5 萬億的英偉達，給全世界上了一課

作者：劉潤

來源：劉潤（ID：runliu-pub）

昨天（美國時間10月29日），很多人都在說見證歷史。英偉達市值突破5萬億美元，全世界僅此一家。

5萬億美元，什么概念？

如果對比市值，相當于7個騰訊，13個阿里，26個拼多多。

如果折現，能買下全球前十的芯片公司后，還能剩下不少。

如果刮彩票，天天刮，天天中，一天一億美元，大約要137年。

但英偉達的市值增長，比刮彩票還要快。2023年5月，破萬億。9個月后，破2萬億。3個月后，破3萬億。從3萬億到4萬億，用了410天。而從4萬億到5萬億，只用了113天。同時，英偉達CEO黃仁勛也身價暴漲，成為全世界第八有錢的人。

你看，前后不到3年，英偉達就創造了新的歷史。真的，真的讓人震撼不已。

震撼之余，一個巨大的困惑隨之而來：

既然AI芯片這行業這么賺錢，為什么我們好像只看到英偉達在賺錢？那些本該瓜分這塊大蛋糕的對手呢，又在哪兒？

帶著這些疑惑，我做了些研究。越來越有種強烈的感覺。

英偉達能有今天的成就，不是偶然。而是一家企業，用近20年時間，從零構建起堅實的護城河，成為全球第一的史詩故事。

看懂英偉達的故事，或許也能給很多企業家和創業者，一些啟發和思考。

就讓我們先從那個最基礎的問題開始。

01

英偉達到底有沒有對手？

有。非常多。而且，個個都是頂尖高手。

放眼望去，我們至少可以數出三位重量級的“競爭對手”。

比如，AMD。它和英偉達在半導體領域，是幾十年的老對手。論技術、論經驗，都絕對是最有資格和英偉達掰腕子的玩家。

比如，英特爾。它是曾經的“芯片霸主”。制造能力強，客戶基數大。

比如，谷歌。它幾乎有無限的資源，和世界頂尖的AI團隊。而且，還在研發自己的專用AI芯片。

你看，這三家巨頭，哪個的名頭不是響徹全球？

但是，這也讓問題變得更尖銳了：牌桌上明明都是高手，但籌碼，卻似乎都在一個玩家手里。

到底是為什么？

02

為什么好像英偉達“一家獨大”？

先說答案，因為英偉達用一套系統，以極高的“遷移成本”，牢牢鎖住了它的客戶。

你可能會說，那是因為英偉達的芯片，最快最好。

嗯，通常來看，“英偉達的GPU芯片最快最好”，很符合大眾的直覺。但實際上，這個回答不夠嚴謹。

什么意思呢？我想請你跟我一起開個腦洞，想象這樣一個場景。

AMD的CEO，蘇姿豐。走進了OpenAI的辦公室，給CEO薩姆·奧特曼，提出了一個非常誘人的提議。AMD有一款全新的GPU芯片，比英偉達的B200，性能高出30%，價格還便宜一半。

如果你現在是薩姆·奧特曼，這份“訂單”，你簽還是不簽？

要我猜，大概率，薩姆·奧特曼不一定會簽。至少他會非常、非常地猶豫。

為什么呢？一個更便宜、更高效的選擇擺在眼前，都不能讓他心動呢？

因為價格只是整個環節里一小部分。在商業技術投資里，要從TCO框架（總體擁有成本）考慮。不光包括最直接的標價，還有各種間接和隱藏成本。

如果光比較價格，AMD優勢很大。

比如英偉達的高端芯片A100、H100，單個成本25000美元到40000美元，而AMD高端芯片價格在25000美元左右。

但更重要的，是隱藏成本。它們才是影響OpenAI決策的關鍵因素。

假如，OpenAI真的從英偉達換到了AMD，會發生什么？

直接說結論，最主要的人力成本、代碼遷移成本、運營成本，和機會成本，都會大幅增加。而任何一項變化，都可能直接決定生死。

你想想，換了平臺，那上千名頂尖工程師怎么辦？他們過去十多年的經驗，難道要一夜清零，從頭再學嗎？這得是多大一筆培訓賬？還有那數百萬行代碼，怎么辦？那可不是簡單的“復制粘貼”啊。

