问： 英伟达(NVDA)近期上攻$1000的高位后，多空分歧开始剧烈，不少人拿出当年互联网泡沫时Cisco的尖峰图做对比。 您怎么看？百度 原标题：男子瘫痪在床想申请因病退休却被告知要亲自到场鉴定2016年，南京一位市民突发脑溢血，住进了医院，之后一直瘫痪在床，失去了行动能力。
答： 但在大多数情况下，用旧数据来短期预测股市是意义不大的：因为变量太多，情况完全复刻的概率极低。但是，分析科技股一定是要分析其未来数十年的发展逻辑，而且这个逻辑是相通的。问： 但是，市面上就没几个人把英伟达的逻辑说清楚的。至少我没看到。答： 看清英伟达的逻辑确实相对门槛比较高，它至少有三层：- 总AI市场需求(TAM)够不够大？这个生意能赚多少年？
- 英伟达现在爆好的业务会不会昙花一现？大厂们完成硬件军备竞赛完成后不再需要采购了？
- 英伟达的护城河够深吗？未来竞争对手能抢走多少份额？
问： 我知道科技股巨头绝大多数有个特点，就是有所谓的“护城河”。但英伟达这个护城河是怎么回事，道上各种神仙妖魔经常是乱吹一气，实在不知道应该听谁的。答： 我一直这样认为，科技公司的护城河，大多是软硬一体的，这样就可以持续半个世纪以上。纯软件或纯硬件成功的公司肯定也有，但不影响我的核心观点。问： 您能给出一些例子吗？答： 我从过去50年每个十年分别找出个例子，来做一下说明。 1970年代最重要的软件技术是关系型数据库，我们简称SQL吧。SQL使得企业的信息化启动了，手写帐变成了电子账，带来第一个万亿级赛道。我们要提的这家软硬一体公司，就是IBM。IBM的工作，简单说，就是给企业用上SQL，配上IBM的主机。1980年代，大家都听过神奇CEO带着IBM大象跳舞，其实主要是职业经理人的自我吹嘘。所谓跳舞就是砍掉硬件转型服务，而事实是主机是IBM真正的护城河，它根本没被砍，装SQL的“服务”业务是市场爆炸需求，也不是职业经理人发明的。IBM主机业务50年经久不衰，我们大家的存款大多还是IBM主机管着。虽然很多人都以为IBM已经完蛋了，但它的股价其实现在是创新高的。 1980年代最重要的软件技术是图形界面，我们简称GUI吧。GUI使得PC爆发增长成为每个人的工具，这里的代表公司是WINTEL。微软和英特尔确实是两家公司，但由于两家是事实上PC标准的制定者而软硬件深度绑定。他们的成功也持续至今，虽然英特尔近几年碰到不少问题但在PC领域仍是领头羊。 1990年代最重要的软件技术是万维网，我们简称WWW吧。WWW中最重要的软硬件一体公司是思科(CSCO)，思科从那时至今仍是互联网后台最重要的公司，我们如果除去2000年泡沫的尖峰，思科的股价其实也是稳步向上的状态。也就是说，和IBM类似，思科的核心生意从那时开始一直赚钱至今，只是这个生意没大家想象的那么大，换机频率比较低。思科曾有个巨大的失误，就是其终端路由器WRT54G错误地选用了Linux，因GPL协议的原因被迫公布了源代码，这导致所有公司一下子都会做普通路由器了。如果思科当时像苹果MacOS那样选FreeBSD，这个软硬一体恐怕还能多赚很多钱。 2000年代最重要的软件技术是虚拟化，也叫Hypervisor。这里面最出名的公司是VMWare，它的最核心产品其实是服务器底层(Bare-Metal)操作系统。VMWare的软件非常非常优秀，但它缺乏深度的硬件绑定自身难以成为超级巨头，反而被硬件公司买来卖去的。最终成功应用虚拟化做到软硬一体的公司，是亚马逊、谷歌和微软，他们使得互联网变成工作生活必须的基础设施，给你提供各种信息和商品。 2010年代最重要的软件技术是移动操作系统，iOS和Android。苹果做到iOS软硬件一体而赚走了手机业90%的利润，这里不用多讲吧。 2020年代最重要的软件技术显然是大语言模型，我们简称LLM。问： 您之前列的那些软硬件一体，都是奔着持续挣50年大钱的，我承认。但是LLM真的能和那些前辈相提并论吗？答： 答案是肯定的。这就是看多英伟达的第一层，而且我相信华尔街也达成了共识，所以才会疯狂追捧。 Hinton说，GenAI(LLM)标志了仿生智能（连接派）在与符号逻辑智能（符号派）的竞争中胜出。而这个胜出一下子为后面AI代替人的几乎所有事情画清了路线图，甚至人无法做的那些事机器如何做也都有了眉目。 黄仁勋说，人的DNA序列也是个语言，我们还不知道它是什么意思，形成的各种蛋白作用是什么，但LLM未来大概率可以告诉我们。这为未来的医学打开了一扇巨大的门。 简单说，过不了几年LLM就是任何人不可缺少的随身伴侣，普通人花十几年的巨额代价学外语学数理化都将变得没有意义。问： 停！你吹了半天LLM，可英伟达不是做LLM的呀，你不是说软硬件一体么，而且训练LLM的GPU，好多家都能做呢。另外，英伟达这几个季度业绩超预期，是各个大厂抓紧采购的结果，他们急需AI平台炼丹来追赶OpenAI等公司。等他们都采购一圈了，数据中心也建好了，英伟达的业绩也就不行了吧？