之一。
NVIDIA 商业模式
NVIDIA 商业模式的秘密是什么？
了解完NVIDIA 成就伟大的30 年，来聊聊他的商业模式吧！
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」。
平台和生态系
这个模式的核心是创建一个平台，吸引开发者，把使用者黏在NVIDIA 生态系里。
那NVIDIA 是怎么打造生态系的？
- 提供附加工具，增加开发者黏着度：
NVIDIA 透过提供简单的工具，如GameWorks SDK（帮助游戏开发者利用NVIDIA 的GPU，让游戏画面更精致、更逼真的工具），提升开发者的游戏品质。 - 扩大市场范围、网罗更多客户：
NVIDIA 透过与经销商合作，向游戏玩家销售GeForce GPU （能让电脑的画面更流畅、游戏体验更好的GPU），扩大市场影响力。
- 打造闭环生态系：
开发者用GameWorks SDK 开发的游戏在GeForce GPU 上表现更好，流畅的游戏体验吸引更多玩家购买，也吸引更多开发者使用NVIDIA 平台，形成动能不断的良性循环。
这种模式也被NVIDIA 复制到的其他领域，如自动驾驶、数据中心等。
杠杆作用和规模效应
这个模式的精髓是把同一个技术做最大化利用，同一个核心技术应用在不同市场，
就能有效规模化、成本分摊。
来看看NVIDIA 如何操作杠杆效应：
多市场应用：
NVIDIA 把同一个GPU 架构，应用到不同的场景。
如：GeForce 主打游戏，Quadro 主打办公，Iray 主打虚拟实境（VR），DRIVE 主打自动驾驶，A100 和H100 主打数据中心。
降低成本：
通过在多个市场上使用同一个技术架构，NVIDIA 能够分摊研发成本，降低产品的单位成本。
不同市场各自建立自己的生态系：
每个市场都有自己独特的需求和应用，NVIDIA 通过针对这些需求开发相应的产品，逐渐就会形成各市场的生态系。
这两大核心商业模式使得NVIDIA 就像一台营运永动机，
可以专心研发更先进的GPU 运算技术， 但建立好的商业模式与生态系又能让NVIDIA 一直保持获利和竞争优势。
NVIDIA 三大产品线介绍
所以NVIDIA 只靠卖GPU 就那么厉害吗？
前面有提到NVIDIA 主打的是强大的图形处理器（GPU）。
这些GPU 的用途很广，可以是游戏、训练人工智慧和处理大量数据。
现在让我们简单介绍NVIDIA 主要的三大产品线：
1. GeForce 系列游戏GPU
为何现在的线上游戏能越做越拟真？身历其境的感觉到底是怎么来的？
NVIDIA 的GeForce 系列GPU 就是这类游戏的核心驱动力！
GeForce 系列GPU 使用了特殊图形处理技术，让游戏画面变得更快、更漂亮，
光影效果更真实。例如你在玩赛车游戏时，可以看见太阳光在车窗上的反射，就是借助GeForce RTX 的光线追踪(Ray Tracing) 功能产生的！
2. AI GPU 图形处理器
为何现在的ChatGPT 机器人那么厉害，能同时辨识图片、理解你的指令、还能有记忆力、个人化设定？
这些机器人的主要动力就是NVIDIA 的AI GPU 处理器H100。
（这类处理器就是在上个段落提到用来训练AI 的GPU！）
H100 处理器内有800 亿个晶体管，帮助AI 更快地学习和处理数据。
例如，当你请ChatGPT 搜寻资讯时，它能快速搜寻并汇整你要的资讯，背后归功于NVIDIA AI GPU 的强大支持。
3. Arm 架构CPU
先来解释ARM 架构是什么？
ARM 架构的设计相比电脑的处理器更省电、更持久，因此适合需要长时间运行的携带式装置：如手机、平板、智慧手表等。
那NVIDIA 的Arm 架构CPU 厉害在哪？
以NVIDIA 最新的处理器Grace 为例，Grace 是专为人工智慧设计的处理器，能提升电脑的计算能力和效率。
举例：在训练AI 模型时，Grace 能更有效率的处理大量数据、缩短训练时间，在运算过程中还消耗更少的电力。
这类CPU 还可以和上方提到的GeForce 系列GPU 一起搭配运作，让画面运作更流畅。同时，Grace CPU 还能让超级电脑变得更快、更省电。许多科学实验室就用Grace CPU 来打造超级电脑，用途非常广！
