**： 智通财经App
继几天前的谣言之后，英伟达（NVDA）US）将进军定制芯片业务，人工智能热潮将英伟达推向了新的高峰。
据报道，随着英伟达股价达到734创下 96 美元的历史新高，该公司的市值达到 182万亿美元，而零售巨头亚马逊的市值为1美元81万亿美元，这意味着该公司跃升至美国第四大市值公司，仅为187亿美元的市值也只有一步之遥。
*请注意，英伟达上一次在市值上超过亚马逊是在2002年，当时两家公司的市值都不到60亿美元。
因为市场对强劲的人工智能需求的押注推动英伟达的股价成为所谓的“七大”中表现最好的，在过去12个月里飙升了223%。 今年到目前为止，英伟达的股价已经上涨了46%。
但对于这家可能是有史以来最强大的芯片巨头来说，英伟达创造历史的旅程似乎还远未结束。
人工智能已经改变了数据中心和 NVIDIA。
NVIDIA 的成立旨在彻底改变游戏和多领域的 3D 计算机图形技术。 该公司最初在各种芯片上取得了成功，随后在 1999 年推出了世界上第一个图形处理单元 （GPU） NVIDIA GeForce 256，实现了重大飞跃。
这一里程碑在最新的 GeForce RTX 40 系列中达到顶峰，该系列通过深度学习超级采样 （DLSS） 为数字内容提供逼真的图形，这是 NVIDIA 的一项令人难以置信的创新。 DLSS 使用人工智能 （AI） 在游戏场景中创建额外的帧并提高图像质量。
在 2022 财年（截至 2022 年 1 月 30 日）之前，游戏一直是 NVIDIA 最大的收入来源。 该部门全年销售额为125亿美元，占公司总收入的46%。 但后来，一切都变了：
数据中心曾经是公司存储有价值信息的地方，但后来演变成集中式运营中心（也称为云计算）。 如今，数据中心拥有由 NVIDIA 设计的强大芯片，用于处理 AI 工作负载。
这种转变始于 2016 年，当时 NVIDIA 交付了 OpenAI 的第一台 AI 超级计算机，该计算机用于开发早期的生成式 AI 模型，最终导致了著名的 ChatGPT 聊天机器人。
NVIDIA 领先的 H100 数据中心 GPU 现在售价高达 40,000 美元。 Microsoft 和 Amazon 等集中式数据中心运营商已经订购了数十万个数据中心，为云客户提供开发 AI 所需的计算能力。
这导致 NVIDIA 在 2024 财年第三季度（截至 2023 年 10 月 29 日）的数据中心收入同比增长 279%。 数据中心业务目前占英伟达总收入的80%，远远落后于游戏业务。
英伟达现在是价值 1一个 8 万亿美元的庞然大物，其中 1 万亿美元的价值是在过去 12 个月中创造的。 就目前而言，英伟达的股价似乎仍可能走高。
每个国家都需要人工智能，数据中心将继续飙升。
英伟达创始人兼首席执行官黄仁勋周一在迪拜举行的全球峰会上告诉与会者，每个国家都需要拥有自己的情报生产能力。
在与阿联酋人工智能部长Al Olama阁下的炉边谈话中，黄仁勋将主权人工智能（强调一个国家对其数据及其产生的智能的所有权）描述为世界领导人的巨大机会。
它记录了你的文化、你的社会智慧、你的常识、你的历史——你拥有自己的数据，“黄在他们的谈话中告诉Al Olama，这是来自150个国家的4000多名代表参加的活动的亮点。
黄仁勋敦促领导人不要被人工智能“愚弄”。 人工智能具有前所未有的能力，可以由普通人指导，这使得各国必须接受人工智能，并为其注入当地语言和专业知识。
黄仁勋甚至反驳了许多有远见的人多年来提出的建议，他们敦促年轻人学习计算机科学，以便在信息时代竞争。
