圖片｜Photo by the economic times

?自象限原創(chuàng)

作者｜周游

編輯｜程心

“英偉達(dá)是教科書式的市場大錯(cuò)覺”

大模型的浪潮下，英偉達(dá)成了2023年最賺錢的科技公司，但傳奇投資人、投資機(jī)構(gòu)Research Affiliates的董事長羅伯?阿諾特卻認(rèn)為英偉達(dá)在今年驚人的反彈后形成了巨大資產(chǎn)泡沫。

表面原因有很多，無論是英偉達(dá)不夠老的資歷、遠(yuǎn)超行業(yè)水平的市盈率，還是對其硬件生產(chǎn)商業(yè)模式天花板的討論，人們認(rèn)可英偉達(dá)的價(jià)值，也同樣擔(dān)憂他的未來。

以市盈率為例，作為對比，微軟總市值2.36萬億，市盈率ttm32.75；谷歌市值1.64萬億，市盈率ttm27.54；蘋果市值2.73萬億，市盈率ttm29.33；而英偉達(dá)市值1.03萬億，市盈率卻高達(dá)100.51。

而更核心的原因在于，在巨大的AI浪潮，似乎只有英偉達(dá)一家賺得盆滿缽滿。

整個(gè)產(chǎn)業(yè)鏈尚處于百廢待興的狀態(tài)，一切都在十分早期，商業(yè)化的路徑并不明確。從其中上市科技公司的二季度財(cái)報(bào)數(shù)據(jù)來看，包括Google、Meta、Microsoft在內(nèi)，推動(dòng)增長的仍然是最傳統(tǒng)的廣告業(yè)務(wù)，AI在財(cái)報(bào)中不僅沒有成為主角，甚至沒有被過多提到。

當(dāng)然，英偉達(dá)搶灘著陸，因?yàn)樗堑湫偷摹百u鏟子”的公司，但不能忽視的問題是，如果淘金者持續(xù)淘不到金子，賣鏟子的生意也不可持續(xù)。

個(gè)體的繁榮要建立在生態(tài)的繁榮之上，否則一條不健康的產(chǎn)業(yè)鏈，無法培育出下一個(gè)長紅的萬億科技公司。

當(dāng)然，從英偉達(dá)最近頻繁的投資和談判的動(dòng)作來看，英偉達(dá)正試圖破局，在GPU之上講出一個(gè)關(guān)于“云與軟件服務(wù)”的新故事，以此來重新錨定自己在AI時(shí)代的位置。

英偉達(dá)，不能只做孤獨(dú)的勝利者。

焦慮

偉達(dá)是AI大模型最大的受益者，今年他或?qū)⒁桓娜虬雽?dǎo)體行業(yè)已經(jīng)21年的格局，成為年收入最高的半導(dǎo)體公司。

近日，名半導(dǎo)體行業(yè)咨詢機(jī)構(gòu)Semiconductor Intelligence發(fā)布消息，預(yù)計(jì)英偉達(dá)2023年收入將達(dá)到529億美元，接近其2022年收入的兩倍，并超越英特爾和三星，成為全球收入最高的半導(dǎo)體公司。

目前來看，英偉達(dá)二季度的收入就已經(jīng)超過英特爾。財(cái)報(bào)數(shù)據(jù)顯示，英偉達(dá)二季度收入收入為135.1 億美元，較上一季度增長88%，較去年同期增長101%，凈利潤更是暴漲843%。

▲圖源：Semiconductor Intelligence

這一切自然都得益于AI大模型的爆發(fā)，其A100和H100系列是目前訓(xùn)練AI大模型最有效率的工具。研究機(jī)構(gòu) Omdia近日提到，英偉達(dá)二季度出貨了900噸H100顯卡，按一張H100約3kg的重量，僅二季度英偉達(dá)可能就賣出了約30萬塊H100。

毫無疑問，2023年是英偉達(dá)最高光的時(shí)候，但即便這樣的高光頂上也不免存在著一朵陰云——即除了英偉達(dá)之外，其他和大模型相關(guān)的企業(yè)似乎都不怎么賺錢。

8月底，The Information報(bào)道OpenAI 預(yù)計(jì)在未來 12 個(gè)月內(nèi)，通過銷售人工智能軟件及其計(jì)算能力，將獲得超過 10 億美元的收入，但這些收入目前還只是“預(yù)計(jì)”。