可能，你會問，這換個平臺能有多難呢？我不太懂專業技術，請允許我試著打個比方來解釋一下。這就像你要把南方的荔枝種到北方。不是說你挖走就行，還要做大量的研究、測試，花上大量的時間。AI就是這樣，而最后能不能成，還說不準。

另外，換平臺期間，意味著要同時運營維護兩套完全不同的平臺。這里面的成本，很可能翻倍上漲。

最要命的，也是最大的風險，是機會成本太高。

AI這個賽道，分秒必爭。如果為了換個平臺，而導致研發落后，或是模型發布晚了幾個月。那么，很可能就從行業領導者變成追隨者。這里面，還沒算上遷移出問題的情況。完全不敢想象。

所以，在把各種直接成本、間接成本相加后，就達成了“鎖定供應商”的結果。

說白了，就是我從軟件到硬件，全部跟你牢牢綁定。長遠看，反而是AI公司的最優解，因為它在未來的合同時間內，不用為硬件擔憂。

現在，再回頭看AMD那份“性能高30%，便宜一半”的訂單，還覺得香嗎？

答案是否定的。硬件上省下的幾百萬美元，比起可能高達數十億美元的遷移成本和潛在戰略風險，微不足道。

到這，你應該發現了，英偉達真正鎖住客戶的，并不是它的硬件。而是一個看不見摸不著的“牢籠”。

那就是被稱為“英偉達護城河”的CUDA。

03

被叫作“英偉達護城河”

的CUDA，是什么？

CUDA全名叫Compute Unified Device Architecture（統一計算設備架構）。說白了它是一套讓程序員更好用英偉達GPU的編程工具。

對于不太懂技術的人來說，這部分有點復雜。下面我盡量簡單說清楚。

要理解CUDA，得先知道什么是“編程模型”。

我打個比方。

過去的計算機，主要靠CPU（中央處理器）運算。CPU像一個米其林三星大廚。手藝高超，什么菜式都能做。但問題是，他一次只能炒一道菜。如果遇上飯點高峰期，爆單是常有的事。

這叫“串行計算”。程序編程必須按順序執行，上一個任務完成才能做下一個，適合邏輯直觀、小規模的任務。遇到復雜的任務，效率就會不足。

而GPU（圖形處理器）不同，他不像大廚，而像一個擁有成千上萬個小工的“超級廚房”。每個小工負責的東西不一樣，可能A切菜，B洗菜，C炒菜，D甜品……最后匯總到超級廚房。如果要給一萬斤土豆削皮，那個大廚可能要削到手斷，而這邊上萬個小工可以同時開工，瞬間完成。

這叫“并行計算”。能同時處理多個任務，整體縮短時間，大大提高運行效率。

但是，這里還有個問題。

這成千上萬個小工，雖然人多力量大，但是他們很“笨”。必須要有人告訴他們，A你去切菜，B你去洗菜，C你去炒菜……否則，廚房會亂成一團。說白了，必須要有一個統一的指揮，能命令那些小工高效協作干活。

而英偉達的CUDA，就是那個總指揮。有自己的一套指揮語言，精準協調每個核心，完成任務。

做個類比，就像一臺相機，硬件非常厲害。想要用好，你要懂光圈、快門、ISO等專業知識，對大多數人來說，門檻太高了。于是，廠商想出了“智能場景模式”，比如運動模式、延時模式等等。你拿到相機，再也不用懂那些專業知識，只要會按一個鍵，就能拍出好照片。

