“卷王”英伟达的真面目

作者：脑极体

2022 年 4 月 03 日
本文字数：5122 字
阅读完需：约 17 分钟

GTC 2022 过后，广大人民群众纷纷奔走相告，黄仁勋又带着他的新“核弹”来“炸街”了。

具体发布的新产品和技术，很多文章都已经详尽地介绍过了，一言以蔽之：牛！其中最炸裂的是 H100 GPU，采用了台积电 4 纳米制程工艺，集成 1800 亿个晶体管，浮点计算能力相比前一代 A100 快了三倍，被看作英伟达的新一代“核弹”。

一时间锣鼓喧天、鞭炮齐鸣，工业界盼到了“算力怪兽”，消费者们也迎来了显卡降价的日子。

但冷静下来想一想，英伟达是“为 AI 继算力，为众人送温暖”的大善人吗？无论粉丝还是看客，都必须承认，英伟达是一个商业奇才。作为最传奇的数字经济股，它的营收远低于英特尔或 Meta，但市值却遥遥领先，这显然不是“技术信仰”所能够解释的。

用黄仁勋本人的说法，英伟达历史上几次具有里程碑意义的关键技术推出，背后其实都是对自家 GPU 技术的发展成果进行了“泛化”(generalize)，发现它居然可以做更多不同的事情。

究竟是新需求催生了新产品，还是新产品激活了新需求，这是一个“鸡生蛋蛋生鸡”的问题。但我们可以从英伟达的行动与结果的相关性中，总结出一个屡试不爽的模板：

在主流需求未曾触顶的时候，扩充丰富产品线，哪怕“穿马甲”也要全面布局，将利基市场挖掘到最大价值；而一旦主流需求出现颓势和退潮，超过当前市场需求的核弹级产品就会被抛出（当然功耗也爆炸了），再次点燃大众和华尔街对 GPU 的想象空间，进一步英伟达的估值推向新高。

比起“卷王之王”，英伟达更像是稳坐钓鱼台的姜太公，把全球消费者和产业界拿捏得明明白白。

四次供需“反弹”，英伟达的算力霸主之路

英伟达的算力霸主地位，究竟是怎么实现的呢？细数历史上的几次里程碑事件，会发现有四次关键“反弹”。

第一次反弹：个人电脑的增长风暴。

从 1993 年成立到 1999 年这段时间里，英伟达在群雄林立的显卡市场中并没有占据太大的领先优势。

当时研发显示芯片的厂商多如牛毛，除了 IBM、索尼、东芝等半导体巨头，垂直赛道如 Matrox、3dfx、Trident、S3 Graphics 都曾引领风骚。英伟达先后发布的 NV1、NV2 都没有什么竞争力，差点破产。1999 发布的 TNT2（也就是“NV5”）虽然夺得了性能桂冠，但速度只比 NV4 提高了 10%至 17%，跟主要竞争对手 3dfx Vodoo3 也没有拉开差距。

于是，第一个“核弹”来了，英伟达推出了 NV10，也就是 GeForce 256——第一款专业图形处理核心，直接轰开了个人电脑游戏加速的市场。

在此之前，GPU 显示芯片都属于固定功能的芯片，而 GeForce 256 的出现，成为了第一款“集成了转换、照明、三角形设置/剪裁和渲染引擎的单芯片处理器”，能够每秒处理至少 1000 万个多边形，让 GPU 可以从 CPU 手里接管大量几何运算的工作，解决通用计算无法解决的问题，极大地推动了 PC 游戏、创意设计等对 GPU 的需求。

为了充分发挥 GeForce 256 的计算潜力，英伟达还基于该芯片推出了 Quadro 框架，服务于专业绘图工作站，用来帮助创意和技术人员更高效地工作。随后又推出了可编程 shader，让开发者可以在 GPU 上发挥更多创意，比如 3D 渲染、游戏开发、特效制作等……

用黄仁勋的话来说就是：鼓励或者调动全球人民的激情，让他们了解什么叫三维的图形处理器，给他们提供很多工具进行创新。

GeForce256 发布的第二年，英伟达就接到了微软的订单，为 Xbox 视频游戏机开发显卡。此后靠的则是“半年更新、一年换代”的市场操作。GeForce 系列产品线不断丰富、全面布局，覆盖了高中低端各类市场，还学会了穿“马甲”，在原有芯片基础上稍作提升和改进，就作为新系列快速推向市场。将竞争对手卷得苦不堪言，英伟达也因此占据了 GPU 市场 70%以上的份额。

到了 2007 年，英伟达市值已经上涨了 500%以上，被《福布斯》杂志评为年度公司。

第二次反弹：并行计算的强劲推力。

早在 2006 年，英伟达就推出了革命性的通用计算架构 CUDA，以及通用计算硬件 Tesla GPU。但在当时，深度学习并没有现在这般受欢迎，只有一些大型企业、研究机构需要 GPU 来进行药物发明、天气建模、金融分析等高性能计算任务。

