来源:内容由半导体行业观察(ID:icbank)编译自「经济学人」,谢谢。
“我们离倒闭总是有 30 天的时间”,这是半导体公司英伟达联合创始人黄仁勋的口头禅。这可能有点夸张,因为通过销售用于游戏和人工智能的高性能芯片,这家公司的市值五年内就从 310 亿美元增加到 4860 亿美元。这个疯狂的表现使得曾经是世界上最强大的芯片制造商的英特尔黯然失色。但正如黄仁勋所观察到的一样,英伟达被“追求同样巨大机会的巨头公司”所包围。借用英特尔联合创始人 Andy Grove 的一句话,在这个快速发展的市场中,“只有偏执狂才能生存”。2016 年至 2021 年期间,英伟达的收入增长了 233%。在截至 5 月的三个月中,公司销售额同比增长了 84%,毛利率达到了 64%。尽管英特尔的收入是其四倍,且老牌公司在设计芯片的同时还生产芯片,但投资者对 Nvidia 的纯设计业务的评价更高(就市值而言是后者的两倍)。其硬件和配套软件用于构成亚马逊、谷歌、微软和中国阿里巴巴运营的计算云的所有数据中心之中。英伟达的系统已被各大信息技术 (IT) 公司以及从药物发现到气候建模等领域的无数科学研究团队采用。他们创造了一条宽阔而深厚的“护城河”,以保护其竞争优势。现在,黄先生想让它更广、更深。去年,英伟达宣布以 400 亿美元的价格收购总部位于英国的公司 Arm。后者为世界上大多数智能手机设计灵活且节能的芯片。英伟达这个想法是想利用 Arm 的设计实力来设计用于数据中心和人工智能用途的中央处理器 (CPU),这将补充 Nvidia 在称为图形处理单元 (GPU) 的专用芯片方面的现有实力。鉴于 Arm 和 Nvidia 的全球影响力,这单交易必须获得美国、英国、中国和欧盟的监管机构的批准。如果他们这样做——一个相当大的“如果”,考虑到两家公司在各自领域的市场力量——英伟达在计算最热门领域之一的地位看起来几乎无懈可击。黄仁勋在小的时候,跟随他的家人从台湾移民到美国,他于 1993 年创立了 Nvidia。在最初的 20 年左右,该公司制造的 GPU 使视频游戏看起来栩栩如生。然而,在过去十年中,事实证明 GPU 在另一个未来派但不那么无聊的计算领域也表现出色:它们通过向机器学习算法提供大量数据来显著加快机器学习算法执行任务的速度。四年前,黄先生对他的公司在加速计算领域的前景进行了直截了当的评估,这震惊了华尔街。他说,它可能“效果很好”,“或者非常糟糕”。无论如何,该公司已经“全力以赴”。英伟达 170 亿美元的年收入中约有一半仍来自游戏芯片。事实证明,他们在解决支持以太坊(一种流行的加密货币)的数学难题方面也表现出色。这有时会给 GPU 销售带来类似加密货币的波动,导致 Nvidia 的股价在 2018 年底下跌近 50%。另一笔销售额来自向计算机制造商出售可加速图形或 AI 以外功能的芯片和汽车公司。但人工智能业务正在快速增长。它包括专用芯片以及让程序员对其进行微调的高级软件——这本身是基于黄仁勋早先的赌注实现的。2004 年,黄先生开始投资“Cuda”,这是一个支持这种微调的基础软件层,并将其植入英伟达的所有芯片中。当时一些投资者批评说,这是一种代价高昂的分心。许多这些系统最终都在服务器中运算,这些强大的计算机支撑着数据中心的处理能力。数据中心的销售额从 2019 年初占总收入的 25% 增加到 36%,几乎与游戏 GPU 的总收入一样多。随着各行各业的公司采用人工智能,英伟达的数据中心销售给亚马逊和谷歌等大型云提供商的份额已从 100% 下降到一半。如今,它的 AI 硬件-软件组合旨在与 TensorFlow(由 Google 维护)和 PyTorch(由 Facebook 运行)等库中收集的机器学习算法无缝协作,从而提高算法的数字处理能力。英伟达创建了一些程序,将其硬件和软件与大企业客户的 IT 系统连接起来,并拥有自己的 AI 项目。英伟达的一位前高管表示,所有这些都让 AI 开发人员的工作变得无比轻松。英伟达也在扩展到人工智能的“推理”市场:运行人工智能模型,而不仅仅是训练它们。这是迄今为止 CPU 的保留业务。Nvidia 加速计算业务负责人 Ian Buck 表示,像用于语音识别或内容推荐系统的实时、大型 AI 模型越来越需要专用 GPU 来保持良好性能。拥有它将使 Nvidia 获得 CPU 的优势,以补充其在 GPU 方面的历史实力以及最近获得的运行服务器群所需的网络接口卡的能力(2019 年,Nvidia 收购了此类互连领域的专家 Mellanox技术)。今年 4 月,该公司公布了其首款数据中心 CPU Grace 的计划,这是一款基于 Arm 设计的高性能芯片。Arm 的节能芯片将帮助 Nvidia 为“边缘计算”提供 AI 产品——在自动驾驶汽车、工厂机器人和其他远离数据中心的地方,在这些地方,耗电的 GPU 可能并不理想。