CUDA就是GPU的“智能場景模式”。開發者不用專門研究GPU的架構，也能高效完成編程任務。簡單來說，就是讓更多人能用上GPU的強大算力。

2006年，CUDA的問世，直接改變了英偉達的命運。

以前，GPU主要被看作用來渲染畫面的“游戲顯卡”。CUDA出現后，顯卡就能被用在科學運算、物理模擬等領域。

這就意味著，以后的客戶不光是游戲公司，各種搞科學研究、技術研發的，都可以服務。

黃仁勛的心里堅定著一個想法：使用CUDA的人越多，這項技術成為標準的速度就越快，就越可能找到新的應用。

于是，英偉達在過去近二十年里，專心做了一件事：圍繞CUDA建立了一個龐大、繁榮的生態系統。

跟競爭對手相比，英偉達做這件事，早了將近十年。

如果說，英偉達的GPU是AI時代的“電腦主機”。那么，CUDA就是AI時代的“Windows系統”。

想想看，幾十年來，為什么技術上可能更優秀，還免費的Linux，始終不能在個人桌面市場撼動Windows的統治地位呢？

答案，不是系統本身，而是生態。

因為Windows上那個龐大的應用生態太強大了。從微軟的office，到Adobe，再到各種行業專用的軟件，都跟整個生態密不可分。試想一下，一家需要用到很多專業軟件的企業，在買Windows許可證，和重新培訓員工的成本之間，會做怎樣的選擇呢？答案，不言而喻。

CUDA，就是這樣，它有著無比龐大的應用生態。對很多企業和個人來說，這是必選項，

有過統計，到目前，全球有超過450萬開發者在用CUDA開發。而在2020年的時候，這個數字還是180萬。CUDA工具包每月的下載量，高達數十萬次。

現在，我們再來復盤下整個邏輯：開發者使用CUDA，創造更多項目和應用，推動CUDA成為行業標準，高校教授CUDA，畢業生掌握技能，企業把CUDA列為招聘條件，更多開發者學習CUDA。

到這，你應該看明白，CUDA為什么能成為英偉達的護城河？因為布局夠早，逐漸產生強大的生態慣性。而這也是競爭對手無法撼動。

你看，企業真正的護城河，往往是靠標準、習慣和社區共同搭建。

如果我們現在再回頭看AMD給OpenAI的那份提議，你就會發現，壓根就不是成本問題。說白了就是風險太大，根本沒必要換。

現在，大家是不得不用。而在一開始，英偉達面臨的卻是“沒人想用”。

04

一場無人看好的“豪賭”，

成就今天的英偉達

2006年，CUDA問世后，無人在意，硅谷和華爾街都不看好。

到了2008年，受到金融危機的影響，英偉達股價曾暴跌80%以上，市值40億左右。就連英偉達內部，都對CUDA的未來存在分歧。是不是所有GPU都要支持CUDA？

同時，研發CUDA付出的代價也很大。

英偉達第一款支持CUDA的GPU，是G80。為了開發這款芯片，英偉達花了整整4年時間，成本高達4.75億美元，占了那4年總研發預算的三分之一。

這還只是“一個”支持CUDA的GPU。

那時候，真的是生死存亡之際。

怎么辦？

黃仁勛想了個辦法：砸錢。重點往學校和科研機構砸錢。

他通過捐錢、捐設備的方式，讓CUDA進入高校，先培養教育和科研領域的用戶。另外，還在全球設立各種CUDA研發中心、教學中心、開設教學課程等。那時候，每年砸在CUDA上的研發成本有5億美元之多。

盡管費盡人力、物力、財力，CUDA在很長一段時間內都不被看好。2013年初，很多投資分析師都認為，只有放棄CUDA，回歸PC游戲核心業務，英偉達股價才能漲。甚至，有人質疑，黃仁勛這CEO還能不能干了。

現在來看，英偉達的CUDA，就是在賭。何況，他還賭對了。

為什么CUDA能從無人看好，變成香餑餑？因為學過CUDA的畢業生畢業進了科技企業，CUDA的社區資源和代碼庫越來越豐富。到2015年，全球已經有800家大學開設CUDA課程。隨著時間推移，CUDA的使用場景，從高校普及到了醫療、商用等更多場景。

至于跟人工智能領域“牽手”，可以說，純屬“巧合”。

2012年，斯坦福大學發起的一場全球性AI圖像識別競賽上，多倫多大學的一個三人小組，交出了一個叫AlexNet的AI神經網絡，贏得冠軍。而且，準確率比第二名高出41%。