更直觀的一點(diǎn)感受是，今年二季度，作為如今全球AI大模型最具代表的企業(yè)，在Google母公司Alphabet、Microsoft和Meta的財(cái)報(bào)中 ，AI不僅沒有成為其中主角，甚至沒有被提到更多。

真正推動(dòng)這些巨無霸增長的，還是最傳統(tǒng)的互聯(lián)網(wǎng)變現(xiàn)方式——廣告。各家在提到二季度的增長時(shí)，都異口同聲的提到：“得益于廣告行業(yè)的復(fù)蘇”。

至于AI和大模型，過去半年中“OpenAI使用了Azure的智能云服務(wù)”一直被認(rèn)為是Azure最好的廣告，但二季度Azure的業(yè)績增速并不理想。財(cái)報(bào)顯示，微軟智能云業(yè)務(wù)的收入增長為32億美元，漲幅15％。而2023財(cái)年Q2、Q3的增幅分別為18%和16%，2022財(cái)年Q4的增幅為20%。

▲數(shù)據(jù)來源：微軟財(cái)報(bào)

Alphabet也處于漫長的投入期，其首席財(cái)務(wù)官 Ruth Porat 在之前的財(cái)報(bào)電話會(huì)議上表示，新的人工智能技術(shù)是有代價(jià)的，Alphabet第二季度資本支出的最大組成部分是服務(wù)器，以及對人工智能計(jì)算的“重大投資”。

在國內(nèi)，只有三六零在9月份發(fā)布半年報(bào)時(shí)提到，大模型已經(jīng)為公司創(chuàng)收2000萬元，被認(rèn)為是第一個(gè)用大模型賺到錢的互聯(lián)網(wǎng)公司。但對比上半年15.6億元的研發(fā)投入，也只是杯水車薪。

顯而易見，英偉達(dá)是目前少有的通過AI大模型賺到錢的公司。原因也很簡單，因?yàn)閯e人都在“淘金子”，但他是在賣“鏟子”。

大多數(shù)人欣賞這樣的公司，因?yàn)檫@是每次淘金熱中最穩(wěn)定賺錢的一撥人。但人們其實(shí)也總愛忽略一個(gè)問題，即如果淘金的人長時(shí)間淘不到金子，那么“賣鏟子”的生意也必定不會(huì)長久。

近日，集微網(wǎng)報(bào)道，AI協(xié)作工具M(jìn)icrosoft 365 Copilot需求不如之前強(qiáng)烈等原因，微軟正在下調(diào)英偉達(dá)H100芯片訂單，且拉貨放緩。

德意志銀行的分析師也曾在英偉達(dá)財(cái)報(bào)后提到，他們預(yù)計(jì)數(shù)據(jù)中心客戶將在某個(gè)時(shí)候放慢購買芯片的速度，以便“消化”已經(jīng)購買的芯片。

顯然，由于商業(yè)化落地不及預(yù)期，今年上半年瘋狂下單的芯片正在經(jīng)歷一個(gè)“冷靜”和“飽和”的階段。

這正是英偉達(dá)的焦慮。

作為“賣鏟者”，英偉達(dá)的增長必須要建立在行業(yè)整體的增長之上，只有英偉達(dá)一家賺錢的行業(yè)不是一個(gè)好行業(yè)。

破局

為了緩解這種焦慮，上半年賺了錢的英偉達(dá)開始瘋狂投資。

據(jù)不完全統(tǒng)計(jì)，英偉達(dá)今年上半年已完成20多筆投資，作為對比，作為全球創(chuàng)投界的”三巨頭”之一的環(huán)球老虎基金，今年上半年也才完成30筆左右的交易。

英偉達(dá)投資的企業(yè)主要都與AI相關(guān)，其中不乏AI大模型的“獨(dú)角獸企業(yè)”，比如加拿大AI公司Cohere，軟件初創(chuàng)公司Databricks、美國AI初創(chuàng)公司Inflection AI、視頻類AI生成公司Runway等等。

▲圖：Inflection AI官網(wǎng)

投資這些公司，除了生態(tài)布局和投資回報(bào)之外，對于英偉達(dá)最直接的意義還是拉動(dòng)其GPU的增長。

比如，Inflection AI 6月份宣布正在開發(fā)一款超級計(jì)算機(jī)，將配備2.2萬片英偉達(dá)H100。再比如，同樣獲得英偉達(dá)投資的AI算力新秀CoreWeave，近期通過抵押H100拿到了23億美元的貸款，用來購買更多英偉達(dá)GPU組建計(jì)算中心。