NVIDIA 客户
NVIDIA 的金主爸爸们：到底是谁在买NVIDIA 的产品？
看完上方的产品介绍，应该不难猜到哪些公司会想搜刮NVIDIA 的产品！
NVIDIA 主要客群可分为以下三类：
1. 大型科技公司
客户如AWS (Amazon Web Service)、Meta、Microsoft、Google 等
这些大客户都拿NVIDIA 的产品做什么？
- AWS 使用NVIDIA 的GPU 技术提高云端运算效能，让AI 训练和部署更快、也让AWS 的客户能使用更高效的云端服务；
- Meta 用超过24,000 个NVIDIA H100 GPU 来训练下一代大型语言模型Llama 3；
- Microsoft 用NVIDIA 的GPU 来加速Azure 的AI 产品运行。让Microsoft 的客户能更轻易在Azure 上开发自己的AI 。
营收占比：FAANG (除了Apple) 就为NVIDIA 带来 40% 的营收！
2. 人工智慧AI 新创公司
客户如 OpenAI、DeepMind、Anthropic 和Cohere 等。
这些公司主要都是使用NVIDIA 的GPU 进行人工智慧模型的训练和应用。
例如：
- OpenAI 用NVIDIA 的GPU来训练 ChatGPT 进行自然语言处理；
- DeepMind 用NVIDIA 的GPU 来训练 AlphaGo 的围棋对弈；
- Anthropic 用于训练安全的AI 系统….
这些训练都需要大量的运算能力，而NVIDIA 的GPU 正好提供适合人工智慧的高效计算，提升了AI 人工智慧的训练速度和效率。
3.自动驾驶汽车公司
客户如特斯拉（Tesla）等。
举例：特斯拉的Autopilot 系统就是利用NVIDIA 的GPU 来处理大量数据，快速分析路况数据并做出驾驶决策，确保自动驾驶的安全和精确。
看完NVIDIA 大有来头的金主爸爸们， 应该就不难理解为何NVIDIA 的市值水涨船高， 因为各个科技巨头都在这场AI 大战杀红了眼，要拼命买GPU 来优化产品、留住客户啊！
看到这里你可能会想问：
NVIDIA 的GPU 难道没有竞争对手？
没有其他公司的GPU 可以买吗？
这间公司这么强，未来总有一些风险要面对吧？
他们接下来打算做什么来维持现在的领导者地位？
因为NVIDIA 这间历史悠久且产品线较复杂，
为了让大家有轻松、好吸收的阅读体验，决定把文章拆分成上下两篇来介绍。
如果你有以上疑问，记得锁定 Hogan & 小波粉专，
我们会搭上Computex 的热潮，继续提供大家NVIDIA 的精彩故事，
如果你觉得这篇文章有帮助，请记得继续锁定精彩的NVIDIA 解密（下）！
最后来复习一下本篇文章的三个大重点
3 Takeaways
1. NVIDIA 的GPU 技术：
NVIDIA 以强大的GPU 技术主导市场，尤其制霸AI 和游戏领域。
GeForce 系列GPU 提升了游戏画面精致度，Tensor 核心则大幅加快AI 模型的训练、学习速度，并搭配CUDA 平台扩张GPU 的应用范围。
2. AI 热潮：
随着生成式AI 的大爆发，NVIDIA 的GPU 成为训练AI 模型的核心工具。
科技巨头如Microsoft、Google 和AWS 等，皆抢着用NVIDIA 的GPU 来提升AI 算力，
同时市场上还有有成千上万的AI 新创公司将依赖NVIDIA 的晶片来进行快速、高效的训练，AI 的浪潮推动了NVIDIA 市值的大幅增长。
3. 除了GPU，NVIDIA 厉害的还有商业模式：
NVIDIA 已经从单纯的GPU 供应商转型为全面的系统供应商。
通过提供完整的AI 解决方案，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 建立了一个强大的平台生态系，吸引了大量开发者和企业客户。
把杠杆和规模画完的淋漓尽致，是NVIDIA 能持续保持竞争优势的秘密。
下篇待续…
简体中文 
繁體中文 
English 
한국어 
日本語 
Español