微处理器中的晶体管已经是几个原子的大小,因此几乎没有缩小的空间,并且诸如将计算 outsourcing 到云或使用软件将物理计算机拆分为多个虚拟机等技巧可能会发挥作用。因此,企业有望将加速计算作为一种获得处理能力的方式,而无需在更多 CPU 上花费太多。分析公司Bernstein的Stacy Rasgon)估计,在接下来的五到十年内,随着人工智能变得越来越普遍,每年在服务器上花费的 800 亿到 900 亿美元中,多达一半可能会转向英伟达的加速计算模型。他说,其中一半可以用于加速芯片,这是 Nvidia 的 GPU 主导的市场。英伟达认为,包括数据中心和边缘计算在内的全球加速计算市场每年将超过 1000 亿美元。Nvidia 并不是唯一发现这个机会的公司。从初创公司到其他芯片制造商和传统科技巨头都在进入这个市场,英伟达的竞争对手正在激增。例如风险资本家支持的 Tenstorrent、Untether AI、Cerebras 和 Groq 等公司都在快速进入这个市场,所有这些公司都在努力使半导体比英伟达的 GPU 更适合人工智能,因为英伟达的 GPU 具有耗电且编程繁琐的劣势。英国公司 Graphcore 也正在大肆宣传其IPU。2019 年,英特尔收购了一家名为 Habana Labs 的以色列人工智能芯片初创公司,并停止了其早期收购的另一家初创公司 Nervana Systems 的一部分工作。电子商务巨头的云部门亚马逊网络服务 (AWS) 将很快开始向其云客户提供基于 Habana Gaudi 加速器的业务。他们声称, Gaudi 芯片虽然比 Nvidia 的 GPU 慢,但相对于性能而言却便宜 40%。AMD 是一家资深芯片制造商,是 Nvidia 在游戏市场的主要竞争对手,也是英特尔在 CPU 业务的主要竞争对手,该公司正在敲定 350 亿美元的交易以收购 Xilinx,后者生产另一种称为现场可编程的加速器芯片门阵列 (FPGA)。更大的威胁来自英伟达的最大客户。云巨头都在设计自己的定制芯片。谷歌是第一个提出“张量处理单元”的公司。微软的 Azure 云部门选择了 FPGA。中国搜索巨头百度拥有 AI 的“昆仑”芯片,其电子商务巨头阿里巴巴拥有含光 800。AWS 已经拥有一款用于推理的芯片,称为 Inferentia,并且有一款用于训练的芯片。“风险在于,十年后,AWS 将提供一个包含所有 AWS 制造组件的廉价 AI 盒子,”这位前 Nvidia 高管表示。投资银行(Jefferies)的Mark Lipacis指出,自 2020 年年中以来,AWS 已将 Inferentia 纳入其向客户提供的产品中越来越大的份额,这可能会以牺牲 Nvidia 为代价。至于对 Arm 的收购,还远未完成。Arm 的客户包括世界上所有的芯片制造商,以及在其产品中使用 Arm 芯片的 AWS 和 Apple。一些人抱怨英伟达的收购可能会限制他们对芯片设计龙头路线图的访问。例如AWS 量身定制的服务器芯片 Graviton2 基于 Arm 设计。英伟达表示,它没有改变 Arm 商业模式的计划。西方监管机构将决定是否批准这单收购,英国竞争管理机构必须在 7 月 30 日之前对交易进行审查,预计将成为首批这样做的机构之一。就中国而言,它不太可能欢迎美国收购其本国科技公司的重要供应商,该公司目前由日本科技集团软银拥有。然而,即使反垄断监管机构之一为此次收购支付了费用,英伟达的前景看起来还是光明的。美国数据中心运营商 Equinix 的 Paul Teich 表示,随着时间的推移,风险资本家对支持初创公司与 Nvidia 以及投资于加速计算的科技巨头的热情明显降低。多年来,英特尔对包括加速计算在内的许多事情的承诺过高,但大多没有兑现。AWS 和其他大型科技公司还有很多其他事情要做,并且缺乏 Nvidia 对加速计算的明确关注。英伟达表示,以企业的实际利用率衡量,它并没有将市场份额让给 AWS 的 Inferentia。黄仁勋表示,更重要的是培训和运行人工智能应用程序的费用,而不是硬件组件的成本。他说,就这一点而言,“我们在性价比方面是无与伦比的。”英伟达的竞争对手都没有自己的软件生态系统。它具有经过验证的转换齿轮和利用好运的能力。“他们总是环顾四周,”另一位前高管兴奋地说。Lipacis先生说,凭借根深蒂固的地位,它还受益于惯性。投资者并没有忘记 2018 年英伟达股价近乎减半。这可能仍部分与加密市场的命运有关。Bernstein 的 Rasgon 先生表示,持有 Nvidia 股票需要坚强的意志。英伟达可能将自己展示为计算行业的支柱,但它仍然是一家积极进取、由创始人领导的公司,其行为就像一家初创公司。撒上一些偏执狂,就很难打乱了。