英伟达：亲手缔造的算力市场反噬自身

2016年，当OpenAI首次在GPU上训练大规模神经网络时，英伟达或许还没有意识到，自己正在打开一个潘多拉魔盒。十年后的今天，这家芯片巨头已成为全球最值钱的公司之一，其市值一度突破4万亿美元。但正如本文作者Russell Brandom所指出的，英伟达如今成了自己创造的算力市场的“受害者”——这个市场的价值已经被彻底证实，以至于所有人都想挤进来，而英伟达发现自己不得不与整个行业为敌。

从奠基者到众矢之的

英伟达的崛起几乎与AI革命同步。2012年，AlexNet在ImageNet竞赛中使用英伟达GPU一战成名；2016年，AlphaGo击败李世石，背后仍是英伟达的算力；2022年，ChatGPT引爆全球，训练它的万卡集群里塞满了英伟达H100。可以说，没有英伟达，就没有今天的生成式AI。

然而，这种成功也带来了一种反噬。当整个科技界都意识到算力是AI时代的石油时，英伟达就成了那个唯一的炼油厂。但问题在于，炼油厂只有一个，而所有人都想拥有自己的炼油厂。从微软、亚马逊、谷歌到Meta，这些英伟达曾经最大的客户，如今都在斥资数十亿美元自研AI芯片。据公开报道，谷歌的TPU已经迭代到第六代，亚马逊的Trainium和Inferentia正在内部大规模部署，而微软也在2024年发布了自研AI加速器Maia 100。

“英伟达证明了算力可以有多么值钱，但它现在发现自己处于一个所有人都想进入的市场中心——而那些更简单的技术和更无趣的公司，却在边缘地带赚得盆满钵满。”——Russell Brandom

“简单的技术”如何渔翁得利

引用中的“更简单的技术和更无趣的公司”并非贬义，而是指那些专注于特定细分市场、不试图挑战英伟达全面优势的企业。例如，AMD凭借MI300系列在AI推理市场找到了立足点；英特尔通过Gaudi加速器吸引了对成本敏感的客户；而一家名为Groq的公司则凭借超低延迟的LPU（语言处理单元）在实时推理场景中崭露头角。这些公司的技术路线相对简单，目标市场也更狭窄，但恰恰因为不追求与英伟达在训练领域正面竞争，它们反而能快速变现。

更典型的例子是云服务商的自研芯片。亚马逊的Trainium芯片专为内部工作负载优化，无需像英伟达那样兼容各种框架和库，开发成本低、迭代快。据分析师估计，自研芯片能为云巨头节省30%-40%的硬件成本，且不再受制于英伟达的供货周期和定价策略。英伟达的CUDA生态曾是其最坚固的护城河，但如今，越来越多的开发者通过PyTorch的抽象层、OpenAI的Triton等工具，可以轻易迁移至其他硬件平台。

编者按：护城河在变浅，但英伟达仍有牌可打

英伟达的“受害者”描述其实带有戏剧化的成分。作为一家市值超4万亿美元的公司，它远未到“受害”的境地。但这一视角确实点出了英伟达面临的深层困境：当所有客户都变成竞争对手时，垄断地位注定无法持久。英伟达的应对策略是不断加高算力壁垒——从H100到B200，再到预计2026年发布的Rubin架构，每一代产品都试图在性能上甩开对手两代以上。同时，它也在通过NVLink、InfiniBand等互连技术强化集群优势，让客户难以用其他芯片构建同等效率的系统。

然而，市场对英伟达的预期可能过于乐观。2024年，英伟达的数据中心业务收入同比增长超过200%，但增速正在放缓。云厂商自研芯片的部署比例预计到2027年将超过30%，而AMD和英特尔也正在蚕食推理市场。英伟达不再是唯一的选择，这或许才是它最需要警惕的“受害”信号。

回到2016年，如果英伟达知道今天的结局，它还会全力推动GPU计算吗？答案是肯定的。因为只有证明算力的价值，英伟达才能成为今天的英伟达。而接下来的挑战，是如何在所有人都想分一杯羹的市场里，继续保持领先。这场算力战争的下半场，才刚刚开始。

本文编译自TechCrunch