英伟达是从何时起开始加大力度激活对 GPU 并行计算能力的需求呢？答案是 2009 年。

这一年，英伟达举办了首届“GPU 技术会议”，面向“使用 GPU 解决重要计算工作的开发者、工程师和科研人员”布道。

2006-2009 年间，市场发生了什么变化？受摩尔定律的统治，个人消费者对电脑显卡的性能需求开始倦怠了。

期间，英伟达其实也有不错的产品发布，比如重量级的 Tegra 移动处理器，集成了 ARM 架构处理器和 Geforce GPU，功耗比普通 PC 笔记本电脑低 30 倍。产品虽好，却很难激发起消费者的澎湃热情，毕竟市场上还有那么多显卡在卖，只要愿意等，就能以更香的价格入手。

同时，因为一些被 OEM 整合到苹果、戴尔、惠普的笔记本当中的 GPU 缺陷，导致“异常故障率”而成为集体诉讼的对象。仅 2008 年第一季度，英伟达的收入减少了约 2 亿美元。股价也从 37 美元一路跌到 6 美元左右。

于是英伟达开始加大高性能计算领域的布局，在首届 GPU 技术会议上，推出了代号为 “Fermi” 费米的下一代 CUDA GPU 架构，并大力宣传 GPU 在大规模并行计算任务的优势。

费米架构作为“核弹”是称职的，一方面，它的性能很高，基于该架构的 Geforce 4 系列产品在性能上成功压制了竞争对手，但这一架构的功耗和发热量也十分恐怖。

无论如何，自此之后，英伟达在计算领域广受欢迎，2010 年全球最快的超级计算机天河-1A，就采用了 7168 颗英伟达的 Tesla M2050 GPU，将大规模并行 GPU 与多核 CPU 结合，成为当时异构计算的代表。

2012 年深度学习三巨头之一 Geoffrey Hinton 及其学生 Alex，使用 GPU 来加速训练深度神经网络，在 ImageNet 竞赛中一鸣惊人，掀开了人工智能第三次浪潮的大幕，进一步带动了英伟达 GPU 的销量。

（Geoffrey Hinton 和 Alex Krizhevsky、 IIya Sutskever）

AI 需求的增长，还帮助英伟达开拓了汽车市场，紧接着 2013 年发布的 Geforce GTX Titan 泰坦，代表了开普勒架构的顶级水准，成为自动驾驶汽车和高级驾驶辅助系统的算力基础，支撑关键的计算机视觉功能。

人工智能从学术界到工业界的强劲需求，推动了 GPU 价格和英伟达股价水涨船高，完成了一次惊艳世界的“反弹”。

（NVIDIA DRIVE）

第三次反弹：矿难之后，图灵破局。

英伟达在深度学习领域的身位持续领先，但别忘了，规模庞大的零售市场可是现金牛啊。

2018 年 8 月 14 日的 SIGGRAPH 2018 上，英伟达全新一代“图灵”架构 GPU 问世，支持实时光线追踪，专用于 AI 加速计算的张量核心首次加入了民用 3D 计算产品，为游戏世界带来了逼真的照明和反射效果。

在此之前，普通消费者早就“苦挖矿久矣”。

数字货币的爆火，让挖矿成了一门好生意，GPU 被“矿厂”大量收购，一时间供不应求，加上黄牛囤积居奇，导致显卡的市场价格比零售价格高出了好几倍，普通消费者只能望洋兴叹。直到时间进入 2018 年，数字货币的潮水逐渐褪去，矿卡销量急剧下滑，显卡库存增加，一卡难求的局面有所缓解。

显卡厂商不仅面临降价杀估值的压力，随着大量矿卡流通到零售渠道中，还亟须打消消费者持币观望的情绪。这个时候，黄仁勋带着“英伟达十多年来在计算机图形领域最重要的创新”，再一次刺激了市场。

全新的技术和架构，将 GPU 的性能和英伟达的市值，又推到了一个全新的高度。

第四次反弹：币圈走熊，但产业智能方兴未艾。

今年最大的变化，是缺芯情况有所缓解，同时币圈再次走熊，比特币和以太坊价格都创下新低，GPU 价格再一次回落。根据国外媒体报道，英伟达已经通知合作伙伴 GPU 的生产成本将下调 8% - 12%。如果显卡价格进一步下降，市场对英伟达的信心也会过度反映到股价上。

不过，你永远可以相信英伟达“核弹工厂”的能力。诚如大家在 GTC 2022 大会所看到的，全新一代产品和技术全部瞄准了最具想象空间的产业 AI 应用场景。

最新一代“核弹”H100 GPU，和 Hopper 架构，专为 Transformer 大参数模型打造，可以说是完美迎合了预训练大模型的需求。

NVIDIA Quantum-2，主芯片包含 570 亿个晶体管，为云服务商和超算中心提供 AI 算力，正对应着如火如荼的 AI 基础设施建设。

AI 超级计算机 NVIDIA Jetson AGXOrin，简直是自主机器人研发人员“捕获器”。

更不要提开放式平台 NVIDIA Omniverse，试问哪个想做元宇宙的公司能不心动呢？Meta 就用英伟达 DGX A100 系统构建了自己的首台 AI 超级计算机。

