黄仁勋押注CUDA掌控95%训练市场 英伟达研发投入占比达25%筑高壁垒

一口气了解英伟达，芯片新王凭什么是他？ — 小Lin说

小Lin说

英伟达凭借软硬件极致协同与高强度研发迭代垄断AI计算领域，但华尔街高估值下的FOMO情绪以及科技巨头的芯片自研热潮正带来潜在挑战。

AI-assisted summary of 一口气了解英伟达，芯片新王凭什么是他？ — original source. Check the original for full context.

Source published:

Detailed notes

## Background 本内容由 Bilibili UP 主“小Lin说”于 2023 年 6 月 30 日发布。视频简介指出，在 AI 混战之际，黄仁勋身穿皮衣异军突起，靠卖“铲子”成为 2023 年上半场的最大赢家，并由此展开对黄仁勋与英伟达崛起之路及硬核商业逻辑的剖析。

## TL;DR 视频回顾了英伟达从 1993 年成立、在 3D 显卡混战中凭借 Riva 与 GeForce 256 脱颖而出，到推出 CUDA 架构奠定通用计算生态的崛起历程。随后详细拆解了英伟达如何接连踩中加密货币挖矿与 AI 大模型爆发两大风口，凭借软硬件高度协同垄断全球 AI 训练算力。最后，视频分析了英伟达的高估值争议、以“黄氏定律”为核心的芯片行业竞争本质，以及面对科技巨头自研芯片围剿下的未来挑战。

## Atmosphere & style 全片延续了“小Lin说”招牌式的轻松幽默与高能科普风格，将硬核的半导体技术与商业博弈讲得生动有趣。主讲人通过“喷枪”比喻 CPU 与 GPU 差异等形象化表达，把复杂的芯片原理和财报数据梳理得通俗易懂，语气兼具专业度与趣味性。整体节奏紧凑且富有感染力，既有对黄仁勋商业远见的赞赏，也有对行业残酷竞争与高估值风险的客观审视。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV18j411S7ST?t=0s) 2023年5月英伟达发布爆表财报，市值突破1万亿美元，垄断全球AI训练市场95%以上份额，A100显卡成为衡量算力的行业标准。 - [00:00](https://www.bilibili.com/video/BV18j411S7ST?t=0s) 黄仁勋于1993年联合创立英伟达，早期获得红杉资本2000万美元融资，切入粗放竞争的3D图形加速卡市场。 - [00:03](https://www.bilibili.com/video/BV18j411S7ST?t=3s) 1997年英伟达凭Riva 128生死反转，随后确立与台积电合作及全面拥抱微软Direct3D标准，并于1999年上市。 - [00:03](https://www.bilibili.com/video/BV18j411S7ST?t=3s) 1999年推出全球首款GPU（GeForce 256），行业整合后独立显卡市场形成N卡（NVIDIA）与A卡（AMD）双雄格局，英伟达独占80%以上份额。 - [00:06](https://www.bilibili.com/video/BV18j411S7ST?t=6s) CPU擅长复杂逻辑处理（核数少），GPU为大规模并行计算而生（成千上万核）；2006年英伟达推出CUDA架构，打破显卡边界，实现GPU可编程化与生态闭环。 - [00:10](https://www.bilibili.com/video/BV18j411S7ST?t=10s) 比特币挖矿狂潮极大刺激了显卡需求，加密货币火爆期间英伟达每年仅靠挖矿就进账10亿至30亿美元。 - [00:10](https://www.bilibili.com/video/BV18j411S7ST?t=10s) 2012年ImageNet竞赛证明了GPU对神经网络的巨大赋能，英伟达随后All-in AI；训练大模型成本和用电远低于CPU，ChatGPT即由1万多张A100训练而成。 - [00:15](https://www.bilibili.com/video/BV18j411S7ST?t=15s) 英伟达从显卡走向超级计算机与云服务全栈生态：收购Mellanox布局DPU，推出DGX GH200以及CuLitho计算光刻平台，并针对中国市场推出特供版A800芯片。 - [00:15](https://www.bilibili.com/video/BV18j411S7ST?t=15s) 英伟达业务中心发生重大转变，数据中心营收占比超越游戏成为核心增长引擎，其股价历史经历过多次50%以上的严重回撤。 - [00:18](https://www.bilibili.com/video/BV18j411S7ST?t=18s) 英伟达市盈率一度超200倍，极高估值背后是华尔街机构在AI浪潮中极度害怕错过的“FOMO”心理。 - [00:20](https://www.bilibili.com/video/BV18j411S7ST?t=20s) 芯片行业无法靠静态技术建立长久优势，黄仁勋提出“黄氏定律”（GPU性能每两年翻3倍以上）；英伟达通过高达25%的研发投入保持极致的高频迭代速率。 - [00:25](https://www.bilibili.com/video/BV18j411S7ST?t=25s) 面对英伟达的高价与算力垄断，谷歌（TPU）、Meta（MTIA）等科技巨头正紧密布局自研芯片，并曾集体联手阻击英伟达收购ARM，芯片领域的混战仍在延续。

## Detailed walkthrough 以下是基于视频内容的详细梳理与复盘：

### [00:00](https://www.bilibili.com/video/BV18j411S7ST?t=0s) 财报炸裂与英伟达的崛起背景 2023年5月24日，英伟达（NVIDIA）发布了第一季度财报。凭借数据中心业务极其亮眼的数据，股价当天暴涨 30%，市值突破 1 万亿美元，一举超越特斯拉（Tesla），直逼亚马逊（Amazon），成为全球第六大公司。在 2023 年 AI 混战中，一家卖显卡的公司成了最大赢家。事实上，近年来无论是云计算、加密货币、元宇宙还是人工智能（AI），英伟达都是核心参与者。全球超过 95% 的 AI 训练市场被其垄断，拥有多少张英伟达 A100 显卡甚至成了衡量一家公司算力的标准。创始人黄仁勋凭借 20 多年前的远见和标志性的皮衣造型，被外界誉为“AI 教父”。

黄仁勋 1963 年出生于台湾台南，9 岁前往美国求学，本科毕业后在两家半导体公司从事芯片设计，其中就包括与其缠斗半生至今的 AMD。30 岁刚在斯坦福大学获得硕士学位的黄仁勋，与另外两位三十岁出头、雄心勃勃的理工男看好 3D 图形处理的巨大潜力，于 1993 年联合成立了英伟达，黄仁勋出任 CEO 并履职至今。公司成立初期，凭前老板引荐获得了红杉资本（Sequoia Capital）领投的 2000 万美元融资。

在 90 年代早期，3D 游戏实时渲染非常消耗算力，传统的 CPU 难以胜任，需要专门的图形处理芯片（即显卡）。当时的显卡市场处于极度粗放的“萌芽期”，甚至被称为“3D 加速卡”，市场上有五六十家厂商，软硬件缺乏统一标准，行业异常混乱。

- **创始人背景与成立时间**：黄仁勋 1963 年生于台南，1993 年（30 岁）联合创立 NVIDIA。 - **早期融资**：红杉资本领投 2000 万美元。 - **市场战绩**：垄断全球 AI 训练领域超 95% 的市场份额。