答： 确实，目前是AI届的军备竞赛，先买够装备再说。从分析师给出的数据看，前两家大厂采购量最大，其它家还远远没到呢。目前暂时无法判断需求已经见顶，从英伟达指引看交货还成问题，这个军备竞赛至少还要持续一年。等到这轮军备到位了，更新换代也该到来了。因为目前的硬件还是存在明显的性能问题，我们看到炼GPT-4这种丹需要超过一年的时间。按黄老板的估计，未来十年AI算力会增加100万倍，这个有意思了，逼着大厂们不停地更新换代啊。这也就是黄老板说的，英伟达自己将和自己竞争。问： 那第二层我明白了，我们看第三层。这些算力的增长可不一定是英伟达独吞呀，英伟达的护城河到底有多深？我看CUDA被吹到天上去了，不就是些软件库么，我看竞争对手都有竞品了呀。AMD有ROCm，英特尔有oneAPI。答： 你有没有发现，你在网上很难找到真正对比评测的内容。为什么呢？因为他们和英伟达的差距比你的认知大得多的多。问： 我看到英特尔CEO Pat Gelsinger说：“我们认为CUDA护城河又浅又小。”硅仙人Jim Keller说，“CUDA就是沼泽地，不是护城河。”这些大咖明显看不上CUDA的嘛。答： 我得承认，你看到这些评论后，一定会产生CUDA没什么了不起的感觉。但事实上，他们正是用含糊的语气故意让你产生这种错觉。Gelsinger其实加了点解释，他认为CUDA只是训练有用，推理时就可以不用了，推理可以用英特尔AI处理器。Jim Keller说的沼泽地什么意思他没认真解释，他认为X86也是沼泽地。事实上，正是积累了超过十年的沼泽地，让竞争对手根本没办法抄。你知道怎么铺柏油路，但你不知道怎么搭建一片一模一样的沼泽地。就像微软的Office，设计和代码一团乱麻，但就是一种能前后兼容的沼泽地。问： 你说的还是不够清楚，像AMD这样已经有强大GPGPU的厂商，不需要抄CUDA，自己重新搞一套标准库不就好了，像新铺一个柏油路。答： 这就说到什么是英伟达的软硬一体了。事实上，15年前厂商们就在一起搞了一个叫OpenCL的计算框架，但因为市场太小各家又同床异梦，有bug又长期不解决，导致它现在半死不活。AMD搞CUDA的竞争平台ROCm也不是一天两天了，是七年多了，但是同样投入资源不够，各种问题拖到用户崩溃，导致用户基本都流失了。而英伟达，黄老板自称是个软件公司，软件工程师比硬件工程师多。问： 那也就是CUDA没有像样的竞争对手了？ 英特尔正是看到OpenCL和ROCm都深陷泥潭，决定抽身出来新铺一个路，这就是oneAPI。客观地说，oneAPI确实志向高远，它试图囊括所有家的GPU，CPU，FPGA等做个高级抽象平台。问： 没听太明白。人家AMD一种硬件都搞不定，你搞各种硬件反而能搞定？答： 类比一下吧，英特尔搞的这个东西，有点像谷歌搞的安卓用Java，在各种厂商的不同硬件上都能跑；而CUDA像iOS只能在英伟达GPU上跑，但性能最优。英特尔收购了一家叫Codeplay的挺厉害的公司，目标是通过SYCL语言实现跨平台和各种可移植的库。但其挑战是，SYCL远不像当年Java那么流行而且有极其丰富的程序员资源。问： 明白了，那CUDA算是遇到挑战者了？答： 还远远没有。高性能计算需要完善的硬件层、驱动、集群、底层库和上层应用(PyTorch，编译器等)的深度绑定，CUDA没有一个短板。而其竞争对手除了最基本的GPU芯片性能类似，别的部分都遥遥落后，单一个驱动程序都bug百出。AMD的MI300虽然单机性能强，但并没有那么大的实战意义。这就是黄老板说的，他们的硬件白送，搞出LLM的成本都比英伟达高，因为各种错误时间耗不起。问： 你说的集群是什么意思？答： 炼丹超大型LLM，需要千颗以上的GPU协同工作，这种量级针对LLM的集群软硬件生态，目前只有英伟达独此一家。即使说到几颗GPU的小集合，英伟达都是遥遥领先，这就是我们看到的Hopper架构，GPU之间连接的NVLink和NVSwitch是英伟达私有技术，AMD用的PCIe并不能与之抗衡。H200首家采用的HBM3e，有恐怖的4.8TB/s带宽来有效突破内存墙。再过两天英伟达开GTC，不知道还会有什么东西拿出来吓人。问： 你真是英伟达吹啊。难道它就没什么弱点可以击破吗？答： 在美国的H1B工签抽签环境下，程序员是非常稀缺的资源。加上美国互联网业发达和基础教育薄弱，其程序员的缺口巨大。驱动程序和计算库这种低性价比的东西，美国程序员大多是不爱做的。 和美国形成鲜明对照的是中国，基础教育卷到发指，程序员资源如滔滔江水。我们看到，由于中美高技术脱钩，中国必然全力发展自己的新质生产力。那些AMD和英特尔正在苦苦挣扎的库都是开源的，我们只要投入足够、力出一孔，必然可以大幅度缩短和英伟达CUDA的差距。
*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。
加入技术交流群
