輝達的創始人兼CEO老黃，雖然60多歲了，但看著他最近一系列的密集運作，體力真是令我欽佩。前不久，輝達50億美金投資了Intel，佔股大概有個4%，實現了這對世紀冤家的“歡喜大結盟”。而就在昨天，輝達宣佈“霸凌式投資”OpenAI 1000億美金：現階段一分不給。等到OpenAI用輝達的卡每建成1GW的資料中心後，才打款十分之一，也就是100億，而為了這1GW的資料中心，OpenAI要花500-600億，其中300-350億要給輝達。而OpenAI此前還和甲骨文簽了5年3000億美金的雲服務合同，為了提供這個服務，甲骨文還得去買輝達的卡。而甲骨文自己手頭根本沒有那麼多錢，甲骨文客戶給它的錢都屬於還沒付的應收帳款，它自己必須去融資或者發債，才能”賣腎買卡”。最後，今天阿里宣佈了和輝達的一系列合作，Physical AI之類的概念一大堆，其實開發者由此可以在阿里雲上使用輝達的軟體棧，但在我看來，其關鍵在於，市場似乎認為輝達找到了在無法直接賣卡給中國公司的困局下，依然和中國公司保持緊密合作的妥協方案，這對它的“護城河”尤為關鍵。今天這篇文章，是Ben Thompson最近連續幾篇關於輝達文章的合集，我把不相關的內容去掉了，最後是Sam Altman今天凌晨發表的一篇小部落格的譯文，他解釋了下為何OpenAI最近會瘋狂買算力（也就是為什麼老黃最近會春風得意），我給合成一篇發表了（有些敏感詞我用同義詞替代了）。【正文開始】今年二季度，輝達的當季營業額達到了467億美元，基本符合分析師預期。但是，關鍵的資料中心部門data-center segment（就是賣晶片的部門）的營收，增長了56%，但仍然略低於分析師預期的413億美元。輝達預測，第三財季營收為540億美元，略高於華爾街分析師的一致預期。但是，在連續多個業績大增的季度之後，這一營收增速被認為不過如此，並引發了人們對於AI晶片需求增長可能已趨於瓶頸期的擔憂。當時在財報發佈後，輝達股價三連跌。但是，我認為，分析輝達財報最重要的是看“供需平衡”。一年半前，我就指出過這一點，現在仍然如此：只要市場上對輝達GPU的需求超過供應，輝達的銷售額就取決於他們能生產出多少 GPU。供應當然在增加，這也正是輝達銷售額能持續攀升的原因，但是，假設供應只是線性增長，那麼到頭來，隨著基數變得越來越大，因為輝達此前的營收本身已實現指數級增長，輝達的增長率這個數字就勢必會變小了。從一個有趣的角度來看待輝達和中國，以及黃仁勳極力想向該國出售產品的原因，就是輝達“護城河moat”的本質。黃仁勳在回答一個關於 ASIC 的提問時說道：“我們先談談 ASIC，很多項目都起步了，許多初創公司湧現，但真正能打造產品的少之又少。原因很簡單，這事兒太難了。加速計算accelerated computing，不同於通用計算general-purpose computing，你不能只是寫個軟體，然後編譯成可在處理器上運行的程式碼。加速計算，涉及全端的協同設計full-stack co-design。而過去幾年裡，AI 工廠變得愈發複雜，因為問題規模激增。這真的是當今世界上最終極、最極端的電腦科學問題，所以全端都很複雜。模型在飛速演進，從基於自回歸的生成模型，到基於擴散的生成模型，再到混合模型和多模態模型。湧現出的不同模型，實在太多，要麼是 Transformer 的衍生模型，要麼是 Transformer 的衍化模型，數量之龐大令人望而生畏。”“而輝達的一個優勢，就是輝達無處不在。所有雲，都有我們的存在，每家電腦公司，都在用我們。從雲端、到本地、再到邊緣乃至機器人領域，我們都採用同一個程式設計模型。因此全球每種框架都支援輝達。當你建構新的模型架構時，在輝達上發佈是最明智的選擇。我們的平台具有多樣性，既能適應任何架構演進，又遍佈各處，並且我們加速了整個流程，從資料處理、預訓練、到帶有強化學習的後訓練，一直到推理。所以，當你用輝達平台建構資料中心時，其效用是最好的，裝置壽命也長得多。”上述回答，其實已經體現了護城河的兩個層面。第一，就是 CUDA本身，輝達控制了GPU的軟體棧，這是默認選項，然後是CUDA 的普及度，由於CUDA 無處不在，這意味著你可以前往任何雲廠商，也可以找到熟悉 CUDA 的開發者。黃仁勳還說：“再補充一點，除了剛才說的這些，這本質上已經成了一個極其複雜的系統級問題。大家總是談論晶片本身，許多人談論的 ASIC 就只有一個，也就是 GPU。但為了打造 Blackwell 平台和 Rubin 平台，我們還得打造 CPU 來連接高速記憶體，為 Agentic AI 提供所需的大容量、超高能效快取，以此連接到 GPU，再連接到超級 NIC，再連接到縱向擴展交換機，也即NVLink，如今已發展到第五代，然後再連接到橫向擴展交換機，無論是 Quantum 還是 Spectrum-X 乙太網路，再進一步橫跨交換機擴展，以便我們為那些擁有數吉瓦計算能力、互聯成網的 AI 超級工廠做好準備。我們稱之為 Spectrum-XGS。所以，我們所做的一切複雜得難以置信，而且，現在這一切都是在極其龐大的規模下完成的。”這就是護城河的第二部分：網路networking。我一直在討論輝達的GPU，但實際上，GPU是在系統層面協同工作的，尤其在訓練方面。而輝達將多顆 GPU，聯結為單一協調系統的能力，無人能及。