---

### [00:03](https://www.bilibili.com/video/BV18j411S7ST?t=3s) 显卡混战：从 Riva 128 到 GeForce 256 90 年代中期，显卡行业最风光的是 1994 年成立的 3dfx 公司，其推出的 Voodoo 显卡凭借强大的性能风靡一时。反观英伟达，第一代产品 NV1 并不成功，第二代 NV2 直接胎死腹中。到了 1997 年，英伟达烧钱惨重、命悬一线，员工从 100 人裁至约 30 人，资金仅够维持 9 个月。

关键时刻，黄仁勋选择孤注一掷，在仅剩 6 个月运营资金时推出了搭载 NV3 的 Riva 128 显卡，凭借极高的性价比在市场站稳脚跟。随后，英伟达明确了研发方向，与台积电（TSMC）达成长期战略合作，并紧抱微软大腿，全面支持微软的 Direct3D 显示标准。随后推出的 Riva TNT 系列大获成功，帮助英伟达蹿升为显卡龙头，并于 1999 年成功在纳斯达克上市。

上市后的英伟达开启“挂机”模式： 1. **1999 年 9 月**：推出划时代的 **GeForce 256**，黄仁勋将其定义为“全球第一个 GPU（图形处理器）”，这也是真正意义上的独立显卡，直接将竞争对手甩开半条街。 2. **硬件订单**：凭借 GeForce 256 的强悍性能，英伟达赢得了微软 Xbox 价值 2 亿美元的硬件订单，随后又顺势拿下索尼 PlayStation 3 的订单。 3. **营收暴涨**：1999 年至 2002 年，英伟达营收以每年近 3 倍的速度暴增至 20 亿美元。 4. **行业整合**：英伟达开始吞并竞争对手，其中包括盛极一时的 3dfx；而另一大玩家 ATI 则被 AMD 收购。

经过小鱼吃虾米式的行业洗牌，独立显卡市场最终形成了 **N 卡（NVIDIA）** 与 **A 卡（AMD）** 双雄争霸的格局。英伟达一步步蚕食 AMD 的份额，市场占有率从 2010 年的 60% 一路扩大到 2022 年的 80% 以上，成为名副其实的 GPU 全球霸主。

> “黄仁勋把 GeForce 256 称为全球第一个 GPU，第一个真正意义上的独立显卡。”

- **整体显卡市场结构（含集成显卡）**：英特尔（Intel）占 71%（主要是与 CPU 封装在一起、共享内存的集成显卡），英伟达占 17%，AMD 占 12%。 - **独立显卡市场结构**：英伟达独占 80% 以上的市场份额。

---

### [00:06](https://www.bilibili.com/video/BV18j411S7ST?t=6s) 芯片原理与 CUDA 庞大生态的构建 为何游戏显卡会和 AI 扯上关系？这源于 CPU 与 GPU 的底层架构差异： * **CPU（中央处理器）**：旨在进行复杂的逻辑推理与顺序计算，讲究单核逻辑计算能力，核心数较少（如 64 核、128 核）。 * **GPU（图形处理器）**：专门为并行计算设计。例如渲染一段 4K、每秒 30 帧的视频，需要对数以千万计的像素点同时进行大量简单的重复计算。GPU 从底层芯片设计上就拥有成千上万个核心，可以同时发射计算。

视频中用了一个形象的比喻：“CPU 就像是一个特别精准强力的喷枪，一枪一枪地发射，指哪打哪，顺序清晰但速度慢；而 GPU 就像是有成千上万个小喷枪同时发射。”

黄仁勋意识到 GPU 不应仅局限于 3D 图形渲染，应该开展通用目的计算（GPGPU, General-Purpose Computing on GPUs）。但早期 GPU 无法直接编程，普通程序员根本无法使用。一次偶然的机会，黄仁勋看到斯坦福大学一名博士生用 C 语言编程让 GPU 完成计算的项目，眼前一亮，当即将其招入英伟达并委以重任，带领团队潜心研发。

**2006 年，英伟达正式推出了 CUDA（Compute Unified Device Architecture）架构**，成功实现了 GPU 的可编程化。为了推广 CUDA，英伟达付出了华尔街看来极不理性的巨大研发成本与人力，强制要求英伟达旗下所有显卡均须支持 CUDA。

这一举措彻底打破了显卡的边界：开发者无需顶尖的底层硬件工程师背景，只需买一张英伟达显卡，调用 CUDA 库，就能将 GPU 运用于航天、生物制药、天气预报、能源勘探等需要加速计算的领域。尽管其他厂商也尝试推出类似软件，但英伟达凭借硬件垄断，实现了软硬件极致协同，打响了属于自己的生态护城河（类似苹果的生态闭环）。

- **CPU vs GPU 核心数**：CPU 顶多 64/128 核；GPU 拥有成千上万个核心。 - **CUDA 意义**：将显卡从游戏/3D 渲染拉入整个通用加速计算（GPGPU）领域。

---

### [00:10](https://www.bilibili.com/video/BV18j411S7ST?t=10s) 比特币狂潮与 AI 大模型的全线爆发 CUDA 推出初期，因缺乏高频商业应用场景，一度不被华尔街看好。然而，先后两次风口彻底激活了英伟达的加速计算能力：

#### 1. 比特币挖矿潮（巧合与天降大饼） 挖矿本质上是进行大量的哈希加密与解密计算，极其依赖 GPU 的并行计算能力。 * **业务增长**：挖矿需求导致英伟达显卡常年供不应求，英伟达顺势推出了专用的挖矿 GPU。 * **收益规模**：据分析师估算，在 2018 至 2021 年加密货币火爆期间，英伟达每年仅靠挖矿收入就高达 **10 亿至 30 亿美元**，市值一度逼近万亿美元并超越英特尔。

#### 2. 人工智能（AI）浪潮（真正的终极风口） 深度学习与机器学习需要海量的并行计算。黄仁勋曾对比指出：训练一个大语言模型，GPU 服务器相比 CPU，只需 **4% 的成本和 1.2% 的电力** 即可完成，两者完全不是一个数量级。

* **转折点（2012 年 ImageNet 竞赛）**：AlexNet 团队利用神经网络模型结合英伟达显卡，将图片识别错误率从其他团队的 26%-29% 瞬间降至 **16.4%**，以碾压优势夺冠。这打破了神经网络长期受限于算力的瓶颈，轰动学术界。 * **All-in AI**：2012 年后，黄仁勋决定 All-in AI，全力优化 CUDA、硬件架构及配套软件平台。 * **A100 与 H100 传奇**：ChatGPT 即是由 **1 万多张英伟达 A100 显卡** 训练出来的。A100 随后成为各大 AI 公司的标配，单张价格被炒至上万美元。2022 年英伟达推出的升级版 **H100**，性能更是达到 A100 的 4 到 6 倍。

为了满足恐怖的算力需求，黄仁勋在发布会上展示了最新的 **DGX GH200 超级计算机**： - 采用 240 公里长（24 万米）的光缆连接。 - 总重相当于 **4 头成年大象**，拥有 **144 TB** 共享内存。 - 通过 NVLink 和 NVSwitch 等技术将海量 GPU 连接为一个整体巨型显卡，谷歌云（Google Cloud）、Meta、微软（Microsoft）为首批客户。

