1440
在AI市场追赶Nvidia绝非易事，但许多高科技行业的人都决心试水。芯片公司们正在领导这场竞争，超大规模数据中心、OEM和其他公司也紧随其后。他们面临的任务将无比艰巨。
十二年前，Nvidia在AI上大胆下注。现在，他们终于以历史性的估值收获了丰厚的回报。
上周，当黄仁勋在中国台湾的Computex展会上活动时，全球其它竞争对手都在急切地向投资者和客户保证他们进入或在AI市场扩大份额的决心。然而，竞争对于Nvidia来说并不陌生。
几周前，黄仁勋在与2024Q1财报会议时说：“我们非常关注竞争，我们一直在面对竞争。我们面临来自各个方向的竞争，包括初创公司、资金充足且创新的公司，他们遍布全球。我们也面临来自现有芯片公司的竞争。我们甚至还面临来自CSPs（cloud services providers）内部项目的竞争。”
竞赛真的开始了。
但竞争对手也需要接受一个残酷的现实。目前，Nvidia的领先地位如此之大，要想跨越它，需要巨大的跃进、灵活的步伐，还需要运气。这是因为搞AI并不是靠蛮力。它需要一套协调得天衣无缝的动作和部件，就像一部交响乐。
黄仁勋说：“这是我们所知道的最难的计算。你必须设计所有的硬件、库、算法，并优化框架，以适应不仅仅是一颗芯片，而是整个数据中心的架构。这是你的网络操作系统，你的分布式计算引擎，你对网络设备架构、交换机和计算系统的理解……整个系统就是你的计算机。”
总结就是，AI是非常复杂的。
竞争日益加剧
但竞争已经到来，且会持续下去。
AMD的Lisa Su几个月来一直明确表示，她的公司必须在AI业务中占据更大份额。Su在年初的CES上表示，AMD将利用其最新的处理器Ryzen，现在已被赋予AI功能。
上个月，Su在接受采访时表示，AMD正在“将AI融入我们产品组合的每一个方面”。
AMD并不孤单。Intel也想分一杯羹。AWS、Apple、百度、华为、IBM等公司也都是如此。
Nvidia清楚地意识到，包括其客户在内的许多公司都想在其领地上分一杯羹。作为回应，Nvidia一直在对其运营方式和对外展现的姿态方面进行深度改变。它正在与电子设计和供应链伙伴合作，而在某些情况下，甚至与自己的客户竞争。
Nvidia刚刚宣布与MTK合作，以便在汽车领域建立更大的立足点。Nvidia的汽车业务负责人Danny Shapiro指出，这项交易并不只针对MTK。他说，正在考虑在其他领域建立类似的合作伙伴关系。
Shapiro说：“这扩大了我们的商业模式。如果你看我们在汽车行业所做的，你可以在汽车中看到Nvidia的芯片和Nvidia的软件。你可以在云端看到Nvidia。无论你是否在汽车中使用我们的芯片和软件，基本上，每个公司都在用我们的数据中心业务进行训练。通过开辟我们之前没有进入的新细分市场，扩大了我们的市场。”
Nvidia抵御竞争压力最有效的工具是在芯片领域内外都有所行动，使其AI优势在哪里都能被利用。事实上，黄仁勋指出，该公司已经不能简单地被描述为一家芯片供应商。
不止于此。它既与芯片竞争对手、超大规模数据中心、软件开发商、云客户、OEM、公用事业、银行和金融企业、保险公司和汽车公司合作，又与他们竞争。这个名单还在继续。
黄仁勋指出，“我们已经建立了五个数据中心，我们还帮助全世界的公司建立数据中心。我们把数据中心和超级计算机变成了产品。全球一些最大的超级计算机在大约一年半前安装完毕，现在它们正在逐步投入使用。我们交付到运营的时间以周计。”
巨大的领先优势
Nvidia能否以及能多久保持其AI领头羊地位现在已成为价值数十亿美元的问题。