事实上，情况几乎恰恰相反，“黄仁勋说。 “我们的工作是创造不需要任何人编程的计算技术，编程语言是人类：现在世界上每个人都是程序员，这就是奇迹。 ”
在同一次峰会上，黄仁勋还表示，我们正处于这个新时代的开始，将要发生的是，全球数据中心的安装基础将价值一万亿美元，在未来4-5年内，我们将拥有价值2万亿美元的数据中心，它们正在为世界各地的软件提供动力。 所有这些都将被加速，这种加速的计算架构非常适合下一代称为生成式人工智能的软件。
对于作为一家商业公司的英伟达来说，Jensen表示，“通用计算”并不是我们想要快速、高效和具有成本效益的人工智能的最佳方式，他通过描述这样一个事实来描述我们在现代看到的加速计算已经促进了人工智能的增长，甚至进入了市场。 他表示，该行业向“下一代”状态过渡的唯一途径是升级到加速计算，这需要巨大的经济资源和高效的硬件作为关键**。
进入定制芯片设计业务，赢家通吃。
在NVIDIA最初的商业计划中，他们希望使用统一的GPU来赢得所有客户。 但现在，他们看到客户逃离了自己的芯片。 正如文章开头提到的，有传言称英伟达正在进军定制芯片业务，希望通过为其客户定制芯片，进一步巩固其在AI市场的低位。
据报道，该小组由英伟达成立，旨在创建新的商业模式，以帮助客户使用英伟达IP甚至小芯片构建自己的解决方案。 通过此举，英伟达开始打造AI授权巨头。
熟悉芯片行业的读者应该知道，许多设计自己的芯片以降低成本或为计算需求提供更多定制解决方案的公司已经与 Broadcomm 和 Marvell 等公司合作开发后端物理设计、Serdes 模块或 IP（例如 Marvell 的高性能 ARM CPU 内核）。 Cadence 和 Synopsys 等 EDA 解决方案提供商在提供 SoC 设计人员可以放入其芯片的 IP 模块方面做得很好，从而节省了资金并加快了上市时间。 但这并不是什么新鲜事。 例如，simaAI 在其边缘 AI 芯片中使用 Synopsys 的图像处理器。
由吉姆·凯勒（Jim Keller）领导的初创公司Tenstorrent看到了这个机会，并将这家总部位于多伦多和奥斯汀的公司从NVIDIA的潜在竞争对手转变为一家IP和设计商店，为起亚（KIA）和LG等公司提供小芯片和知识产权。
在人工智能领域，我们看到了一种新趋势，即电视、汽车或网络设备的设计人员希望构建定制解决方案以降低成本或提供包含人工智能的差异化解决方案，但他们没有构建整个芯片的需求或专业知识。
至于谷歌、亚马逊AWS、Meta（预计将在今年晚些时候使用自己的芯片）和Microsoft Azure等大客户，他们已经拥有自己的内部AI定制芯片以及云客户的NVIDIA GPU。 他们能否与 NVIDIA 合作开发未来的设计？
我们可以假设这些 NVIDIA 定制芯片客户将能够利用 NVIDIA 的内部和 AWS 超级计算机来加速和优化这些设计工作？ 这将是一笔不错的额外收入，也是一个令人难以置信的差异化因素。 如果是这样，这可能就是为什么NVIDIA将其最新的“内部”超级计算机Project Cieba托管在AWS数据中心的原因，那里已经提供了安全云服务的基础设施。 NVIDIA可以在CIEBA上提供芯片设计优化服务。
虽然这种猜测可能有点过分，但这样做表明英伟达看到了一个不祥之兆，并准备再次改变这个行业。
虽然这种猜测有点大胆，但随着时间的推移，所有技术都会被商品化是不可避免的。 尤其是前几代硅。 当 NVIDIA 有兴趣收购 ARM 时，我认为此次收购将使 NVIDIA 有可能通过许可协议将他们不想生产的产品货币化。