- **显卡训练大模型优势**：CPU 4% 的成本、1.2% 的电力支出。 - **ChatGPT 训练算力**：10000+ 张 A100 显卡。

---

### [00:15](https://www.bilibili.com/video/BV18j411S7ST?t=15s) 软硬件生态版图与对华特供芯片 英伟达早已不再局限于显卡设计，而是向超级计算机与云服务全面延伸： 1. **收编与 DPU**：2019 年以 **69 亿美元** 收购以色列网络芯片公司 Mellanox，随后推出 DPU（数据处理器）。黄仁勋称此收购为其“有史以来最成功的战略决策之一”。 2. **全栈产品线**：结合 GPU、CPU、DPU 推出 DGX SuperPOD、Grace Hopper 超级芯片、BlueField DPU 等产品，向传统 CPU 市场渗透。 3. **云服务与上游赋能**：推出 AI 云业务，并推出 **CuLitho** 计算光刻软件平台，帮助台积电、阿斯麦（ASML）等上游芯片制造商将逆向光刻技术性能提升高达 40 倍（注：主讲人打趣提到该词在西班牙语发音酷似“小屁股”）。

面对美国政府对中国实施的高端芯片（A100、H100）禁售制裁，由于中国市场占英伟达营收的 **1/4**，黄仁勋在接受采访时展现了极高的公关智慧：“全力配合美国政府政策”的同时，“想方设法在符合规则的情况下满足中国消费者需求”。为此，英伟达专门推出了定制规避敏感情报指标的特供版 **A800** 显卡。

#### 业务结构变化（财报拆解）： 英伟达目前四大核心业务为：**游戏、数据中心、汽车、专业图形处理**。 * **2018 年**：游戏业务占半壁江山，数据中心仅占 1/4。 * **2022 年**：数据中心业务占比飙升至 **56%**，游戏业务降至 **33%**。 * **2023 年 Q1 财报**：数据中心一季度环比增长 18%。第二季度营收指引给出了震撼华尔街的 **110 亿美元**（此前华尔街预期仅为 72 亿美元，超出 50%）。

此外，英伟达在汽车芯片、自动驾驶系统以及元宇宙（Omniverse 平台）领域也进行了深度布局。

---

### [00:18](https://www.bilibili.com/video/BV18j411S7ST?t=18s) 历史踩坑、高估值争议与“FOMO”心态 虽然如今看似封神，但黄仁勋和英伟达历史上也踩过无数大坑： * **产品失败**：2000 年初一系列显卡架构失败，差点被 ATI 打垮； * **监管与高管危机**：高管面临 SEC（美国证券交易委员会）内幕交易调查； * **业务挫败**：过度营销争议，以及入侵手机芯片市场（如 Tegra 系列）的彻底失败； * **股价巨幅回撤**：历史股价虽翻了千倍，但 2002 年曾暴跌 90%，2008 年暴跌 80%，每隔三五年就会出现一次超过 50% 的回撤。

#### 估值与“FOMO”情绪： 当前英伟达的估值处于极高位置：市盈率（P/E）高达 200 多倍，市销率（P/S）达 38 倍（相比之下苹果、微软市盈率不到 40，特斯拉约 70；2022 年英伟达营收不到英特尔一半，市值却是其 7 倍）。

之所以估值居高不下，核心原因在于华尔街机构的 **FOMO（Fear of Missing Out，害怕错过）** 心理： - AI 是当下最大的浪潮，英伟达是唯一卖“铲子”的绝对垄断者。 - 基金经理如果不买英伟达而导致净值跑输，会被投资者强烈质问。例如“木头姐”（Cathie Wood）旗下的 ETF 在 2023 年 1 月清仓了英伟达，随后错失暴涨，承受了巨大的舆论与口碑压力。机构宁可买贵，也不敢被浪潮落下。

- **市盈率对比**：英伟达 P/E > 200；苹果/微软 < 40；特斯拉 ~70。 - **历史最大股价跌幅**：2002 年 -90%，2008 年 -80%。

---

### [00:20](https://www.bilibili.com/video/BV18j411S7ST?t=20s) 芯片行业的残酷底层逻辑：黄氏定律与护城河 商业常识认为“淘金热里卖铲子”是一门好生意，但经济学逻辑表明：普通卖铲子的门槛极低，竞争对手会快速涌入，迅速抹平边际利润。英伟达（以及更上游“做锤子”的台积电）之所以能实现垄断，源于芯片行业极度特殊的底层逻辑。

#### 1. 摩尔定律 vs 黄氏定律 * **摩尔定律（Moore's Law）**：集成电路上可容纳的晶体管数量约每 18 个月翻倍（芯片性能每 18 个月翻倍）。近年来 CPU 的进化已显疲态。 * **黄氏定律（Huang's Law）**：黄仁勋提出，在 GPU 独立显卡领域，其推进速度远超摩尔定律，大概**每两年性能可翻 3 倍以上**。

#### 2. 芯片公司的护城河究竟是什么？ 传统公司的护城河来自重资产（工厂、铁路）或网络效应（微信、TikTok），但芯片行业受技术迭代驱动： - 任何惊艳的产品或专利，在两年后都会落后。 - 90 年代霸主 3dfx 从凭 Voodoo 显卡登顶到落败被收购，仅仅用了 5 年。 - **结论**：芯片行业无法依靠单项技术或静态专利构建长久护城河。唯一的护城河就是**持续不断的跑、比所有人跑得更快**——即**组织研发与迭代能力**。

为了维持“黄氏定律”，传统互联网巨头（谷歌、亚马逊）的研发投入一般占营收的 10%-15%，而英伟达必须长期维持在 **25% 左右** 的超高研发投入。英伟达几乎每 6 个月就要迭代新架构，甚至多次主动推翻过去的方案（例如推出 RTX 光线追踪技术，利用深度学习用 1 个像素点预测周边 8 个像素点来加速图像渲染）。这种高强度的自我卷卷与资金消耗，导致行业最终只能剩下两三家巨头。

- **研发投入比重**：互联网巨头 10%–15%；英伟达高达 25% 左右。 - **产品迭代周期**：大约每 6 个月推出新一代芯片架构。

---

### [00:25](https://www.bilibili.com/video/BV18j411S7ST?t=25s) 巨头自研芯片围剿与总结 正因为显卡决定了 AI 时代的计算速度，科技巨头们不甘在底层被英伟达“卡脖子”。尽管当前它们是英伟达最大的客户，但也都在紧锣密鼓地自研芯片： * **谷歌（Google）**：开发了专门针对 AI 训练的 **TPU**，声称计算效率高于英伟达 GPU。 * **Meta**：早在 2017 年就部署了 2 万多台英伟达显卡，目前正 All-in 自研芯片 **MTIA**。 * **收购案遭阻击**：2020 年英伟达拟以 **400 亿美元** 收购软银旗下的芯片架构公司 ARM，遭到高通、微软、谷歌等巨头的一致强烈反对，最终宣告失败，可见巨头对其忌惮之深。