通過給AI大模型企業(yè)提供投資，企業(yè)拿到錢之后又反過來購買英偉達(dá)的GPU，再將GPU抵押貸款，貸出來的錢再購買英偉達(dá)的GPU。

如此循環(huán)，雞生蛋，蛋生雞。以至于有人批評英偉達(dá)獲得收入的方式是“往返交易”（洗錢的一種方式）。

當(dāng)然，對于英偉達(dá)來說，通過投資來擴(kuò)大GPU的出貨量顯然不是最終目的，這背后隱藏著英偉達(dá)面對產(chǎn)業(yè)焦慮的解決方式和磅礴的野心。

作為參考，英偉達(dá)上一個(gè)投資爆發(fā)點(diǎn)在2017年，當(dāng)時(shí)核心圍繞兩個(gè)方向，一個(gè)是以GPU為計(jì)算核心的人工智能，另一個(gè)則是汽車電子。

彼時(shí)黃仁勛意識到除了游戲外，GPU擅長的并行計(jì)算可能在未來對其他龐大數(shù)據(jù)處理的需求都有用武之地，英偉達(dá)開始靠投資開疆拓土并尋找可能性。

▲圖源：中國電子報(bào)整理

基于此，也誕生了英偉達(dá)目前硬件上最核心的兩塊長板，一是通用GPU（GPGPU），第二則是自動(dòng)駕駛芯片。目前，英偉達(dá)Orin系列自動(dòng)駕駛芯片已經(jīng)成為除特斯拉以外其他智能車的標(biāo)配。

這輪投資后，英偉達(dá)也最終形成了目前以游戲顯示、數(shù)據(jù)中心、汽車作為“三架馬車”的有業(yè)務(wù)路線。

因此，當(dāng)我們梳理了英偉達(dá)近20年的投資歷史會(huì)發(fā)現(xiàn)一個(gè)結(jié)論：英偉達(dá)的投資方向往往代表了未來布局的方向，且總能通過投資來反哺自身業(yè)務(wù)。正如其 VP Jonathan Cohen 在最近接受采訪時(shí)所說，英偉達(dá)正在投資于理解和加速整個(gè)生成式人工智能的技術(shù)棧。

到這，我們幾乎就能理解，英偉達(dá)正欲通過投資培養(yǎng)和尋找未來，同時(shí)帶動(dòng)AI生態(tài)的其他環(huán)節(jié)實(shí)現(xiàn)“共同富裕”。

這不只是為了英偉達(dá)，更是為了整個(gè)生態(tài)的繁榮。

野心

當(dāng)然商業(yè)世界中從來不存在溫情，英偉達(dá)此舉，更是為了鞏固和加強(qiáng)自己在未來AI生態(tài)中的關(guān)鍵地位，成為類似于Windows時(shí)代的Intel，才能穿越下個(gè)經(jīng)濟(jì)和技術(shù)周期。

除了找到與生態(tài)結(jié)合更準(zhǔn)確的方向，英偉達(dá)也不滿足于只“賣卡”這一項(xiàng)服務(wù)，而是想要參與到更多大模型的開發(fā)和應(yīng)用過程當(dāng)中。

去年，英偉達(dá)向AWS、Azure、谷歌云等大客戶們提議，想要在他們的數(shù)據(jù)中心租用英偉達(dá)芯片支持的服務(wù)器，然后把這些服務(wù)器溢價(jià)轉(zhuǎn)租給人工智能軟件開發(fā)商。

這么做對于英偉達(dá)來說，既可以向大模型企業(yè)提供云服務(wù)，又可以避開前期自建IaaS層的高昂的投入和時(shí)間成本，能夠更快實(shí)現(xiàn)商業(yè)化。對于英偉達(dá)來說，是一筆賣卡之外的額外收入，一本萬利。

▲圖：DGX Cloud 來自英偉達(dá)官網(wǎng)

據(jù)英偉達(dá)官網(wǎng)數(shù)據(jù)，DGX Cloud（英偉達(dá)自建的云服務(wù)）客戶可以以每月3.7萬美元的價(jià)格租用內(nèi)嵌8個(gè)A100的GPU云服務(wù)器，而在AWS上，A100 GPU 服務(wù)器的費(fèi)用在每小時(shí) 32 美元至 40 美元之間，即每月 2.4萬 美元至3萬美元之間。