這也成了一個重大的收入驅動力：本季度，2025年Q2，輝達的網路業務收入達到73億美元，已經超過了其2019年收購 Mellanox 時支付的價錢，而Mellanox 正是其網路產品的基礎。這筆收購，堪稱史上最成功的收購之一。“最後再說一點：我們之所以能進入所有雲平台是有原因的，我們是最節能的，我們的每瓦性能performance per watt，是任何計算平台中最好的。而在電力受限的資料中心，每瓦性能，直接驅動營收。各位也聽我說過，在很多情況下，你買得越多，增長越快the more you buy, the more you grow。再加上我們的每美元性能performance per dollar，也就是性價比實在驚人，因此我們的利潤率也極高。所以，採用輝達 架構所帶來的增長機會和毛利空間絕對是最優的。所以每家雲服務商、每家初創公司、每家電腦公司都選擇輝達 ，我們真正提供的是 AI 工廠的一體化全端解決方案。”上述最後一點，也即第三點，我認為或許是輝達在西方世界（注意是在西方）長期護城河中最關鍵的組成部分。如果，AI公司最終受到功耗限制，那麼他們就必須最大化每瓦性能，只要輝達還在這一指標上保持領先，他們高昂的價格，就物有所值。（關於AI大模型的性能雖然越來越強，但消耗的tokens卻越來越多，可見這篇：Token的成本下降10倍，但大模型公司卻離盈利越來越遠AI 公司們如今陷入了一種囚徒困境：他們都必須提高模型性能，以領先競爭對手，但他們提高性能的方式，實際上摧毀了自身的盈利能力，與此同時，輝達則扮演著那個收稅人的角色：AI 公司虧得越多，輝達賺得就越多。）然而，在中國，功耗很可能不會是限制因素，因此，輝達的護城河將更多地依賴CUDA，而這一切的前提，是中國公司的大模型，的確使用輝達的晶片來進行訓練和推理。讓中國公司使用輝達的晶片，其實確保了美國對主流 AI 軟體棧的主導地位，但是反過來，如果中國公司不用輝達晶片，其實不僅削弱了美國的控制力，而且對輝達而言，將長期威脅其在世界各地的銷售。原因事關整體競爭格局，一旦由中國推出了開源CUDA 的替代方案，且形成規模，不僅中國市場，全球市場上的輝達晶片，都將面臨競爭。黃仁勳其實以一直依賴都在擔憂，中國肯定是未來 AI 晶片最重要的市場之一，然而，即便不受到限制，可以自由銷售，輝達在該市場也沒有可持續存在的差異化優勢。關於不久前，輝達投資英特爾50億的案子，Ben Thomson認為這筆交易的最大輸家，並非台積電，而是AMD：“一直以來，AMD區別於Intel之處，在於它不僅在x86 CPU領域展開競爭，還在GPU領域有所佈局，這得益於其2006年收購了當時輝達最大的競爭對手：ATI。但不幸的是，AMD的軟體實力向來不足，它既沒有建立起像輝達那樣的AI軟體棧，也不具備輝達的網路能力。這意味著，同時擁有CPU和GPU業務，並未給AMD帶來原本可能擁有的優勢。如今，對於那些想要輝達GPU又需要x86 CPU的公司來說，Intel將成為顯而易見的首選，而且這些Intel CPU還將擁有AMD所沒有的另一項專有技術：比如Thunderbolt。不過，需要指出的是，這種損失對AMD而言，更多隻是錯失良機。AMD在只看重性能和總體擁有成本（Total Cost of Ownership）的領域，依然表現強勁，而且這一勢頭應會持續下去。實際上，你也可以說這筆交易在相當程度上延長了x86架構的生命力，而這歸根結底對AMD也是有利的。”附：Sam Altman最新Blog《豐裕的智能Abundant Intelligence》AI 服務的使用增長，令人驚嘆，但我們預期未來會更加令人驚嘆。隨著 AI 變得更聰明，獲取 AI 將成為經濟體髮簪的基本驅動力，甚至最終會成為一項基本人權，幾乎所有人都會希望有更多的 AI 為自己工作。為了能夠提供世界所需，既提供運行這些模型的推理算力，也提供讓它們持續變得更好的訓練算力，我們正在發力鋪設基建，以便顯著擴大我們建設 AI 的雄心。如果，AI 按照我們認為的軌跡進步，那麼許多驚人的事情將成為可能。也許，在 10 吉瓦的算力下，AI 能夠找到治癒癌症的方法；也許，在 10 吉瓦的算力下，AI 能夠為地球上的每一位學生提供個性化輔導。如果，受到算力限制，我們就不得不在兩者之間取捨......沒有人願意做這種選擇，所以讓我們盡快開始吧。我們的願景很簡單，我們想打造一座工廠，每周都能產出 1 吉瓦的 AI 基礎設施。要把這件事執行出來，極其困難。達到這一里程碑，需要我們用上數年時間，並且要求在整個技術堆疊的每一層——從晶片、供電、建築、機器人——都進行創新。但我們一直在為此努力，並且相信這是可行的。在我們看來，這將是有史以來最酷、也最重要的基礎設施項目。我們對在美國大規模建設這些設施，格外興奮。眼下，其他國家在建設晶片晶圓廠以及新的能源產能方面的速度，遠快於我們，而我們希望扭轉這一趨勢。在接下來的幾個月裡，我們將談一談部分規劃，以及我們正在與之合作、把這一願景變為現實的夥伴。今年晚些時候，我們會介紹我們的融資方式，鑑於如何提升算力是提升收入的關鍵所在how increasing compute isthe literal key to increasing revenue，我們有一些有趣的新想法。 (一個胖子的世界)