从早期显卡厮杀中冲出来是能力，20 年前布局 CUDA 是远见，持续垄断显卡是耐力，撞上挖矿潮是运气，而黄仁勋标志性的黑色皮衣则是他的专一。面对拥有广阔前景的 AI 市场以及虎视眈眈自研芯片的巨头对手，英伟达能否在全新的 AI 混战中再次杀出重围，故事才刚刚开始。

- **ARM 收购案**：2020 年英伟达拟 400 亿美元收购 ARM，因行业巨头强烈反对及监管审查最终流产。 - **竞争对手自研芯片**：谷歌 TPU、Meta MTIA。

## Notable quotes > [03:00](https://www.bilibili.com/video/BV18j411S7ST?t=180s) 黄仁勋把 GeForce 256 称为全球第一个 GPU，第一个真正意义上的独立显卡。 — 小Lin说

> [15:00](https://www.bilibili.com/video/BV18j411S7ST?t=900s) 全力配合美国政府政策 — 黄仁勋

> [15:00](https://www.bilibili.com/video/BV18j411S7ST?t=900s) 想方设法在符合规则的情况下满足中国消费者需求 — 黄仁勋

## Mentioned 英伟达, NVIDIA, 黄仁勋, AMD, 红杉资本, Tesla, Amazon, A100, 3dfx, Voodoo, Riva 128, Riva TNT, 台积电, TSMC, 微软, Microsoft, Direct3D, GeForce 256, Xbox, 索尼, PlayStation 3, ATI, 英特尔, Intel, CUDA, 比特币, AlexNet, ImageNet, ChatGPT, H100, DGX GH200, Google Cloud, Meta, Mellanox, DPU, DGX SuperPOD, Grace Hopper, BlueField DPU, CuLitho, ASML, A800, Omniverse, SEC, Tegra, Cathie Wood, RTX, TPU, MTIA, ARM, 软银, 高通

## 弹幕氛围 (Danmaku mood) — 3600 条 [Source](https://www.bilibili.com/video/BV18j411S7ST)

中文简报

黄仁勋押注CUDA掌控95%训练市场，英伟达高额研发筑牢壁垒 英伟达凭借软硬件极致协同与高强度研发迭代垄断AI计算领域，但华尔街高估值下的FOMO情绪以及科技巨头的芯片自研热潮正带来潜在挑战。 视频回顾了英伟达自1993年成立以来，在3D显卡混战中凭借Riva与GeForce 256脱颖而出，并推出CUDA架构奠定通用计算生态的崛起历程。随后详细拆解了英伟达如何接连抓住加密货币挖矿与AI大模型爆发两大风口，依托软硬件高度协同垄断全球AI训练算力。最后，视频分析了英伟达的高估值争议、以“黄氏定律”为核心的芯片行业竞争本质，以及面对科技巨头自研芯片围剿所带来的未来挑战。 2023年5月英伟达发布爆表财报，市值突破1万亿美元，垄断全球AI训练市场95%以上份额，A100显卡成为衡量算力的行业标准。 (0:00) 黄仁勋于1993年联合创立英伟达，早期获得红杉资本2000万美元融资，切入竞争粗放的3D图形加速卡市场。 (0:00) 1997年英伟达凭借Riva 128实现生死反转，随后确立与台积电的合作并全面拥抱微软Direct3D标准，于1999年成功上市。 (0:03) 1999年推出全球首款GPU（GeForce 256），行业整合后独立显卡市场形成N卡（NVIDIA）与A卡（AMD）双雄格局，英伟达独占80%以上份额。 (0:03) CPU擅长复杂逻辑处理（核心数较少），GPU则专为大规模并行计算而生（拥有成千上万核）；2006年英伟达推出CUDA架构打破显卡边界，实现GPU可编程化与生态闭环。 (0:06)

Reading summary

主讲人小Lin指出，英伟达凭借GPU架构在并行计算上的天然优势，以及早年顶住财务压力打造的CUDA生态，逐步垄断了全球95%以上的AI训练算力市场。然而，其赖以维持垄断的护城河高度依赖持续跑赢“黄氏定律”的高额研发投入，并正面临科技巨头自研芯片围剿、地缘合规限制及资本市场极高估值的多重挑战。 架构差异与CUDA生态护城河 与CPU侧重复杂逻辑与顺序计算（核心数通常仅64至128核）不同，GPU专为并行计算设计，底层集成成千上万个核心，能同时处理数以千万计的简单重复计算。创始人黄仁勋意识到显卡不应仅局限于3D图形渲染，因而推动通用目的计算（GPGPU）。2006年，英伟达投入巨大研发成本与人力推出CUDA架构，并强制旗下所有显卡均须支持，成功实现了GPU的可编程化。 这一战略使英伟达跳出单一游戏硬件制造商的范畴。开发者无需底层硬件工程师背景，只需调用CUDA库即可将算力应用于航天、生物制药等各行各业。随着英伟达在独立显卡市场占据80%以上的份额，其硬件优势与CUDA专有软件库形成了闭环协同，构筑起极高的生态迁移成本与护城河。 需求爆发：从加密狂潮到大模型垄断 CUDA问世初期曾因缺乏高频商业场景而受到华尔街冷遇，但随后承接了两次技术与资本风口。首先是比特币挖矿潮，由于加密解密高度依赖并行计算，英伟达显卡常年供不应求；据分析师估算，2018至2021年间其每年挖矿收入高达10亿至30亿美元。真正的质变发生于人工智能领域：2012年AlexNet基于英伟达显卡在ImageNet竞赛夺冠，推动黄仁勋决定全面押注AI。黄仁勋对比指出，训练大语言模型时，GPU服务器相比CPU只需4%的成本和1.2%的电力。 随着ChatGPT调用超1万张A100显卡完成训练，A100及性能高出4至6倍的升级版H100成为行业硬通货。英伟达的业务结构随之逆转：数据中心收入占比从2018年的约四分之一飙升至2022年的56%（游戏业务降至33%）；2023年第一季度财报发布后，其市值突破1万亿美元，第二季度营收指引更达110亿美元，超出华尔街此前预期50%。 “黄氏定律”驱动的高强度研发内卷 与依靠固定资产或网络效应建立护城河的传统企业不同，芯片行业受技术迭代驱动，单项专利与硬件优势往往在两年内便迅速落后（如90年代显卡巨头3dfx从巅峰到被收购仅耗时5年）。黄仁勋提出“黄氏定律”，认为GPU独立显卡每两年性能可翻3倍以上，迭代速度远超传统的摩尔定律。在此规律下，持续且快速的组织研发能力成为企业唯一的护城河。 为维持该定律，英伟达长期将营收的约25%投入研发，显著高于传统互联网巨头10%至15%的水平；其芯片架构大约每6个月迭代一次，甚至多次主动推翻既有路径（例如通过RTX光线追踪利用深度学习预测像素）。这种高强度的自我革新与资金消耗，构筑了极高的竞争门槛，致使行业最终高度集中。 估值分歧、地缘合规与客户自研围剿 在垄断光环背后，英伟达面临多重经营与市场层面的风险。估值方面，英伟达市盈率曾超过200倍、市销率达38倍，主讲人分析其高估值主要受华尔街机构“害怕错过”（FOMO）浪潮的心理支撑；但英伟达历史上踩过多次业务挫败（如手机芯片Tegra的失败），2002年与2008年股价曾出现80%至90%的大幅回撤。在地缘政治方面，中国市场占其营收的四分之一，面对美国对高端芯片禁售政策，英伟达不得不专门推出定制规格的A800显卡以维持合规与市场供应。 更深层的战略隐患来自下游客户的去依附化。由于不愿在底层算力上受制于人，核心客户纷纷自研芯片，如谷歌推出针对AI训练的TPU、Meta全速研发MTIA芯片。此外，英伟达2020年拟斥资400亿美元收购ARM的交易因高通、微软、谷歌等巨头的联手反对与监管审查而告吹，暴露出全行业对其垄断算力供应链的深度戒备。 英伟达在显卡混战中的胜出得益于技术能力，CUDA的布局展现了战略远见，而加密潮与AI浪潮的爆发则加速了其霸权确立。然而，在高位估值博弈、地缘出口监管以及核心科技客户集体推进自研芯片的包夹下，英伟达能否在全新的AI多方竞争中维系算力王座，目前仍处于开局阶段。