根据IDTechEx的数据，Nvidia是GPU市场无可争议的领导者，市场份额超过80%。该研究机构估计，到2033年，AI芯片市场“将达到2576亿美元”，以24.4%的复合年增长率增长，并表示Nvidia将占据“相当大的份额”。
IDTechEx的报告中说，“AI正在改变我们所熟知的世界。AI训练算法的复杂性正在以惊人的速度增长。为了跟上这个增长，我们需要的不仅是可扩展的AI应用硬件，还需要能在接近终端用户的地方处理越来越复杂的模型。”
Nvidia声称它已经找到了秘诀。目前，其在AI领域GPU的巨大领先优势无人能敌。
但竞争对手也意识到了市场的潜力，正在全力追赶。然而，要追上Nvidia远没有那么容易。甚至可以说，短期内近乎不可能，需要多年时间的努力。
以下是竞争对手们可能面临的挑战：
AI解决方案并不仅仅关乎最好的芯片、处理器、软件、工艺制程、交付机制或者可信赖的关系。它需要所有这些因素的组合，顺利叠加起来，形成坚固的统一体。
Nvidia完成以上任务花了超过12年的时间，要复制Nvidia已经完成且将继续进行的工作，竞争者需要以闪电般的速度进行追赶。
任何想要获得更大份额的竞争者，不只要有优秀的处理器（GPU或CPU）、优秀的软件应用和制程，而且要远超这些。
黄仁勋如此直言不讳地说，这是因为，企业AI用户和他们的终端客户看重的AI解决方案，需要的不仅仅是将最好的芯片和软件拼凑在一起的能力。这关乎“技术堆栈”和“总体拥有成本”。
他说：“如果数据中心的操作系统，即基础设施，不是极其出色，你如何连接成千上万的GPU？Nvidia的核心价值主张是我们是最低成本的解决方案。我们是最低总体拥有成本的解决方案。这是因为，我经常谈论的加速计算是两个问题，即它是一个全栈问题。”
诱人的回报
对于竞争者来说，开发一系列类似的解决方案是一项巨大挑战。但回报也可以同样巨大。
整个AI市场在2021年的估值还不到1,000亿美元。根据Next Move Strategy Consulting的数据，到今年年底，市场规模将膨胀到2,070亿美元，到2030年将达到2万亿美元的估值。
分析师并非是唯一抛出惊人数字的群体。正如Nvidia高企的市值所示，股权投资者也同样对AI投资的预期回报疯狂。
然而，竞争者们的战斗不仅仅是在AI芯片上。AI竞争已经扩大到了“客户”层面的因素，这些客户过去可能会满足于从芯片公司那里购买组件，或者从制造商那里购买完成的OEM设备。
而且，现在加入竞争队伍的还包括像Alphabet、Apple、Amazon和Facebook这样的超大规模数据中心、云服务供应商，甚至公用事业及自研芯片的通用视觉公司等。
成功非偶然
Nvidia的成功并非是偶然的。2011年，黄仁勋开始推动公司专注于“加速计算”，似乎是非常明智的决策。
事后回顾，Nvidia似乎一路都非常顺利。但上个月，黄仁勋在中国台湾发表演讲时指出，在开发CUDA（其计算平台和应用程序编程接口，使软件能够用于通用目的处理）时，Nvidia遇到过很多困难。
然而，他们坚持了下去，黄说是“冒着一切风险追求深度学习”。
他说，“我们发明了CUDA，开创了加速计算和AI。十年后，AI革命开始了，Nvidia是全球AI开发者的引擎。你要么为了食物而奔跑，要么为了避免成为食物而奔跑。往往你不能分辨是哪一个。只有跑。”
Nvidia在奔跑。竞争对手也在奔跑。
但想要在AI市场上赶上Nvidia，可能还需很多年艰辛的努力。
下载ECAD模型
