最強 AI 軍火商：NVIDIA 輝達
相信大家最近都有看過這張圖！
NVIDIA 輝達目前的市值相當於右邊 8 間國際知名半導體公司的總和！
在 2023 年一年間，NVIDIA 股票翻漲 239% ，
市值也藉著這股 AI 熱潮彎道超車 Amazon、Alphabet （Google 母公司），晉升為全美市值第 3 大公司，僅次 Microsoft 和 Apple。
NVIDIA 到底憑什麼？
因為 NVIDIA 的明星產品 GPU 是訓練生成式 AI ( GenAI ) 的必要武器。
更快的運算能力、更短的訓練時間，讓科技公司不能沒有它。
不過 GPU 到底是什麼？ 難道 NVIDIA 沒有其他競爭者嗎？ 這間公司到底有什麼特別？
今天就來和大家分享 NVIDIA 輝達的故事！
如果你只有 1 分鐘，可以帶走的 3 Takeaways
1. NVIDIA 的 GPU 技術：
NVIDIA 以強大的 GPU 技術主導市場，尤其制霸 AI 和遊戲領域。
GeForce 系列 GPU 提升了遊戲畫面精緻度、
Tensor 核心則大幅加快 AI 模型的訓練、學習速度，
並搭配 CUDA 平台擴張 GPU 的應用範圍。
2. AI 熱潮：
隨著生成式 AI 的大爆發，NVIDIA 的 GPU 成為訓練 AI 模型的核心工具。
科技巨頭如 Microsoft、Google 和 AWS 等，皆搶著用 NVIDIA 的 GPU 來提升 AI 算力。
同時市場上還有有成千上萬的 AI 新創公司將依賴 NVIDIA 的晶片來進行快速、高效的訓練，AI 的浪潮推動了 NVIDIA 市值的大幅增長。
3. 除了 GPU，NVIDIA 厲害的還有商業模式：
NVIDIA 已經從單純的 GPU 供應商轉型為全面的系統供應商。
通過提供完整的 AI 解決方案，從訓練需要用的資料中心技術 Spectrum-X、訓練平台 Hopper、到運作平台 Blackwell ，向企業販賣 Total Solutions。
NVIDIA 建立了一個強大的平台生態系，吸引了大量開發者和企業客戶。
把槓桿和規模化玩得淋漓盡致，是 NVIDIA 能持續保持競爭優勢的秘密。
NVIDIA 創立背景
NVIDIA 成立30多年，以下將以 10 年為一個階段，解析 NVIDIA 的成長歷史。
橫跨 30 年，從掌上遊戲到外太空火星模擬，最終降落於人工智慧。
1990年代：主攻電腦遊戲產業
NVIDIA 於 1993 年由 Jensen Huang、Chris Malachowsky 和 Curtis Priem 共同創立，一開始便專注在能讓遊戲畫面更精緻、漂亮的圖形處理器 (GPU)
（別擔心，稍後會解釋 GPU 是什麼！）
創立第一年就獲得紅杉資本等創投的 2000 萬美元投資，並在創立後 6 年成功上市。
2000年代：除了遊戲，還要做火星模擬和汽車晶片
這個時期，NVIDIA 站穩遊戲晶片主要供應商的地位後，開始將觸角伸向汽車產業，甚至外太空！
2003年，NVIDIA 成為多款奧迪汽車的圖形晶片供應商，用更高品質的圖像顯示支援車內的導航系統等。
同時，NVIDIA 也與 NASA 合作，利用圖形處理技術模擬了一個逼真的火星環境，幫助太空人們能在虛擬火星上進行訓練。
2010年代：GPU 用來訓練人工智慧再適合不過了！
NVIDIA 的老本行本來是做遊戲的 GPU, 但人們漸漸發現，因為 GPU 「多核心」的本質，可以同時處理大量數據，所以很適合拿來做需要快速平行運算的事，其中一個就是：訓練人工智慧！
科普小教室：
- 平行運算是啥？
想像有一個中央廚房，有很多廚師負責做不同的菜，而不是一個廚師從頭到尾完成，這樣可以更快完成一頓大餐。
而 GPU 的「多核心」結構就像這個「多廚師」廚房，能平行處理多個計算任務、加快整體速度，這就是平行運算的概念。
- 平行運算跟 AI 人工智慧有什麼關係？
平行運算能同時處理大量數據，而在訓練 AI 時也需要做大量數據計算，讓 AI 快速學習，所以可以用平行運算來訓練 AI !