Source quotes

[3:00] 小Lin说: 黄仁勋把 GeForce 256 称为全球第一个 GPU，第一个真正意义上的独立显卡。 [15:00] 黄仁勋: 全力配合美国政府政策 [15:00] 黄仁勋: 想方设法在符合规则的情况下满足中国消费者需求

Original transcript

[0:00] 嗨5月24号英伟达发布了他第一季度的财报许多投资者都说这是前所未有或者一生一次的业绩发布英伟达靠着他数据中心这块亮眼的数据可以说是狂抽化学的嘴巴股票当天大涨30%市值破万亿美元推着英伟达成了全球第六大公司超过特斯拉直击亚马逊你说谁能想到2023年这AI混战里边一个卖显卡的公司成了最大赢家要是这些年几乎大部分全球性的技术风口云计算 加密货币 全宇宙 人工智能英伟达全都是共同参与者你听说过大部分那些AI模型都是用英伟达的显卡训练出来就它不光是行业老大而是以超过95%的市场战友率垄断了全球AI训练领域的市场就甚至有多少英伟达A100这个显卡都成了衡量一个公司算力的标准他的创始人黄仁新就说了这话听起来是比较狂但确实是这样黄上勋也靠着他20多年前的远见和他千年不变的穿衣风格成了AI教父你是不是就好奇了这英伟达他厉害在哪呢怎么就垄断了没人争夺过他呢小林今天就深入地带你了解一下英伟达也深入地探讨一下显卡和芯片行业背后的秘密咱先来看看黄生勋跟英伟达是怎么崛起的1963年黄生勋出生在台湾的台南也就是说他今年60岁9岁去到美国读书本科毕业之后就在两家半导体公司工作做芯片设计这里边就有AMD也是之后跟黄生勋缠斗了半辈子的公司一直到现在黄仁轩30岁刚在斯坦福读完硕士就经常跟另外两个也是30来岁那种投筑满志的理工科技术男在一起想干一番大事他们就都觉得这个3D图形处理在未来权力巨大于是1993年就成立了NVIDIA英伟达专门就做这个图形计算芯片黄仁轩担任CEO也是一直干到了今天他也是凭着前老板的引荐获得了红杉资本2000万领头的融资那游戏领域毕竟玩的都要实时渲染嘛所以3D游戏呢不能说没有但一般电脑肯定带不动就挺多游戏还挺经典的但那画面呢基本上你就能看出来那儿有个人就行因为毕竟这种3D图形处理是非常消耗算力的而当时那些CPU还是很难完成的就它一般需要专门的一块芯片来处理这个图形而这块芯片呢就是显卡早期那显卡是非常简陋的顶多就算是一个3D加速卡吧你是不是现在一听什么3D加速卡就感觉是个小作坊的声音没错其实当时就处在3D游戏3D渲染一个非常萌芽的阶段就类似英伟达这样的显卡公司其实非常多少说有五六十家软硬件也没有个统一的标准谁研究稍微厉害一点就可以发布个自己的标准经常说出现你好不容易做出来个显卡结果发现不是配人家那个标准总之就一个字乱当时在乱世当中最风光的一家应该是叫做3DFX的公司它可是94年才成立比英伟达还晚一年但当时就凭这个叫做Voodoo的显卡风靡一时当时很火的各种游戏全都得靠这个Voodoo显卡而英伟达这边呢其实并不太顺利虽然它拿了那么多融资而且团队呢也挺专业的但是它那个NV1就并不太成功第二代NVR更是直接猜死腹中到了97年英伟达已经命悬一线在有9个月前就烧完了公司已经从100个人裁员裁到就剩大概30个人好在当时黄仁勋选择了孤注一掷就在公司只剩6个月运营资金的时候发布了搭载NV3的Riva 128显卡凭借着它不错的性价比在市场上算是占据了一席之地吧也让英伟大是颤颤巍巍地活下来了其实老黄跟他的团队研发实力确是挺强的就他们摸清楚了这个市场的方向之后就迅速进入了快手当中跟台积电达成了长期战略合作又抱紧了微软的大腿支持微软推出的Direct3D显示标准终于在显卡早期红海竞争当中一军突起这里边那个叫River TNT刚是杀疯了直接帮助英伟达蹿升到了显卡领域的龙头也帮英伟达在1999年成功登陆Dark上市上市以后英伟达有钱了更是开挂99年9月推出了具有话时代意义的GeForce 256直接甩开竞争对手半条街就这个GeForce系列我相信游戏玩家应该都再熟悉不过了它也成为了英伟达在日后消费级显卡的王牌系列黄人群就把这个GeForce 256称为全球第一个GPU第一个真正意义上的独立显卡这个说法其实现在也基本被大家接受了所以有人可能会直接笼统地说就是英伟达发明了显卡至于这个独立显卡它为什么那么强咱们一会儿再说当时微软正好在开发Xbox英伟达就凭借着这个GeForce 256特别强大的性能赢得了2亿美元的订单当Xbox打造存心出了硬件之后又顺势拿下了索尼的PlayStation 399到02年啊英伟达的营收就以几乎每年3倍的速度增到了20亿美元成为了市场上独一党的存在而且就开始连续吞并同行业的竞争对手其中就包括咱们刚刚提到那个宏极一时的3D FX而市场上当时另一个主要玩家ATI则被AMB收购就这样啊在2000年初经过市场上一系列的小鱼吃虾米 [5:00] 一吃小鱼的通病之后就剩下了两条大鱼英伟达AMD直到现在独立显卡市场也一直被这两家公司包揽不知道你有没有听说过传说中的N卡和A卡其实就指这两家公司的显卡游戏迷从那个时候就开始争论到底是N卡好还是A卡好不管谁好谁坏之后也再也没出现过第三家公司的什么B卡C卡X卡虽说是双雄争霸了但其实英伟达它是在一步一步蚕食着AMD的市场份从2010年的60%就一点一点扩大到2022年的80%可以说是当之无愧的GPU全球霸主而GPU这个技术它本身的发展速度也是令人瞠目结舌你可以说游戏产业快速发展把英伟达拖起来了同时也是英伟达显卡的技术进步推动了游戏产业的发展你就看看每年新出那些游戏画面质量的改进你就算再不懂游戏也能看出这个进步速度之快其实往大点说吧整个显卡市场它是个三组鼎立的状态就三大巨头英特尔 英伟达 AMD这里边英特尔市场占有率71%英伟达是17%而AMD是12%哎 你是不是奇怪了怎么又冒出来个英特尔而且市场占有率还这么高咱刚不是说英伟达才是老大吗嘿嘿哎 