961
英伟达又“赚麻了”。
1月3日——美股第一个交易日，英伟达的收盘价为143美元，一个月后的2月3日，英伟达股票的收盘价已经来到211美元，一个月涨了47%。华尔街分析师预计，英伟达在1月份的股价表现预计将为其创始人黄仁勋增加51亿美元的个人资产。
半导体企业股价的起起伏伏本属常态，可今时不同往日，半导体市场正在经历罕见的下行周期。英伟达股价此时的增长意味着，美股市场从它身上看到了逆境中的希望。
而这一希望之火的来源，就是当前科技圈的“顶流”：ChatGPT. 这款由OpenAI推出的聊天机器人在推出仅两个月后，月活跃用户就达到了1亿，成为历史上用户增长最快的消费应用。由于ChatGPT属于生成式AI，被誉为“AI芯片”第一股的英伟达应声而涨，在ChatGPT商业化模式尚未明确的初期阶段就斩获了一波红利。而美股市场如此看好英伟达，既有英伟达从显卡厂商成长为AI芯片霸主的历史原因，也在于ChatGPT当前阶段与英伟达生态的契合性。
缘何成为“AI芯片第一股”？
20世纪90年代，3D游戏的快速发展和个人电脑的逐步普及，彻底改变了游戏的操作逻辑和创作方式。1993年，黄仁勋等三位电气工程师看到了游戏市场对于3D图形处理能力的需求，成立了英伟达，面向游戏市场供应图形处理器。1999年，英伟达推出显卡GeForce 256，并第一次将图形处理器定义为“GPU”，自此“GPU”一词与英伟达赋予它的定义和标准在游戏界流行起来。
那时，三位创始人可能没有想到：
让英伟达股价飞升的不是游戏显卡，而是AI芯片。
让英伟达市值超越英特尔的不是游戏显卡，而是AI芯片。
在30年后，半导体遭遇罕见逆风的2022年，撑起英伟达财报表现的不是游戏显卡，而是包含AI加速、高性能计算、超算等业务的数据中心业务。至2023财年第三季度（截至2022年10月30日），数据中心业务的营收已经是游戏业务的两倍有余，对英伟达的营收贡献高达64.6%。
2021年第四季度（最右）—2023年第三季度（最左）英伟达各部门营收
图片来源：英伟达
有意思的是，让英伟达踏上AI这条路的，不是GPU硬件，而是软件编程平台：CUDA（统一计算架构）。
在21世纪初，CPU难以继续维持每年50%的性能提升，而内部包含数千个核心的GPU能够利用内在的并行性继续提升性能，且GPU的众核结构更加适合高并发的深度学习任务。这一特性逐渐被深度学习领域的开发者注意。但是，作为一种图形处理芯片，GPU难以像CPU一样用C语言、Java等高级程序语言，极大地限制了GPU向通用计算领域发展。
英伟达很快注意到了这种需求。为了让开发者能够用英伟达GPU执行图形处理以外的计算任务，英伟达在2006年推出了CUDA平台，支持开发者用熟悉的高级程序语言开发深度学习模型，灵活调用英伟达GPU算力，并提供数据库、排错程序、API接口等一系列工具。虽然当时方兴未艾的深度学习并没有给英伟达带来显著的收益，但英伟达一直坚持投资CUDA产品线，推动GPU在AI等通用计算领域前行。
6年后，英伟达终于等到了向AI计算证明GPU的机会。在21世纪10年代，由大型视觉数据库ImageNet项目举办的“大规模视觉识别挑战赛”是深度学习的标志性赛事之一，被誉为计算机视觉领域的“奥赛”。在2010和2011年，ImageNet挑战赛的最低差错率分别是29.2%和25.2%，有的团队差错率高达99%，深度学习的前景因不确定性蒙上了一层阴影。
2012年，来自多伦多大学的博士生Alex Krizhevsky用120万张图片训练神经网络模型，和前人不同的是，他选择用英伟达GeForce GPU为训练提供算力。在当年的ImageNet，Krizhevsky的模型以约15%的差错率夺冠，震惊了神经网络学术圈。