CUDA 平台
除了訓練人工智慧，NVIDIA 也於 2006 開發了 CUDA 平台（統一運算設備架構），讓 GPU不僅能做圖形處理，也能做非圖形計算。
CUDA 平台是啥？
我們繼續用廚房類比：
GPU是廚師團隊：這些廚師原本只負責做特定的菜，比如炸薯條或煎魚。
CUDA是廚房管理系統，讓這些廚師變得更全能：
CUDA 讓這些廚師不僅做他們原本擅長的菜色，還可以同時處理其他的烹調任務，
比如切菜、攪拌、煮湯等。
2020年代：30 年 GPU 的耕耘，在人工智慧收穫豐碩成果
2022年，當 OpenAI 公佈 ChatGPT 是 10,000 個 NVIDIA GPU 訓練出來的成果後，科技巨頭 Microsoft, Google 等紛紛搶購 NVIDIA 晶片來訓練自己的 AI 更強大（投資者們則是搶購 NVIDIA 股票 XD）。
這也解釋了一開始的新聞：在 2023 年一年間，NVIDIA 股票可以翻漲 239% ，市值也超車Amazon、Alphabet 的原因之一。
NVIDIA 商業模式
NVIDIA 商業模式的秘密是什麼？
了解完 NVIDIA 成就偉大的 30 年，來聊聊他的商業模式吧！
在 2016 年 4 月的 NVIDIA 投資者關係大會中，黃仁勳提到，
NVIDIA 的商業模式主要由兩大核心驅動：
「平台和生態系」以及「槓桿作用和規模效應」。
平台和生態系
這個模式的核心是創建一個平台，吸引開發者，把使用者黏在 NVIDIA 生態系裡。
那 NVIDIA 是怎麼打造生態系的？
- 提供附加工具，增加開發者黏著度：
NVIDIA 透過提供簡單的工具，如 GameWorks SDK（幫助遊戲開發者利用 NVIDIA 的 GPU，讓遊戲畫面更精緻、更逼真的工具），提升開發者的遊戲品質。 - 擴大市場範圍、網羅更多客戶：
NVIDIA 透過與經銷商合作，向遊戲玩家銷售 GeForce GPU （能讓電腦的畫面更流暢、遊戲體驗更好的 GPU），擴大市場影響力。
- 打造閉環生態系：
開發者用 GameWorks SDK 開發的遊戲在 GeForce GPU 上表現更好，流暢的遊戲體驗吸引更多玩家購買，也吸引更多開發者使用 NVIDIA 平台，形成動能不斷的良性循環。
這種模式也被 NVIDIA 複製到的其他領域，如自動駕駛、數據中心等。
槓桿作用和規模效應
這個模式的精髓是把同一個技術做最大化利用，同一個核心技術應用在不同市場，
就能有效規模化、成本分攤。
來看看 NVIDIA 如何操作槓桿效應：
多市場應用：
NVIDIA 把同一個 GPU 架構，應用到不同的場景。
如：GeForce 主打遊戲，Quadro 主打辦公，Iray 主打虛擬實境（VR），DRIVE 主打自動駕駛，A100 和 H100 主打數據中心。
降低成本：
通過在多個市場上使用同一個技術架構，NVIDIA 能夠分攤研發成本，降低產品的單位成本。
不同市場各自建立自己的生態系：
每個市場都有自己獨特的需求和應用，NVIDIA 通過針對這些需求開發相應的產品，逐漸就會形成各市場的生態系。
這兩大核心商業模式使得 NVIDIA 就像一台營運永動機，
可以專心研發更先進的 GPU 運算技術， 但建立好的商業模式與生態系又能讓 NVIDIA 一直保持獲利和競爭優勢。
NVIDIA 三大產品線介紹
所以 NVIDIA 只靠賣 GPU 就那麼厲害嗎？
前面有提到 NVIDIA 主打的是強大的圖形處理器（GPU）。
這些 GPU 的用途很廣，可以是遊戲、訓練人工智慧和處理大量數據。
現在讓我們簡單介紹 NVIDIA 主要的三大產品線：
1. GeForce 系列遊戲 GPU
為何現在的線上遊戲能越做越擬真？身歷其境的感覺到底是怎麼來的？
NVIDIA 的 GeForce 系列 GPU 就是這類遊戲的核心驅動力！
GeForce 系列 GPU 使用了特殊圖形處理技術，讓遊戲畫面變得更快、更漂亮，
光影效果更真實。例如你在玩賽車遊戲時，可以看見太陽光在車窗上的反射，就是借助 GeForce RTX 的光線追蹤 (Ray Tracing) 功能產生的！
2. AI GPU 圖形處理器
為何現在的 ChatGPT 機器人那麼厲害，能同時辨識圖片、理解你的指令、還能有記憶力、個人化設定？
這些機器人的主要動力就是 NVIDIA 的 AI GPU 處理器 H100。
（這類處理器就是在上個段落提到用來訓練 AI 的 GPU！）
H100 處理器內有 800 億個晶體管，幫助 AI 更快地學習和處理數據。
例如，當你請 ChatGPT 搜尋資訊時，它能快速搜尋並彙整你要的資訊，背後歸功於 NVIDIA AI GPU 的強大支持。
3. Arm 架構 CPU
先來解釋 ARM 架構是什麼？
ARM 架構的設計相比電腦的處理器更省電、更持久，因此適合需要長時間運行的攜帶式裝置：如手機、平板、智慧手錶等。