实际上此显卡非彼显卡业因为这个显卡它分为独立显卡和集成显卡你要把这俩都放一起比但英特尔确实是老大但它基本上卖的全都是集成显卡集成显卡是和CPU封装在一起的它共享内存英特尔就利用它的CPU的垄断地位霸占着集成显卡的份额不过这个集成显卡怎么说呢就它比较弱我就不详细解释了反正和英伟达这个独立显卡比虽然都要显卡但它不是一个市场但看独立显卡呢英伟达还占了80%以上聊到这儿可能有人就不耐烦了说好我知道了英伟达就是个设计显卡芯片的它厉害跟你聊了半天都在说什么3D渲染打游戏什么的那怎么跟AI成了关系了呢为什么这些AI公司都能买显卡还非得买英伟达的显卡呢你别急咱这就说到显卡的特性了电脑里的CPU就是中央处理器它本身的设计目的就是它什么都能干它是顺序计算就可以进行非常复杂的逻辑推理他更在意的是那个计算量你比如说一个4K的视频那小1000万个像素点假设每秒30帧那你每一个像素点每一帧都得根据它的什么阴影动作计算出来一个对应的颜色这就需要不停的进行非常快速而且大量的简单计算GPU就是图形处理器就专门设计出来针对这类计算的一个单元它从底层的芯片设计就是为了优化这类并行计算所以你看CPU一般撑死了就是64核 128核而GPU它可以有成千上万个核就一起在那算你看这个视频就给出一个特别形象的解释CPU就好像一个特别精准特别强力的喷枪一枪一枪在那发射直哪打哪顺序清晰但是慢而GPU就好像有成千上万才这个小喷枪同时发射就是因为GPU这个特性黄尔逊就开始琢磨了你说我怎么才能挖掘出那更大的潜力呢这肯定不光是3D图像处理渲染这么简单你说我能不能进行更多那种通用目的的计算General Purpose Computing做一个通用目的的图形处理器GPGPU但当时你要想用GPU做这种通用计算其实并不是那么简单因为它毕竟本身设计就不是来干这个所以编程非常麻烦就一般人他干不了这个活黄尔逊就想了所以要让显卡发挥更大的潜力我就得让它可编程就一次偶然的机会他就看见斯坦福一个博士生做了一个项目可以用C元编程让这个GPU做一些计算黄盛兴就眼前一亮哎这个想法好赶紧把这个小伙发到英伟达工作而且上来就为以重任让这个小伙带队啊潜心研发说你就去给我钻研让他编程终于在2006年英伟达正式推出了CUDA成功地让GPU可编程为了打造这套CUDA系统英伟达可以说是砸了大量看起来非常不理性的成本投入和人力让英伟达几乎所有的显卡全都要支持CUDA这样一来呢就原来那种专门设计3G处理图形的显卡你要想让它拿去计算编程本来是需要一大堆顶电的工程师但现在呢你随便找着学生买个英伟达的显卡然后看看那个CUDA的Library就能搞就把自己显卡的边界从原来的游戏和3D图像处理扩大到了整个加速计算的领域比如航天生物之药天气预报能源勘探等等其实都已经在用大量英伟达的显卡来进行计算了其实别人也尝试做类似CUDA这种软件来挑战英伟达的地位但可是英伟达人在硬件上本身就垄断了我就可以尽一切可能让我的硬件显卡跟这个软件CUDA之间的配合融合越来越默契就通过这种软硬件的协同来形成自己一个非常强的护城河说到这你是不是想到一家公司就是苹果他们都打造出一个被商业领域提烂的词生态系统像什么微软啊dobi其实也都是有自己强大的生态系统你看黄仁鲜在CUDA上这个巨额投入你现在听着好像觉得非常合理顺理成章但当时要是观看短期回报是非常不合理的华尔街就对这玩意相当看不顺眼因为虽然当时GPU的计算能力非常出色但它的应用场景太少了 [10:00] 就很长一段时间只能集中在非常少数那种需要大量计算的领域说白了就根本不赚钱那谁能想到2023年人工智能怎么火了是吧其实率先让显卡的加速计算能力实现商业价值的并不是人工智能而是一个巧合一个八竿子都打不着的潮流一个黄人群就在他自己再有远见也不可能预料到的一件事比特币的爆火带来了巨大的挖矿需求挖矿说白了就是进行大量无脑计算来进行加密和解密而想挖矿你要算得快就得用显卡而且就得用英伟达的显卡我估计很多人可能就是从挖矿那会儿才知道说原来显卡还能用来计算挖矿这个巨大需求它对英伟达来讲简直就是天降大病而且是一个打得不得了的大病这让英伟达的显卡常年处于供不应求的状态英伟达也非常贴心专门对挖矿设计的GPU当然很多人会吐槽说挖矿有污染环境各种无意义的计算各种各样的问题可是显卡这东西它的威力确实是被人看到了而且英伟达也确实因为这个转翻了据分析师估算英伟达在18到21年就比特币比较火的这段时期每年光靠挖矿大概能赚10到30亿美元英伟达的市值也在这段时间超过了当年不可一世的巨头英特尔在比特币最火的一段时候它的市值甚至一度逼近了万亿美元不过挖矿虽然让英伟达赚了不少钱但再怎么说也不能算它的主营业务去年加密市场崩塌之后英伟达的股价也是暴跌了46%所以挖矿目前看来可能顶多算是个插曲而我们都知道最近真正让英伟达赢麻了的是人工智能就是因为刚刚我们说显卡这种非常善于大量并行计算的能力特别适用于深度学习和机器学习你讲人工智能不就是让他一直学一直学到上一次吗那GPU这种并行计算能力就再适合不过了黄尔轩也展示我要训练一个大语言模型跟CPU相比GPU服务器可以4%的成本和1.2%的电力完成所以GPU和CPU压周率不是一个数量级的这个是它的底层结构决定的黄尔轩其实就是想特别委婉地告诉你你要训练大语言模型啥子才用CPU呢你就得来用GPU要用GPU那你最好就要用CUDA那你就来找我英伟达卖显卡其实十多年前大家还不知道显卡能来做人工智能就人工智能本身可能的理论大概是实际用途转变发生在2012年当时业内有一个非常知名的计算机竞赛叫ImageNet大家就在比谁的算法训练出来的程序能更好的识别图片里的内容你看这第二名到第四名识别的错误率都大概在26%到29%这一款而一个叫做AlexNet的团队居然做到了16.4%领先第二名十个百分点碾压性优势夺冠而他们用的就是神经网络训练模型和英伟达的显卡训练出来其实我们讲ChadGPT那期也讲过神经网络这个理论它早就有了一直不能被实现最大的一个瓶颈就是算力这下靠英伟达的显卡让这个神经网络计算实现了一下就轰动了学界而黄仁勋呢也是极其看重GPU在人工智能领域的应用就2012年之后可以说是all in让英伟达的显卡可以简单便捷地做加速计算除了刚刚我们说针对Cuda的投资还有像针对AI对显卡的优化包括对软件的支持平台的支持等等这才有了后来人工智能领域的共识就是你要搞人工智能那没什么可犹豫的你就是得买英伟达的显卡之后像谷歌亚马逊 