看起来这正是NVIDIA现在正在做的事情。
作为对山姆·奥特曼的回应，七万亿可以全部买下。
对于AI芯片行业来说，近期的热点之一，当然避不开Open AI首席执行官Sam Altman计划筹集7万亿美元资金颠覆AI芯片和芯片制造的传闻。
首先，我们必须说这是一大笔钱。
其次，这肯定不是一件容易的事情。 抛开先进芯片制造整体难度不谈，经过多年的发展，全球只有台积电、三星和英特尔能够进入领先的芯片制造市场。
更重要的是，投资一座先进的晶圆厂需要花费100亿美元（与7万亿相比，这简直是杯水车薪？ ）。此外，行业高管表示，在寻找工程师来运营大量新工厂、获得机器来填补这些工厂以及获得足够的订单来证明这些工厂的合理性方面存在不确定性。
即使是大规模建设新的芯片工厂，也不一定能解决阿尔特曼的近期问题——生产OpenAI的ChatGPT等系统所需的人工智能芯片短缺。 英伟达AI芯片生产的最大瓶颈是封装，这是电路压印在硅晶圆上的制造步骤。
山姆·阿尔特曼（Sam Altman）还抱怨了英伟达芯片的成本——雷蒙德·詹姆斯（Raymond James）分析师斯里尼·帕朱里（Srini Pajuri）表示，增加芯片工厂可能无法解决另一个问题。
为了减少AI芯片的**，我们需要与英伟达进行更多的竞争，“他说。
英伟达首席执行官黄仁勋（Jensen Huang）对这个疯狂的计划持怀疑态度。
在迪拜举行的全球首届峰会上，世界上最有价值的芯片制造商表示，计算技术的进步将使开发人工智能的成本大大降低。
你不能假设你会购买更多的电脑。 你还必须假设计算机会变得更快，所以你需要的总量不会那么多，“黄说。 “如果你只是假设计算机不会变得更快，你可能会得出结论，我们需要14颗行星、三个星系和四个太阳来为这一切提供燃料，但计算机架构仍在进步，”他指出。 ”
他说，他相信芯片行业将降低人工智能的成本，因为其组件的制造速度“越来越快”。
因此，黄仁勋的观点表明，更好、更具成本效益的芯片将使奥特曼雄心勃勃的投资计划变得没有必要。
“如果你只是假设计算机不会变得更快，你可能会得出结论，我们需要14颗行星，三个星系和四个太阳来为这一切提供燃料，但计算机架构仍在进步，”黄仁勋说。 ”
当被问及下一个人工智能时代是建立在GPU（英伟达拥有约80%的GPU市场份额）还是某种新技术上时，黄仁勋指出，许多其他大型科技公司确实在开发自己的技术。 可用作 GPU 替代品的专有芯片。 Microsoft正在开发MAIA，这是一种专门为训练大型语言模型而开发的定制硅芯片。 与此同时，谷歌正在开发张量处理单元（TPU），旨在加速机器学习工作负载。 据报道，Meta 正在开发自己的内部芯片。
Nvidia 的 AI 方法与其潜在竞争对手不同的原因之一是，其 GPU 可以被“任何人、任何平台”使用，黄仁勋说，这是他“使人工智能民主化”的雄心壮志的一部分。 黄仁勋接着声称，英伟达“存在于每个云和数据中心，一直到自动驾驶系统和自动驾驶汽车。
黄仁勋表示，随着构建人工智能系统的新方法的发明，英伟达将能够灵活地适应。 黄仁勋说：“所有这些架构都可以在NVIDIA的灵活架构之上创建，而且因为它们几乎无处不在，任何研究人员都可以访问NVIDIA的GPU并发明下一代。 ”
当被问及他可以以7万亿美元购买多少图形处理单元（GPU）时，黄仁勋笑着回答：“显然是所有的GPU”。
本文编译自《半导体行业观察》，智通财经编辑：张金亮。