怎么做到的？這個團隊說，用的是2塊NVIDIA GTX 580 GPU，而他們也是整個比賽里，唯一一個用CUDA訓練神經網絡的隊伍。

那時候，谷歌也注意到這個團隊。他們發現，AlexNet之前只用兩塊GPU顯卡，得到的效果跟谷歌用16000個CPU訓練出來的幾乎相同。

很快，整個行業都意識到，GPU是支撐AI的最佳硬件。而英偉達，很可能將成為AI發展的關鍵。

現在我們都看到了，英偉達確實成了AI發展的最大核心。

05

英偉達的對手們，

一點辦法都沒有嗎？

一旦理解了CUDA，再看英偉達的那些競爭者，就會發現，他們的每一步都被英偉達死死限制。

我舉幾個例子。

比如AMD，它選擇開源。

它研發了一個名為ROCm的開源平臺，目標就是取代CUDA。但是沒，它就像是“AI時代的Linux”，免費，開源，有技術潛力，更便宜。但對用戶來說，遷移成本太高。

比如英特爾，它選擇細分賽道。

英特爾很聰明，直接承認英偉達在AI高端市場遙遙領先。所以，英特爾把它的Gaudi系列芯片，定位在企業級推理和中小型模型訓練這些細分市場。但這也意味著，英特爾放棄了AI芯片市場里最賺錢的部分。

比如谷歌，它選擇正面硬剛。

Investopedia有過報道，英偉達在賣GPU中的毛利率大約為80%，業內叫它“英偉達稅”。為了不交高溢價，谷歌從2015年開始自研，內部使用名為TPU的算力生態。相比之下，TPU跟谷歌內部平臺深度綁定，影響不了英偉達的地位。

所以你看，那些巨頭對手們，都不是簡單的比拼性能，而是拼戰略。都在想辦法繞過CUDA，繞過英偉達。

但至少目前看來，無人能撼動。

所有挑戰者都在繞著山走，這本身，就是對這座難以攀登的高山，表達最崇高的敬意。

06

最后的話

呼。說完了。英偉達從無人看好，走到今天的萬眾矚目。這一路，真的讓人無比震撼。

我看到網上有人表示擔心：英偉達漲這么高，太夸張了，會不會是泡沫？它會不會是第二個思科。

這里簡單提一下，2000年有個互聯網泡沫時期。當時的思科是互聯網硬件供應商，最高時，估值超過其遠期市盈率的150倍。但在泡沫破滅后，一落千丈。

實際上，他們有根本差異。

思科面對的是“一次性”的建設市場。當早期互聯網完成“鋪設管道”，思科的增長自然停止。而英偉達面對的，是一個不斷增長的市場。至少在現在看來，AI還在成長，那么這場“軍備競賽”還看不到終點。

更重要的是，英偉達的客戶，是微軟、谷歌、Meta等全世界最不差錢的巨頭。對他們來說，購買英偉達的芯片，不是選擇，而是在AI時代活下去的必需品。

這說明，英偉達有著一個需求持久、客戶穩定、護城河更深的長期市場。

當然，未來會發生什么，我們誰也無法預料。可能某一天，突然有種新的算法出現，可能讓GPU也變得不重要，從而改變整個游戲規則也說不準。

但至少在當下，我們可以從英偉達身上，學到非常重要一課。

你的護城河，是什么？

不是在糾結，“我的產品是不是比對手更好、更快、更便宜？”而是要問：“我的產品，有沒有一個讓客戶離不開的生態系統？”

其實，英偉達的五萬億美元市值，就是對這個問題最響亮的回答。

它證明了那個在商業世界，最簡單，也最重要的核心邏輯。

最深的護城河，不是用價格和性能堆出來，而是要讓你變得無可替代。

祝你，早日找到你的護城河。

參考資料：

1、《吳軍·硅谷來信》第244封信丨凡事都要專注——AlphaGo的核心芯片TPU解析

2、《蔡鈺·商業參考3》072 | 英偉達如何成為AI芯片巨頭

3、Nvidia is officially a $5 trillion company / The chipmaker’s shares rose past $211 as it continues making big moves in AI.

4、AMD Raises AI Chip Price, Confident It Can Compete With Nvidia

5、Why NVIDIA dominates despite low developer program scores,

6、2 Million Registered Developers, Countless Breakthroughs

7、Outrun By Nvidia, Intel Pitches Gaudi 3 Chips For Cost-Effective AI

8、The Untold Infrastructure Advantage That Could Propel Google Ahead of OpenAI in AI Development

9、From Cisco to Nvidia: Lessons From Past Tech Bubbles

10、Nvidia Revolution

11、ImageNet Classification with Deep Convolutional Neural Networks” (NIPS 2012)

THE END