微软 百度等等训练这些大模型也全都离不开英伟达的显卡而这波浪潮里最出名的可能就是英伟达那个叫A100的显卡ChairGPT就是靠一万多张这个显卡训练出来这A100也成了训练大模型的标配各大AI公司你可能来不及训练出成果但又想测一波热度宣传怎么办呢我就批显卡我就可以告诉你说我已经买了多少张英伟达A100的显卡就几千个几万个什么的所以英伟达的显卡就长期处于供不应求的状态价格被炒到了上万美元英伟达去年又推出了A100的升级版叫H100性能是A100的4到6倍所以你别看现在英伟达是风口上飞的最高的那个你就觉得他走运人家可是自己提前十多年花了那么多钱飞了那么大劲自己把翅膀给做好就站在风口那等着风来这下好不容易翅膀也做好了现在风也来了那英伟达肯定得使劲扑腾扑腾飞高点你看英伟达有多发力这个是三年前老黄发布的A100系统板就这么个20多公斤的大家伙组成了当时全球最大的GPU这已经看着挺吓人的了吧可是就在今年老黄又发布了这版请玩EGX GH200超级计算机注意啊这个大小和真实的是1比1这个简直可以用变态来形容用240公里长的光缆注意啊是公里就是24万米总共有四头成年大象那么重而就是这整个144TB内存的怪兽通过什么NV-LinkNV-Switch等等的技术连接在一起组织 [15:00] 一个GPU就是这个四头大象是一个巨型显卡这个玩意就是来做AI计算这东西预计今年年底能造出来谷歌云Meta微软是首批可以访问它的公司有了这么大的先发优势英伟达已经就不局现在单单是做显卡和芯片设计了它在2019年花了69亿收购了以色列一个芯片公司叫Melanox搞出了一个到个DPU这个东西也很猛黄人圈圣说这笔收购是它有史以来做过最成功的战略决策之一而英伟达现在就开始把GPUCPUDPU合在一起制造出来拥有恐怖计算能力的服务器超级计算机开始慢慢往CPU的市场蔓延推出了各种让人脸花缭乱的产品什么世界第八的超级计算机EGIBase Pop突破性加速超级新CPUGRACE Hop计算平台GOO3DPU等等名字起的好吧是不是感觉一句个也没听懂总之就是英伟达围绕着它核心显卡技术小到芯片达到超级计算机全都给你覆盖了那你要是说我买不起或者不想买这么多硬件怎么办没关系英伟达大家可以把算力租给你咱俩联网你就用我的服务器就行这不就是AI云业务吗它不光给中端客户提供服务连上游企业没想到就推出了一个叫做Kulizo的软件帮助台积电阿斯麦这些上游的芯片制造商提升逆光刻技术的性能多达40倍顺便提一嘴我有一个西班牙的朋友告诉我这个Culito的名字在西班牙语的发音特别像小屁屁的意思Culito小屁股一个字绝你看英伟达就是硬件软件 服务等等领域全面铺开了拓展成了AI这波浪潮里的最大赢家而美国对中国的制裁就不让把A100 H100卖到中国对英伟达的影响其实挺大的你想中国可是英伟达四分之一的大市场他可不想美国政府一句话就让这么大块蛋糕给飞了所以你看当时有记者采访黄仁勋的时候就问他说这个事对英伟达的影响到底有多大呢你看他这个回答真的是滴水不漏首先我们一定会全力配合美国政府的政策先表个态同时呢我们已经想方设法在符合规则的情况下非常愉快地满足中国广大消费者的需求你瞧瞧多会说话两边谁也不得罪英伟达就推出了一个叫做A800的显卡绕过了一堆制裁的敏感技术这个就特供给中国好你看咱们了解了英伟达整个这个背景再看它的财报其实就很清晰了现在呢他们把自己业务主要分为四大块游戏 数据中心 汽车 专业图形处理之前英伟达的王牌业务显然都是游戏而数据中心呢就是指这些加速计算相关的什么人工智能云服务等等都在这块这两块就是它的大头2018年的时候游戏大概占到了半壁降上数据中心是四分之一不过到2022年数据中心已经达到了56%而游戏则降到了33%就刚发布5月24号这个彩报游戏受到了全球需求萎靡的影响营收大幅下降这个其实也是华尔街预料之中不过数据中心这部分业务就非常的值了一季度环比增长18%更关键的是二季度的营收指引真的是亮下了华尔街的眼睛本来华尔街预测第二季度的营收是72亿但英伟达就说了你估的可能不太对我们能110亿比你多50%其实汽车这块业务也是潜力非常大的一块你看它又要做汽车芯片又是汽车系统是不是又是一块大肥肉不过现在也是处在比较起步的阶段之后也很难说我们就不展开讨论了包括英伟达之前推出了Omniverse来加爆元宇宙虽然目前还看不到太多回报但我看那个宣传片上还确实是挺酷的要是元宇宙真的也迎来了爆发期那英伟达又是最大赢家之一肯定没跑总之现在大概的情况就是打游戏要用显卡八况要用显卡AI计算要用显卡用显卡找英伟达英伟达的股价从99年上市到现在涨了超过1000倍成长成了全球第六大公司而且他的成长之路似乎才刚刚开始可能单看我们提炼出来这个故事你就感觉黄神心简直就神了每一步都走那么精准其实他也犯了很多错误我为了这个故事的连续性就给忽略了比如说他2000年初的时候啊有一系列先卡卡密失败差点被那个ATI给干掉员工还面临内部交易被SEC查了个底调还有过度营销的问题还进去手机芯片市场基本可以说是完全失败等等吧你看他的股价就知道虽说整体涨了那么多但是02年那阵跌了90%08年跌了80%超过50%的回车基本上三五年就要出现一次大家心里就清楚黄瑞勋他肯定非常厉害但他也不是预言家而且这老先生对皮加克的失敏我也真不知道该说什么了你再说一遍好那咱顺便再说两句英伟大的股票我就特别怕很多人看完这个视频然后一上头就冲过去买英伟达的股票我不是说不能买就是你别因为一时头脑发热就跑去买其实英伟达的估值现在的估值从各个维度来看都高得离谱你看它市盈率200多市销率38苹果 微软 谷歌这些巨头市盈率都不到40克斯拉也就70多你就算跟同行比吧它202年的营收还不到英特尔的一半但市值却是英特尔的7倍多营收跟 [20:00] AMD差不多市值是AMD的5倍总之就一个字贵当然人家贵有贵的道理像这种风口上的行业还是垄断型的公司它的估值已经不是股价的主要捐卷标准之一了就有一个很大的原因你知道是什么吗就有一些专业机构它现在都已经不敢不投英伟达了因为AI现在市场上最大的浪潮最大的机会而英伟达又是AI浪潮里边最大的玩家而这些基金投了英伟达就算股票跌了那投资人可能也不会说太多可是英伟达要是就这么一直涨下去你要是因为太贵没投那投资人可能就要问候你全家了就这个木头姐Cathy