2010年—2014年，ImageNet top-5错误率（对一张图像预测5个类别）及GPU使用数量
图片（红色折线为错误率，绿色线柱为参赛团队GPU使用量）
这一标志性事件，证明了GPU对于深度学习的价值，也打破了深度学习的算力枷锁。自此，GPU被广泛应用于AI训练等大规模并发计算场景。数据显示，在2010-2011年，ImageNet挑战赛中没有任何团队使用GPU，2012年Krizhevsky首开先河后，2013年参赛团队使用的GPU达到了60块，2014年进一步提升至110块。
除了学术圈，科技企业也纷纷向英伟达伸出橄榄枝。2012年，英伟达与谷歌人工智能团队打造了当时最大的人工神经网络。到2016年，Facebook、谷歌、IBM、微软的深度学习架构都运行在英伟达的GPU平台上。2017年，英伟达GPU被惠普、戴尔等厂商引入服务器，被亚马逊、微软、谷歌等厂商用于云服务。2018年，英伟达为AI和高性能计算打造的Tesla GPU被用于加速美国、欧洲和日本最快的超级计算机。
与英伟达AI版图一起成长的，是股价和市值。2016年初，英伟达的股价在30美元左右。而2018年10月，英伟达股价来到292美元的高位，一度被资本市场誉为“AI芯片第一股”。2020年7月，英伟达市值首次超越英特尔，成为当时美国最大的芯片公司。
ChatGPT的最大受益者？
在AI计算领域的长期储备，让英伟达在ChatGPT尚处于商业化探索的早期，就率先受益，在股市斩获颇丰。接下来，ChatGPT的火热有望进一步体现在英伟达的销售额上。IDC亚太区研究总监郭俊丽向《中国电子报》表示，从算力来看，ChatGPT至少导入了1万颗英伟达高端GPU，总算力消耗达到了3640PF-days。
“我们预计，ChatGPT很可能推动英伟达相关产品在12个月内销售额达到35亿至100亿美元。”郭俊丽说。
ChatGPT引起了全球用户的极大兴趣，在于它能够满足各种各样的需求。解释名词概念、写作文、作诗、填写表单、编写SQL查询并且执行，甚至可以编写代码。而支撑这种多元化功能的，是AI大模型技术。一位AI从业者向《中国电子报》记者表示，大模型技术涉及AI开发、推理、训练的方方面面，所谓模型的“大”主要是参数量大、计算量大，需要更大体量的数据和更高的算力支撑。对于GPU厂商来说，大模型是值得期待的算力红利。
可英伟达真的能够在这一波算力红利中独占鳌头吗？如今，在通用GPU领域，AMD一直是独立GPU的第二大供应商，且一直保持着高速成长步伐，2022年AMD数据中心事业部的营业额实现了高达64%的同比增长。英特尔一直是全球最大的集成显卡供应商，在宣布重返独立GPU市场后，推出了面向数据中心和 AI 的Xe HP架构以及面向高性能计算的Xe HPC架构。与此同时，乘着AI东风崛起的一批中小GPU企业，也对新的市场机会虎视眈眈。显然，英伟达并不是AI开发者们的唯一选择。
那么，美股市场对英伟达的信心来源于什么？首先是GPU平台的通用性。一位互联网从业者向记者表示，小模型是做一个任务就训练一个模型，而大模型要具备一定的通用性。如果说对小模型的训练是一堂课，对大模型的培训就相当于九年义务教育。
而CUDA平台加持的英伟达GPU，就是以通用性见长。“英伟达通用性高，支持AI的能力强。当一个新的AI热点出现，其成长过程中会出现哪些新型应用是难以在初期预测的，通用性强的芯片平台是更加安全的选择，因此AI开发者往往会优先选择英伟达的GPU。等这个AI热点成熟了，方向相对明确了，再去研发自己的芯片。”Gartner研发副总裁盛陵海向记者表示。
