英伟达的芯片已经超越了他们的视频游戏利基市场，为企业人工智能模型、工业元宇宙和自动驾驶汽车提供动力。现在，该公司寻求抓住基于云计算的生成式人工智能机会。

来源：NVIDIA

英伟达从视频游戏加速器转变为人工智能（AI）和工业元宇宙的推动者并不是在一夜之间发生的——但其股票市值跃升到超过一万亿美元。

当英伟达在截至2023年4月30日的三个月内报告强劲业绩，并预测其销售额在下一个财政季度可能会增长50%时，其股市估值飙升，与知名科技巨头Alphabet、亚马逊、苹果和微软一起进入独家万亿美元俱乐部。这家曾经是利基芯片制造商，现在是华尔街的宠儿，正在成为一个家喻户晓的名字。

然而，投资者的活力在当周晚些时候减弱了，芯片设计师在短时间内退出了万亿美元的俱乐部，就像之前的前成员Meta和特斯拉一样。但它很快就回来了，6月中旬，投资银行摩根士丹利预测，英伟达的价值可能会在年底前继续再上涨15%。

到8月下旬，英伟达已经证明了其早些时候的乐观情绪，报告称，在截至7月30日的三个月里，收入同比增长了88%，原因是数据中心产品销售额超过100亿美元，需求强劲，来自AWS、谷歌、Meta、微软和甲骨文的需求强劲。其股价也继续攀升，与摩根士丹利500美元的预测相比有所上涨。与大多数价值万亿美元的科技公司不同，英伟达的消费者品牌知名度较低，让其华尔街跃升到主角显得神秘。英伟达如何到达如今地位以及下一步将何去何从？这揭示了该公司如何实现这一估值——这个故事在很大程度上要归功于专业芯片在业务中的重要性不断提高，以及加速了人们对生成式人工智能承诺的兴趣。

一、图形驱动程序

英伟达成立于1993年，是一家无晶圆厂的半导体公司，为PC设计图形加速器芯片。其创始人发现，在视频游戏中生成3D图形——当时是一个快速增长的市场——对PC中央处理器（CPU）提出了高度重复、数学密集型的计算需求。他们意识到这些计算可以通过专用芯片更快地并行执行，而不是由CPU串联执行，这一洞察导致了第一张Nvidia GeForce显卡的创建。

多年来，图形加速业务推动了英伟达的业务；即使30年过去了，其游戏显卡的销售，包括GeForce系列，仍然使其成为世界上最大的独立显卡供应商。（不过，英特尔制造了更多的图形处理芯片，因为其大多数CPU都带有该公司自己的集成图。）

多年来，Nvidia图形处理单元（GPU）并行处理能力的其他用途出现了，解决了与3D图形建模类似的矩阵算术结构问题。

尽管如此，寻求将图形芯片用于非图形应用程序的软件开发人员不得不将他们的计算整理成一种程序，该程序可以发送到GPU，作为微软的DirectX图形API或开源OpenGL（开放图形库）的一系列指令。

然后在2006年，Nvidia推出了一种新的GPU架构CUDA，可以直接用C语言编程，以加速数学处理，简化其在并行计算中的应用。CUDA的首批应用之一是石油和天然气勘探，处理来自地质调查的大量数据。【注：CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。】

使用GPU作为通用图形处理器（GPGPU）的市场在2009年真正开放，当时OpenGL出版商Khronos Group发布了开放计算语言（OpenCL）。【注：通用图形处理器（General-purpose computing on graphics processing units，简称GPGPU），是一种利用处理图形任务的图形处理器来计算原本由中央处理器处理的通用计算任务。这些通用计算常常与图形处理没有任何关系。】

很快，像AWS这样的超大规模云计算提供厂商将GPU添加到他们的一些计算实例中，使可扩展的GPGPU容量按需提供，从而降低了各地企业进入计算密集型工作负载的门槛。

二、人工智能、加密货币挖掘和元宇宙

近年来，英伟达芯片需求的最大驱动因素之一是人工智能，或者更具体地说，需要进行数万亿次重复计算来训练机器学习（ML）模型。其中一些模型确实非常庞大：比如OpenAI的GPT-4拥有超过1万亿个参数。英伟达是OpenAI的早期支持者，甚至基于其H100处理器构建了一个特殊的计算模块，以加快该公司正在开发的大型语言模型（LLM）的培训。

该公司芯片的另一个意外需求来源是加密货币挖掘，与在CPU上相比，可以在GPU上以更快、更节能的方式进行计算。对用于加密货币挖掘的GPU的需求让显卡多年来供不应求，这使得像Nvidia这样的GPU制造商与加州淘金热期间的镐头零售商相似。