Wood她旗下的ETF在1月份的时候就清仓了英伟达的股票最近英伟达不是大涨了吗你可以看看她的投资圈里被骂得多惨就选择不投资这类公司对基金来说有特别大的口碑风险英文里有个词我就去形容他们的心理特别好就是FOMOFear of missing out就怕被落下就他们怕错过潜在的上涨多于他们怕买贵了这其实就像前两年特斯拉你说电动汽车是一个多么大的未来而特斯拉的当时基本上就唯一的选择就算它的估值当时跟其他车企比起来简直就是天文数字那基金也得持续买入而这些人的FOMO又反过来助推这些公司有了更离谱的股价所以你可以说这种风口上的垄断公司它坚然就有着巨大的一价但你能因为这个就是说它股价已经过高了吗那也不一定因为如果它能持续这个势头保持这个发展的趋势那它的股价很可能就还不一直涨很多人经常提到一个比喻就刚刚我们提到这种浪潮就有点像之前的淘金热你很难压中哪里有金子或者谁能挖中这个金子但是有个稳赚不赔的买卖就是你得去卖铲子这个英伟达它就有点像是在卖数据时代AI时代的这个产这话吧说着没错听起来确实挺有道理不过我每次听到这个底语就总觉得哪个点不得劲了解一点经济学的人可能都知道你说你要在淘金潮的时候卖产子可能会赚大钱吗一个去的可能会赚点钱可慢慢的大家要是都来卖了产子又不难做你的边际利润就会迅速被吞噬所以在大部分的行业里你去卖这个所谓的产子就是那个上游的生产工具因为它主要门槛太低行业竞争就会很激烈所以利润率根本不高可是英伟达呢它就能靠做这个所谓的铲子做到垄断做到万一失职包括台积电有点类似啊它比铲子还基础就做锤子就是这个做铲子的工具这也能垄断你想不想过是为什么来咱们就来深入聊一聊芯片行业它的特点了大家都听说过摩尔定律吧就是集成电路上可容纳的晶体管的数目每18个月就能翻一倍或者你可以很笼统地理解成芯片每18个月就能快一倍其实这几年CPU的进化速度已经很难再追得上摩尔定律了可是黄仁勋就发现GPU独立显卡它的推进速度好像比摩尔定律预测的还要快大概没两年性能就能翻超过三倍而这个规律甚至都有了他自己的专有名词叫黄氏定律黄死了不管哪个定律这个就是芯片行业它非常显著的一个特点它确实初期的成本投入非常高需要大量的人才和设备更麻烦的是它的更新迭代速度实在是太快这是一个不停的奔跑的行业行业更新速度太快从商业角度讲对这个参与者来讲有个很棘手的问题就是它很难构建自己的护城河护城河对一个公司重要性就不多说了你像传统公司我花个大价钱建个工厂建个铁路那就非常强的规模优势成本优势那这个优势就是个护城河就能帮我守护很长时间那互联网公司护城河就更强了一旦形成网络效应那微信 走音 Facebook 对吧用户就是你极强的护城河这芯片行业呢那不是有摩尔定律 黄氏定律不管你今天推出来一个多炸的芯片两年之后它注定已经落后就你也不知道明年从哪来个毛头小子带着什么新技术去把你给干翻了你就看90年代显卡大乱战那个时候一个成立不到两年的公司就那个3DFX它凭借着那个Voodoo显卡迅速穿成行业表杆五年之后就落寞了被因为打收购了这其实就是它那个护城河还没来得及护住呢就被推了这个行业里边你很难靠一个产品或者一个技术本身形成一个超过两年的护城河当然确实你可以慢慢积累一堆专利来进行自我保护可是事实证明就大部分情况下人家还是有办法能绕过你这堆专利的这个保护能力还并不强你只能不得不持续的奔跑跑得比所有人都快这个奔跑能力本身才是你的护城河放到芯片行业呢其实就是你的研发能力就跟着研发这一整套的人才配套设施组织架构这个才是芯片公司的护城河所以为什么芯片研发贵啊一是它初期成本就很高需要大量的人才更关键的是你还得持续不停的快速迭代快速的奔跑这给一般人谁受得了是吧你就看那些互联网巨头他们已经非常注重科技创新了吧什么亚马逊谷歌微软研发投入其实也就营收的10%到15%可是英伟达呢他就要持续不断的投入25%左右的营收来继续研发你以为那黄氏定律是什么自然规律吗那还不是黄仁勋自己卷自己的结果吗我们要是讲故事可以说英伟达06年之后一直垄断先卡市场这么一句话就完了可实际上他们好几次都是完全颠覆了自己之前的框架和技术就逼着自己差不多每6个月就得推出新一代的芯片你比如说他们最近这个光线 [25:00] RTX技术就完全颠覆了他们之前积累下的方案采用深度学习的方式通过一个像素点来拆边上八个像素点大概长什么样来加速图像处理这种激烈的奔跑速度使得这个行业里必须得是跑得最快人才储备最充沛最财大其出那么两三个公司才能赚到钱其他人肯定得赔跑这也是为什么我们经常看到芯片领域一顿竞争之后经常是以收购收场这里边不光是芯片研发难度的问题更主要是它不经济就连人才资本都非常充足那些互联网巨头不逼到一定份上也不敢轻易踏足芯片领域可是现在就不一样了AI领域可是互联网巨头接下来可能的最大战场之一而这个战场里边显卡就太重要了毕竟显卡决定了计算速度哪个巨头也不希望之后在AI都普及的时代被英伟达卡脖子是吧所以说虽然他们现在还是英伟达最大的客户但他们也都在紧锣密鼓的自己这边开始钻研搞研发等芯片谷歌已经开发出来专门针对人工智能训练的芯片叫TPU据他们自己说比英伟达的显卡计算效率还要高Meta其实早在2017年就开始用2万多台英伟达的显卡来进行AI训练了不过现在他们也要开始all-in自研芯片简称叫MTIA其实2020年开始英伟达就一直积极地想找孙正义底下的软银想以400亿美元的价格买向他旗下这个芯片公司ARM但是像高通 微软 谷歌这些巨头就纷纷跳出来强力反对结果这笔收购就没坦诚你可见这些巨头其实是非常忌惮英伟达的你看啊能从早期显卡行业的厮杀当中冲出来是英伟达的能力能在20年前去布局库的是他的远见能持续垄断显卡行业是他的耐力撞上挖矿海量的算力需求是他的运气而老黄千年不变的穿衣风格是他的专一有了原来长时间的基建现在遇上AI的风口英伟达自然顺理成章地取得了巨大的宪法优势面临全新广阔的潜在市场和虎视眈眈加入进来的竞争对手英伟达到底能不能在新一轮AI混战当中再次杀出重围还很不好说呀就当时很火的各种游戏全都得靠这个污渡显卡这个污渡