在由OpenAI旗下ChatGPT引領的人工智能(AI)熱潮中，芯片巨頭英偉達(NVDA.US)無疑是最耀眼的“明星”，一份亮眼的財報和今年以來近160%的股價漲幅足以證明。不過，在可預見的激烈市場競爭里，英偉達的前方并非一路坦途。
一、AI熱潮帶飛英偉達 需求激增有望提振未來業績
英偉達在5月24日美股盤后公布的2024財年第一季度財報顯示，營收同比下降13%至71.9億美元，但好于市場預期的65億美元，13%的同比降幅也低于上一季度21%的同比降幅。調整后的每股收益為1.09美元，同樣好于市場預期的0.92美元。調整后的毛利率為66.8%，與市場預期基本一致;調整后的利潤率為37.8%，好于市場預期的34%。
(資料圖)
按業務劃分，游戲業務營收同比下降38%至22.4億美元，但好于市場預期的19.8億美元，同時較上一季度增長了22%。英偉達稱，游戲業務營收下滑是由于宏觀經濟增長放緩造成的需求疲軟、以及渠道庫存的正常化導致其出貨量下降。
AI芯片所在的數據中心業務的營收同比增長14%至42.8億美元，創下歷史新高，好于市場預期的39.1億美元，同時較上一季度增長18%。英偉達推出的A100/H100 GPU(圖形芯片)極度適合AI訓練和運行機器學習軟件，是支持ChatGPT等生成式人工智能和大型語言模型的最關鍵底層硬件。
英偉達表示，其數據中心業務的營收增長是由“大型消費者互聯網公司和云服務提供商的強勁需求”推動的。該公司表示，這些客戶正在部署其GPU，以支持生成式人工智能和大型語言模型。
值得注意的是，最令市場驚喜的在于英偉達給出的第二季度營收指引。英偉達預計，第二季度營收將達到110億美元左右，較市場預期的71.8億美元高出53%。這一指引表明，全球企業布局AI將對英偉達業績帶來極大的提振。如此樂觀的展望也推動了英偉達在5月25日收漲超24%，市值逼近1萬億美元。
英偉達首席執行官黃仁勛表示，該公司看到對其數據中心產品的“需求激增”。黃仁勛進一步指出，英偉達已做好充分準備，可以從AI熱潮帶來的機會中獲益，因為該公司在去年人們對AI的興趣激增時就開始為數據中心生產新一波的先進硬件。英偉達首席財務官Colette Kress指出，需求的進一步激增將遠遠超出第一季度，未來需求的可見性已經“延續了幾個季度”。
根據英偉達的預測，其數據中心客戶的銷售額可能在三個月內翻一番，增長來自廣泛領域的客戶，包括消費者互聯網公司、云計算提供商和企業客戶等，他們都急于將生成人工智能應用到業務中。投行Edward Jones分析師Logan Purk認為：“生成式人工智能淘金熱的發生應該會在今年余下時間刺激對英偉達芯片的需求。”
瑞銀首席投資官Solita Marcelli預計，人工智能硬件和人工智能相關服務市場規模將以高達20%的復合年增長率增長，到2025年將達到900億美元。Solita Ma表示:“考慮到機器學習和深度學習能力的進步，我們的預計仍然較為保守，大語言模型和其他生成式AI技術的增長可能比預期的更快。”
知名市場研究機構Mordor Intelligence預測，到2028年，企業人工智能市場的總規模將以每年52%的速度快速增長。市場調研機構Technavio在4月公布的一份最新研報顯示，AI芯片的市場規模預計在2022-2027年期間以高達驚人的61.51%的復合年增長率爆炸式增長。
二、科技巨頭紛紛入局自研AI芯片 英偉達并非穩坐“王位”