我們簡單的算一筆賬，英偉達(dá)不僅能將8塊A100賣給云廠商，還能賺到每月7000美元的差價(jià)，按照一塊A100五年壽命計(jì)算，5年內(nèi)英偉達(dá)能多賺42萬美元。

當(dāng)然，英偉達(dá)也不可能滿足于只賺差價(jià)的生意。其真正的目的隱藏在英偉達(dá)投資的眾多明星公司中兩個(gè)毫不起眼的項(xiàng)目，那是兩家小型云服務(wù)的公司，從體量上根本不能與AWS、Azure和Google的GCP相比。

但英偉達(dá)走的是一條“軟件定義硬件”的道路，基于云廠商提供的服務(wù)器資源搭配DGX Cloud，英偉達(dá)的工程師利用他們對本公司芯片的了解，可以通過軟件對服務(wù)器進(jìn)行調(diào)優(yōu)，同時(shí)搭配更多開發(fā)工具和軟件解決方案，使其性能優(yōu)于其他云廠商提供的服務(wù)器。

AI軟件公司Anyscale就曾表示，與傳統(tǒng)云提供商為客戶提供的GPU服務(wù)器相比，DGX Cloud的性能“非常高，而且售價(jià)也非常有競爭力”。

顯然，“賣鏟人”不甘于屈居幕后，而是要走向臺前，并在逐漸深入軟件生態(tài)，增加多元化收入，在云廠商的領(lǐng)地里，再造一個(gè)英偉達(dá)。

尾聲

英偉達(dá)當(dāng)然明白，時(shí)勢造英雄，也能敗英雄。

如果不思考長期戰(zhàn)略，英偉達(dá)如今的成功，很像風(fēng)口上被鼓吹起來的“胖子”，高光時(shí)刻或如過眼云煙，尤其是當(dāng)技術(shù)車輪繼續(xù)滾滾向前，英偉達(dá)所面臨的挑戰(zhàn)也越來越多。

比如無論是國內(nèi)還是國外，從谷歌到阿里、從微軟到百度，各家云廠商都已經(jīng)自研了自己的云端AI芯片，未來顯然會(huì)逐漸降低對英偉達(dá)的依賴。

除此之外，目前AI大模型企業(yè)對于英偉達(dá)GPU的需求，本質(zhì)上還是來源于Transformer架構(gòu)下，大模型對算力的需要。

但隨著AI大模型的參數(shù)規(guī)模越來越大，Transformer架構(gòu)下的算力成本也在如指數(shù)級上升。從目前的相關(guān)報(bào)道來看，GPT-4可能在1萬到2.5萬張A100上進(jìn)行的訓(xùn)練，而根據(jù)馬斯克的說法，GPT-5可能需要3萬到5萬張H100。

為了解決算力帶來的巨大成本，也有越來越多的頂尖研究機(jī)構(gòu)開始探索比Transformer更有效率的架構(gòu)，以期待降低對算力的依賴。

比如斯坦福和Mila的研究人員提出了一種名為Hyena的新架構(gòu)，在達(dá)到與GPT-4同等準(zhǔn)確性的前提下，使用的算力少100倍。但目前Hyena架構(gòu)還只能在參數(shù)規(guī)模較小的情況下使用，不到GPT-3的十分之一。

此外，麻省理工學(xué)院的兩名研究人員也從提出了 “液態(tài)神經(jīng)網(wǎng)絡(luò)” （liquid neural networks）。這種架構(gòu)不僅速度更快，而且異常穩(wěn)定，這意味著系統(tǒng)可以處理大量的輸入而不至于失控，且比”Transformer”更加透明且更易于人類理解。

整體上，基礎(chǔ)架構(gòu)不斷改進(jìn)，以達(dá)到減少對算力依賴的“命運(yùn)齒輪”已經(jīng)開始轉(zhuǎn)動(dòng)。就像《三體》中不知道何時(shí)會(huì)出現(xiàn)的技術(shù)大爆炸一樣，不可預(yù)料，也不可輕視。

而英偉達(dá)需要做的，就是趕在新的技術(shù)范式誕生之前，推動(dòng)AI生態(tài)基于Transformer和GPU建立一個(gè)龐大的生態(tài)。

這既是英偉達(dá)焦慮，也正是英偉達(dá)的野心。