那 NVIDIA 的 Arm 架構 CPU 厲害在哪？
以 NVIDIA 最新的處理器 Grace 為例，Grace 是專為人工智慧設計的處理器，能提升電腦的計算能力和效率。
舉例：在訓練 AI 模型時，Grace 能更有效率的處理大量數據、縮短訓練時間，在運算過程中還消耗更少的電力。
這類 CPU 還可以和上方提到的GeForce 系列 GPU 一起搭配運作，讓畫面運作更流暢。同時，Grace CPU 還能讓超級電腦變得更快、更省電。許多科學實驗室就用 Grace CPU 來打造超級電腦，用途非常廣！
NVIDIA 客戶
NVIDIA 的金主爸爸們：到底是誰在買 NVIDIA 的產品？
看完上方的產品介紹，應該不難猜到哪些公司會想搜刮 NVIDIA 的產品！
NVIDIA 主要客群可分為以下三類：
1. 大型科技公司
客戶如AWS (Amazon Web Service)、Meta、Microsoft、Google 等
這些大客戶都拿 NVIDIA 的產品做什麼？
- AWS 使用 NVIDIA 的 GPU 技術提高雲端運算效能，讓 AI 訓練和部署更快、也讓 AWS 的客戶能使用更高效的雲端服務；
- Meta 用超過 24,000 個 NVIDIA H100 GPU 來訓練下一代大型語言模型 Llama 3；
- Microsoft 用 NVIDIA 的 GPU 來加速 Azure 的 AI 產品運行。讓 Microsoft 的客戶能更輕易在 Azure 上開發自己的 AI 。
營收占比：FAANG (除了 Apple) 就為 NVIDIA 帶來 40% 的營收！
2. 人工智慧 AI 新創公司
客戶如 OpenAI、DeepMind、Anthropic 和 Cohere 等。
這些公司主要都是使用 NVIDIA 的 GPU 進行人工智慧模型的訓練和應用。
例如 ：
- OpenAI 用 NVIDIA 的 GPU來訓練 ChatGPT 進行自然語言處理；
- DeepMind 用 NVIDIA 的 GPU 來訓練 AlphaGo 的圍棋對弈；
- Anthropic 用於訓練安全的 AI 系統….
這些訓練都需要大量的運算能力，而 NVIDIA 的 GPU 正好提供適合人工智慧的高效計算，提升了 AI 人工智慧的訓練速度和效率。
3.自動駕駛汽車公司
客戶如特斯拉（Tesla）等。
舉例：特斯拉的 Autopilot 系統就是利用 NVIDIA 的 GPU 來處理大量數據，快速分析路況數據並做出駕駛決策，確保自動駕駛的安全和精確。
看完 NVIDIA 大有來頭的金主爸爸們， 應該就不難理解為何 NVIDIA 的市值水漲船高， 因為各個科技巨頭都在這場 AI 大戰殺紅了眼，要拼命買 GPU 來優化產品、留住客戶啊！
看到這裡你可能會想問：
NVIDIA 的 GPU 難道沒有競爭對手？
沒有其他公司的 GPU 可以買嗎？
這間公司這麼強，未來總有一些風險要面對吧？
他們接下來打算做什麼來維持現在的領導者地位？
因為 NVIDIA 這間歷史悠久且產品線較複雜，
為了讓大家有輕鬆、好吸收的閱讀體驗，決定把文章拆分成上下兩篇來介紹。
如果你有以上疑問，記得鎖定 Hogan & 小波粉專，
我們會搭上 Computex 的熱潮，繼續提供大家 NVIDIA 的精彩故事 ，
如果你覺得這篇文章有幫助，請記得繼續鎖定精彩的 NVIDIA 解密 （下）！
最後來複習一下本篇文章的三個大重點
3 Takeaways
1. NVIDIA 的 GPU 技術：
NVIDIA 以強大的 GPU 技術主導市場，尤其制霸 AI 和遊戲領域。
GeForce 系列 GPU 提升了遊戲畫面精緻度，Tensor 核心則大幅加快 AI 模型的訓練、學習速度，並搭配 CUDA 平台擴張 GPU 的應用範圍。
2. AI 熱潮：
隨著生成式 AI 的大爆發，NVIDIA 的 GPU 成為訓練 AI 模型的核心工具。
科技巨頭如 Microsoft、Google 和 AWS 等，皆搶著用 NVIDIA 的 GPU 來提升 AI 算力，
同時市場上還有有成千上萬的 AI 新創公司將依賴 NVIDIA 的晶片來進行快速、高效的訓練，AI 的浪潮推動了 NVIDIA 市值的大幅增長。
3. 除了 GPU，NVIDIA 厲害的還有商業模式：
NVIDIA 已經從單純的 GPU 供應商轉型為全面的系統供應商。
通過提供完整的 AI 解決方案，從訓練需要用的資料中心技術 Spectrum-X、訓練平台 Hopper、到運作平台 Blackwell ，向企業販賣 Total Solutions。
NVIDIA 建立了一個強大的平台生態系，吸引了大量開發者和企業客戶。
把槓桿和規模畫完的淋漓盡致，是 NVIDIA 能持續保持競爭優勢的秘密。
下篇待續…
繁體中文 
English 
简体中文 
한국어 
日本語 
Español