（Meta 的 AI 超级计算机）

凭借这几个“大饼”，黄仁勋也在 GTC 大会上自信地指出，英伟达未来有能力实现万亿美元的销售收入，可以说是完美化解（或者说让大众忽略）了 GPU 市场波动。

英伟达的“核弹”背后，都是跟随着 GPU 市场变动，不断创造需求、刺激供给的过程。商业价值不断飙升的同时，确实给 GPU 技术带来了巨大提升。

这能说明，黄仁勋是“商业奇才”吗？恐怕不行。

姜太公钓鱼，把反弹效应玩明白了

凭借 GPU 在图形计算上的贡献，黄仁勋也被江湖人称“AI 教父”，甚至一度想要干掉摩尔定律，推动自己的“黄氏定律”主宰计算市场。

但其实从四次供需“反弹”中可以看到，英伟达不过是把摩尔定律的“反弹效应”拿捏得明明白白了。

所谓“反弹效应”（Rebound effect），也被叫做“收回效应”（take-back effect），最早是由威廉·斯坦利·杰文斯在《煤炭问题》一书中提出的，指的是提高效率的新技术，最终预期收益减少的情况。

放在 IT 领域，就是“What Andy gives，Bill takes away”安迪（英特尔 CEO 安迪·格罗夫）带来的 CPU 硬件性能提升，最终会由比尔（微软 CEO 比尔盖茨）通过软件/服务不断扩大而收回。

结果就是，虽然摩尔定律会推动计算硬件不断提效降价，但因为“反弹效应”，不断产生新的需求/应用/场景，吃掉硬件性能提升带来的好处。

只有这样，用户才会愿意掏钱更新机器，以便能享用到更新更消耗资源的服务。

回望个人电脑、智能手机的发展历程，无不是在摩尔定律及其反弹效应下发展起来的。而英伟达所在的 GPU 市场，显然没有脱离这一范畴。

一方面，英伟达的产品性能提升速度，虽然超过了摩尔定律所规定的“18 个月翻一倍”，实现了 AI 计算性能的逐年翻倍，也就是“黄氏定律 (Huang’s Law)”。但从最新一代 H100 GPU 的性能提升上，显然还依赖于延续了半个多世纪的半导体制程工艺限制，采用了台积电的 4nm（而非此前业界猜测的 5nm）工艺，再结合全新的架构设计，才能达到“核弹”级别。

另外，性能提升必须通过新的服务/应用“take back ”，不然用户只需要等相同性能的 GPU 降价就可以了，没有必要花大价钱去买新的。这也是为什么 AI 大模型训练、自动驾驶、元宇宙、机器人……作为 GTC 大会的“全家桶”才会同时登场，通过各行各业的智能化来消耗掉新技术带来的 AI 算力资源。

黄仁勋也曾在采访中提到过，英伟达“甚至用了市场营销的预算，帮开发者营销他们用我们架构开发的产品，来创造市场需求”。

（云服务市场的增长规模）

所以说，英伟达的每一次“核弹”炸街，其实都是在硬件性能回收出现不顺利的时候，再一次开辟出更大的需求空间，以缓解技术收益减少的局面。

“What NVIDIA gives，AI takes away”，英伟达靠这一手，把全球玩家和华尔街投资人拿捏得明明白白，市值也就次次化险为夷“稳坐钓鱼台”了。

愿者上钩：自己卷自己有什么问题吗？

某种角度来说，英伟达对“反弹效应”和大众需求的拿捏，是“姜太公钓鱼，愿者上钩”。只要研究人员觉得模型训练时间从十几天缩短到几个小时很值；只要游戏玩家觉得更逼真的渲染效果真香；只要 Meta 觉得 GPU 对元宇宙来说不可或缺……这不就够了吗？

确实，乍一看，好像通过刺激需求来避免技术收益降低，是在和大家作对，但实际上，科技企业对反弹效应的努力规避，也会带来很多衍生好处。

一方面，新技术的反弹效应是不可避免的。

这会直接降低技术产品的成本，除非你是追逐最新显卡的发烧友游戏玩家，否则只要愿意等待，总能以更低的价格买到更高性能的 GPU，谁跟真金白银有仇呢？

此外，为了避免新技术收益降低，科技企业不得不投入大量精力开发下一代产品，卷过了竞争对手还不行，还得自己卷自己。如今英伟达已经占据 GPU 的绝对优势地位，但依然在不断推陈出新，不然就要被骂“挤牙膏”。对于有替换需求的群体来说，总有更好的产品可以选择。

同时，更高的性能和资源，也会孕育出很多前所未有的应用和服务，计算机刚诞生时格外昂贵，只能为美国顶尖大学研究机构所用，而且还只会下棋，现在一部千元手机就可以让偏远山区的农民上网直播卖水果。同样，我们往后看五到十年，如果自动驾驶汽车的比例从现在的不到 1%变成 50%，人们停留在元宇宙的时间和现在玩手机一样频繁，那么这会催生多少新兴的服务和商业公司呢？