英伟达的另一道护城河，是其AI生态的黏性。CUDA几乎只支持英伟达的Tesla架构GPU，不容易迁移，有利于AI开发者与英伟达软硬件长期绑定。“在AI领域，英伟达的GPU占据绝对的领导地位，在训练领域英伟达的GPU产品的市场份额超过80%。再配合CUDA软件工具，实现对GPU等硬件芯片的捆绑，构筑了行业壁垒。”赛迪顾问集成电路产业研究中心总经理滕冉向记者表示。
这波红利能吃多久？
在英伟达的发展史中，令其股价飙升的热点有很多。有些是技术畅想，比如AI和元宇宙，在为全社会带来想象空间的同时，也倒逼英伟达推出了新的产品和平台。但也有一些是单纯的GPU走量，比如“挖矿”，虽然短期内急速拉升了英伟达和AMD的显卡销量，但也对芯片供应秩序和GPU厂商财务表现的稳定性造成了伤害，成了昙花一现的短期红利。
ChatGPU带来的算力红利，又能持续多久？这个问题，可以分两个层次来看。
第一个层次，在于ChatGPU是不是一项能够长期发展的颠覆性技术。
在黄仁勋本人看来，答案是肯定的。在近期参加的Berkeley Haas 商学院 Dean’s Speaker 系列谈话中，黄仁勋表示人工智能领域出现了ChatGPT，相当于手机领域出现了iPhone：“ChatGPT 的出现对人工智能领域的意义，类似手机领域‘iPhone’的出现。这一刻在科技领域具有里程碑的意义，因为现在大家可以将所有关于移动计算的想法，汇集到了一个产品中。例如，通过API接口，可以将ChatGPT连接到数据表、Powerpoint、绘图程序，照片编辑程序等，一切都可以变得更完善。”
但也有观点认为，ChatGPT并没有为底层技术带来变革。Meta首席AI科学家、图灵奖得主杨立昆表示，ChatGPT并没有为底层技术带来创新，更多的是一个组合得很好的产品。盛陵海向记者表示，目前来看ChatGPT还是基于现有的数据进行组合式回答，而不是去创造新的内容。ChatGPT要长远发展，需要持续向生产工具演变，比如短期内可以用来提升搜索引擎的正确率，而不是仅仅停留在与用户对话。
在芯片层面，尚未看到针对ChatGPT推出的新产品。但ChatGPT作为明星产品，引发的是全社会对于生成式AI和大模型技术的关注，而后者对于芯片用量的更大需求、芯片规格的更高要求，已经是较为明朗的趋势。“未来大模型将成为AI技术领域重要的生产工具，需要更强的训练、推理能力，支撑海量数据模型且高效地完成计算，这些要求会对芯片的算力、存储容量、软件栈、带宽等技术有更高的要求。”郭俊丽表示。
其次是在ChatGPT等生成式AI发展的不同时期，英伟达的蛋糕份额是否会有所变化。
对于中小企业来说，一旦想明白了要用ChatGPT做什么，按照业务特点定制AI芯片，是更经济的选择。郭俊丽表示，随着ChatGPT技术不断成熟推进、算法不断优化普及，ASIC将更具备竞争优势。
而头部企业普遍想从芯片层、框架层、模型层一直做到应用层，因而无论国际的谷歌、微软、亚马逊，国内的百度、阿里，都推出了自己的算力芯片。为了让芯片层更加贴合自己的框架模型，科技企业会不断提升软硬件的契合度，进一步提升自研芯片的比例。
因此，当ChatGPT发展到成熟期，其算力底座有可能从英伟达独占鳌头的局面逐渐向“百家争鸣”的割据战倾斜，从而压缩英伟达在该领域的盈利空间。但那个时期，可能又会有下一个AI热点出现，开启下一轮从通用GPU平台进行早期探索的循环。毕竟芯片企业的起起落落，概念股票的跌跌涨涨，都源于人们对于技术进步和美好生活的期待。只要想象力不会终止，就永远有新的发现令市场瞩目，新的热点供企业追逐。