虽然英伟达的首款芯片被用于增强3D游戏，但制造业也对3D模拟感兴趣，其市场需求更深入。除了OpenGL和OpenCL的基本渲染和加速代码库外，Nvidia还开发了一个名为Omniverse的软件平台——一个用于实时创建和查看产品数字孪生甚至整个生产线的工业元宇宙。由此产生的图像可用于营销或合作新的设计和制造工艺。

三、努力留在1万亿美元的俱乐部

英伟达正在许多方面向前推进。在硬件方面，它继续为PC和一些游戏机销售GPU；为服务器制造商、超大规模和超级计算机制造商提供计算加速器；并为自动驾驶汽车制造芯片。它还从事服务业务，为制药公司、制造业和其他行业运营私有化的云基础设施。它是一家软件供应商，开发通用代码库，任何人都可以使用该库来加速Nvidia硬件的计算，以及更具体的工具，如其cuLitho软件包，以优化半导体制造中的光刻阶段。

但对ChatGPT（在Nvidia硬件上开发）等最新人工智能工具的兴趣正在推动对Nvidia硬件的新一波需求，并促使该公司开发新软件，以帮助企业开发和培训生成式人工智能所基于的LLM（大型语言模型）。

在过去的几个月里，该公司还与Adobe、Snowflake、ServiceNow、Hugging Face和VMware等软件供应商合作，以确保其企业软件的人工智能元素针对其芯片进行优化。

首席执行官Jensen Huang在8月23日讨论最新收益的电话会议上表示：“由于我们的规模和速度，我们能够在所有这些不同的应用模式和计算环境中维持这个非常复杂的软件和硬件、网络和计算堆栈。”

英伟达还正在推销其基于云计算的生成式人工智能服务AI基金会，作为企业提供的一站式服务商店，这些企业可能缺乏资源来构建、调整和运行根据自己数据训练的自定义LLM，以执行特定于其行业的任务。鉴于对生成式人工智能的商业兴趣不断上升，3月份宣布的此举可能是一个精明的举动，它使该公司与同样依赖英伟达芯片的超大规模企业直接竞争。

Nvidia AI Foundations模型包括NeMo，一个云原生企业框架；Picasso，一个能够生成图像、视频和3D应用程序的人工智能；以及BioNemo，它涉及分子结构，使生成式人工智能对加速药物开发特别有趣，在那里可能需要长达15年的时间才能将新药物推向市场。英伟达表示，其硬件、软件和服务可以将早期药物发现从几个月缩短到几周。安进【注：安进公司（Amgen）创立于1980年，2022年总收入263亿美元。主要从事人类创新药物的探索、研发、生产和销售，致力于释放生物学潜力，以造福患有严重疾病的患者。】和阿斯利康是试水厂的制药公司之一，仅美国制药公司每年就花费超过1000亿美元进行研发，是英伟达收入的三倍多，潜在的趋势是显而易见的。

制药发展正在加快，但广泛采用英伟达的另一个目标市场的道路还不太明确：自动驾驶汽车多年来一直“就在拐角处”，但事实证明，在开放道路上进行测试和获得使用批准比获得新药批准更复杂。

英伟达在这个市场上尝试。一个是构建和运行虚拟世界，在其中测试自动驾驶算法，而不会将任何人置于危险之中。另一个是汽车本身。如果算法走出虚拟世界并上路，汽车将需要英伟达和其他公司的芯片来处理实时图像，并进行所需的无数计算，以使其保持正确方向。这是英伟达在其季度业绩中突破的最小细分市场：在截至2023年7月30日的三个月内，仅为2.53亿美元，占总销售额的2%。但这是一个每年翻一番多的细分市场。

当它报告截至4月30日的三个月的业绩时，英伟达做出了一个雄心勃勃的预测：截至7月30日的下一个财政季度的收入将高出50%以上——它继续以很大的优势突破了这一目标，报告收入为135亿美元。游戏硬件销售的增长也同比增长了22%，季度增长了11%，这对大多数消费电子公司来说令人印象深刻，但远远落后于英伟达最大市场——数据中心最近的增长。其来自游戏的总收入比例已从截至4月30日的三个月的三分之一以上缩减至截至7月30日的略低于五分之一。尽管如此，首席财务官Colette Kress在通话中表示，英伟达仍然看到了未来的机会，因为只有不到一半的用户已经升级到使用2018年推出的Geforce RTX技术与显卡。

Huang和Kress都谈到了英伟达可以清楚地看到明年对其消费者和数据中心产品的未来需求。

Huang说：“世界正在从通用计算过渡到加速计算。”据黄说，每年在数据中心的资本支出约为2500亿美元，随着这一转变的进行，英伟达的潜在市场是巨大的。

“需求是巨大的，”他说，并补充说，该公司正在大幅扩大产能，以增加今年剩余时间和明年的供应量。

尽管如此，Kress在截至10月30日的三个月的预测中更加保留，她说预计收入在157亿至163亿美元之间，即季度增长率在16%至21%之间。

所有的目光都将放在该公司11月21日的下一个收益公告上。