得益于強大的產品組合和GPU性能優勢，英偉達在數據中心市場的競爭力不斷增強，2022年在GPU市場所占份額為82%。英偉達表示，該公司正在與亞馬遜(AMZN.US)、微軟(MSFT.US)和谷歌(GOOG.US)等合作開發生成人工智能，并與云計算公司合作，幫助小型企業使用生成人工智能。在獲得了更多的合作伙伴關系以及繼續拓展其產品組合之際，英偉達有望繼續通過其產品組合的廣度和性能優勢獲取市場份額。
當前，手握A100、H100系列芯片的英偉達無疑仍是“AI算力王者”。然而，不管是為了降低成本，還是減少對英偉達的依賴、提高議價能力，科技巨頭們也都紛紛下場自研AI芯片。
云計算巨頭亞馬遜已擁有兩款AI專用芯片，即訓練芯片Trainium和推理芯片Inferentia。Meta(META.US)在本月早些時候透露，該公司正在構建首款專門用于運行AI模型的定制芯片——MTIA(Meta Training and Inference Accelerator)芯片，預計于2025年問世。
此外，據報道，微軟正在提供財務支持以加強AMD(AMD.US)研發AI芯片的努力，并與之合作開發代號為“Athena”的自研AI芯片。報道稱，微軟自2019年以來就一直在開發一款定制的專用芯片，用于為大型語言模型提供動力，目前已在測試階段。微軟希望這款芯片的性能比其斥資數億美元從其他供應商側購置的芯片性能更優，這樣就可以為價格高昂的人工智能工作節省成本。
值得一說的是近年來在AI芯片上一直與英偉達暗暗較勁的谷歌。最早大規模采購英偉達的GPU進行AI計算的谷歌在2016年推出了TPU(Tensor Processing Unit)，以解決英偉達的GPU在深度神經網絡應用中存在的內存問題。谷歌的TPU從設計、驗證、量產到最后部署進自家數據中心只花了15個月的時間。經過測試，TPU在CNN、LSTM、MLP等AI場景下的性能和功耗大大勝過了英偉達同期的GPU。
2016年以后，谷歌的TPU更新了3代，2021年推出的TPUv4比英偉達的A100計算速度快1.2～1.7倍，同時功耗降低1.3～1.9倍。值得一提的是，并不對外出售TPU，而是將TPU部署在自家的云服務系統中并對外提供AI算力服務，這無疑壓縮了英偉達的潛在市場。本輪AI熱潮中同樣火爆的AI繪圖公司Midjourney和聊天機器人Claude所屬的人工智能初創公司Authropic都沒有購買英偉達的GPU搭建超算，而是使用谷歌的算力服務。
面對谷歌的“背刺”，英偉達也沒有坐以待斃。在谷歌推出TPU的5個月后，英偉達推出了Pascal架構，大幅提升了連接帶寬和神經網絡的計算效率。2017年，英偉達又推出了首個專為深度學習設計的架構Volta。2022年，英偉達又推出了基于Hopper架構的“地表最強GPU”H100。
盡管被稱為“終極縫合怪”的H100目前暫時還沒有遇到比它更強的量產芯片，但谷歌和英偉達之間的你來我往讓業界確信，GPU并不是AI的最優解，定制化專用芯片(ASIC)有破解英偉達壟斷地位的可能性，畢竟誰都想在這個市場分一杯羹，全球云計算市場前五大廠商——亞馬遜、微軟Azure、谷歌云、阿里云和IBM(IBM.US)——也都在研發自己的AI芯片。
除了大客戶可能“另起爐灶”之外，一些中小公司也在試圖分走英偉達的蛋糕，例如英國的AI芯片初創公司Graphcore，該公司的估值一度達到28億美元。
AI的發展日新月異。有市場人士表示，如果想讓AI對人類生活的滲透像個人電腦、智能手機普及時那樣大幅提升，那么算力成本可能需要下降99%，而GPU或許不是解決這個問題的唯一答案。正如研究公司Forrester的主管Glenn O'Donnell所說的那樣：“如果你能制造出針對人工智能進行優化的芯片，那么你就會取得巨大的勝利。”英偉達的“王者地位”無疑將受到來自四面八方的挑戰。
