近日，DIGITIMES 報道，在新冠疫情大流行期間，數據中心對高性能計算 HPC、AI 應用需求旺盛，英偉達、AMD 服務器芯片銷量正在增加。

實際上，以服務器芯片為代表的英偉達數據中心業務，已經連續多個季度獲得快速增長。從 2019 年財年的 25%，增長到 2020 年財年（截至 2020 年 1 月 26 日）的 27.4%，再到 2021 財年第一季度（截至 4 月 26 日）的 37%。數據中心業務對英偉達整體營收的貢獻越來越重要，和英偉達「傳統」優勢領域游戲板塊業務旗鼓相當。

而就在一個多月以前的 2020 年 GTC 線上發布會上，英偉達切合時宜地順應了云市場需求激增這一市場趨勢。發布會沒有出現傳聞中的 Ampere GeForce RTX 3080 游戲顯卡，數據中心產品卻成為了「絕對主角」，賺足了閃光燈。英偉達推出了第八代 GPU 架構 Ampere 安培，新一代 A100 計算卡，不但在工藝制程上跨越至 7nm，更在多個關鍵性能參數指標上呈數倍、乃至數十倍增長。

這是英偉達時隔三年，再度向市場扔出的重磅「核彈」，英偉達的目標很明確，就是 AI 訓練兼推理芯片、高性能計算 HPC 領域。當然，英偉達占領的也不僅僅是服務器芯片為代表的硬件市場，其最大的「殺手锏」在于軟硬一體的生態布局。

「最大的對手是自己」

英偉達 CEO 黃仁勛評價 A100 GPU，「這是英偉達有史以來最好的數據中心 GPU 芯片，幾乎是當今半導體的理論極限，它是英偉達數十年以來數據中心經驗的結晶。」

的確，A100 GPU 引起了包括亞馬遜 AWS、谷歌云、微軟 Azure、阿里云、百度云、騰訊云等云巨頭，以及戴爾、浪潮、HPE、新華三、思科等系統制造商極大的采購熱情。并且，在 A100 GPU 發布之前，就已經投產，開始逐步向云廠商們交付。

用黃仁勛的話來描述就是「前所未有」。

八年以前，黃仁勛絕對想不到，英偉達能夠 C 端、B 端通吃，踩準了 AI 時代的每個關鍵節點，為深度學習提供強大算力，推動圖片、語音、自動駕駛、機器人、乃至數據中心的飛速發展。如今，相比于 21 年前剛上市時，英偉達市值已翻了千余倍。

2012 年，ImageNet 大賽上，參賽者因使用英偉達 GPU+CUDA，將深度卷積神經網絡 AlexNet 準確率提高 10% 以上，獲得冠軍，也讓英偉達名聲大噪。此后，英偉達 GPU 和 CUDA 軟件一直主導深度學習市場，幾乎所有深度學習開發者離不開英偉達 GPU+CUDA 組合。

包括 2016 年，直接引爆 AI 第三次浪潮的關鍵事件，AlphaGo 大戰李世石，以及亞馬遜 AWS、微軟，國內的互聯網廠商 BAT、美團等 AI 最新進展均有英偉達 GPU 的底層支持。多個第三方研究報告顯示，在云端 AI 芯片市場，尤其是云端訓練方面，英偉達占據絕對主導地位。

云端、企業級數據中心芯片市場，排名前四位的公有云廠商亞馬遜 AWS、微軟 Azure、谷歌云、阿里云的上萬余個實例類型中，只有很小一部分不基于英偉達 GPU 加速。

不過，這不意味著，英偉達完全沒有潛在威脅。英偉達競爭對手大致分為三種：英特爾、AMD 為代表的「老對手」；亞馬遜 AWS、谷歌、阿里巴巴、華為為代表的云巨頭，以及寒武紀、燧原科技為代表的創業型 AI 芯片公司在內的新對手。

實際上，與其說是新老之爭，不如說是 CPU、GPU、ASIC、FPGA 之間的紛爭。盡管，英特爾 Xeon CPU 已經安裝于全球 99% 的數據中心中，但深度學習、AR/VR、IoT、海量數據處理，推動著數據中心從 CPU 轉向 GPU，并成為常態化。

比如，廣告位展示、流媒體、電商平臺推薦引擎系統、智能語音現在均已采用 GPU 驅動。再如，相同時間周期內芯片性能提高的難易程度不同。2017 年，英偉達推出基于新架構 Volta 的 Tesla V100 芯片，是上一代基于 Pascal 架構的 Tesla P100 訓練速度的 12 倍。英偉達在三年之內將 AI 性能提高了 60多倍，而相同時間內，CPU 只能提高一倍。

難怪，黃仁勛自 2017 年以來，多次公開宣布摩爾定律已失效。

在云巨頭方面，無論是 AWS Inferentia、谷歌 TPU、阿里巴巴含光 800 均屬于 ASIC 芯片，側重 AI 推理。云巨頭自研云端 AI 芯片背后的邏輯有兩點，一方面，降低購置芯片的成本，更好服務于自身業務，另一方面，逐步減少對英偉達、英特爾芯片的依賴，提高自己對云生態系統的掌控能力。

一般來說，ASIC 只針對單一場景，速度很快，GPU 的性能以面積和功耗為代價，理論上 ASIC 性能優于 GPU。但 ASIC 研發較慢，有時候趕不上深度學習的發展速度。在價格方面甚至更昂貴，谷歌官網顯示，使用 TPU 價格為 8 美元/時，英偉達芯片則為 2.48 美元/小時。

「AI 訓練芯片的研發難度更高，目前還是 GPU 占據了很大的優勢。主要是英偉達圍繞自己的 GPU 已經構建了豐富的軟件生態。其他 ASIC 或 FPGA 在硬件指標上可能占據優勢，但在生態上比英偉達還落后很多，這也是為什么英偉達一家獨大的原因。 」芯謀研究徐可告訴極客公園。

黃仁勛曾說過，英偉達是一家 AI 公司，更強調英偉達是一家軟件公司，和蘋果類似，通過售賣硬件盈利的軟件公司。

2006 年，英偉達面向開發者推出 CUDA 通用并行計算平臺，通過 CUDA 平臺，開發者可以使用 C 或 C++語言編程，來加速計算應用程序，極大地簡化了軟件開發過程。英偉達投入大量資金構筑 CUDA 生態，通過開設課程、培訓，吸引開發者，滲透至各個關鍵行業用戶，這是競爭對手 AMD 所不具備的能力。

近三四年，英偉達開發者數量增長迅猛，僅 2019 年一年，CUDA 平臺的下載量就超過了 500 萬次。不僅如此，在 CUDA 平臺之上，英偉達還提供 CUDA-X 軟件加速庫集合，其中，CUDA-X AI 囊括了加速深度學習的 cuDNN、加速機器學習算法的 cuML、優化訓練模型以進行推理的 TensorRT 等 15 個庫，此外，英偉達還推出 RAPIDS 開源軟件平臺，加速企業數據分析、機器學習。

去年年底，黃仁勛在接受 GamesBeat 采訪時談到，英偉達基于 GPU 芯片構建出了非常復雜的軟件堆棧，而軟件堆棧是競爭對手不具備的「賽道」。

可見，CUDA 平臺在內的軟件能力，已經成為英偉達的「護城河」。比如，2017 年，英偉達推出面向 AI 訓練和高性能計算的 Tesla V100 芯片后，長達兩年多的時間里，沒有新的后續產品推出。軟件成為提高 AI 性能的關鍵，ResNet-50 神經網絡在軟件的幫助下，AI 訓練能力提高了 100%。

在 GPU 硬件方面，英偉達也在鞏固、增強固有優勢。2019 年，英偉達收購 Mellanox，彌補了英偉達在數據中心低延遲互連及網絡方面的欠缺，顯著增強 NVLink（GPU 與 GPU 互聯）和 NVSwitch（整合多個 NVLink）互聯的速度與可擴展性。

2016 年，英偉達面向 AI 創業公司，推出初創加速計劃，幫助 AI 創業公司加速孵化、商業落地。巨頭競爭的本質是生態上的競爭。

「生態和軟件非常關鍵。AI 芯片只是底層的工具，AI 開發者對 AI 芯片相關生態和軟件的選擇，決定了芯片的前途。」徐可說。

在經歷游戲顯卡業務想象力登頂，比特幣挖礦機行業「過山車」式的起伏后，英偉達正憑借數據中心業務進階 B 端。現在看來，英偉達押寶數據中心前景與錢景巨大，數據中心業務與英偉達強大的軟件、生態能力產生的化學反應，正驅動英偉達在芯片市場講出一個新的增長故事。