成功的一種方式是在正確的時間出現在正確的地點（假設你足夠聰明可以識別到這個機會）。預見市場的發(fā)展是另一種方式，而創(chuàng)造市場則是成功的另一條路徑。Nvidia在AI領域做到了這一切，甚至更多。

在大型語言模型（LLM）、Transformer和生成式AI大行其道之前，Nvidia就已經開始了當時所謂的“加速計算”或GPU計算，并使用其CUDA C++類似的編程語言作為催化劑和通道，來利用GPU的并行處理能力。GPU是復雜的設備，讓多個數據線程正確且同步地運行是一個棘手的過程。CUDA減輕了很多這方面的工作，而且回報非常好，以至于大型組織中的數百名開發(fā)者利用它建立了一個龐大的專有和開放程序庫，這些程序運行在Nvidia的GPU上。

當生成式AI出現時，已經有了大量的CUDA程序員。這部分歸功于Nvidia在2000年代末的遠見，在全球大多數主要大學設立CUDA編程課，并由Nvidia承擔費用。這是一個大膽的投資，而且得到了豐厚的回報，這也是創(chuàng)造市場概念的一部分。

Nvidia還雇傭了許多AI領域的超級明星，盡管當時他們在AI業(yè)務上并沒有很多，但公司投資于未來。這是預見市場的一部分。

Nvidia已鋪墊好一切，而生成式AI就這樣飄然而至。此后每次都是如此。市場就在計算機社區(qū)前面發(fā)展，幾乎在其他人識別到這個巨大機會之前，Nvidia就擁有了它，在正確的時間出現在正確的地點。

Nvidia擁有90%或更多的AI訓練市場以及基于云的推理市場，通過基于云的LLM支持。他們擁有大量的工具和示例庫，以及26,000名員工和該領域的科學領軍人物。有人能趕超Nvidia，并向其發(fā)出挑戰(zhàn)嗎？

要追趕Nvidia，僅僅開發(fā)獨特的AI處理器是不夠的。那么為自己的處理器開發(fā)一個類似于CUDA的東西，并將其提供給開發(fā)者，會是超越的訣竅嗎？可能是，而像OpenCL這樣的東西確實存在。

任何專用設備都無法與Nvidia的規(guī)模經濟競爭。Nvidia將GPU銷售給游戲玩家、汽車客戶、工程師、超算中心、電影制片廠以及AI研究人員和開發(fā)者。Nvidia提供每FLOP的最低成本，并且提供多種封裝和系統(tǒng)。是的，專用的特定應用處理器總是會超過通用處理器的性能。但是，特定應用處理器在價格上無法競爭，無法與通用處理器的發(fā)展速度相匹配，尤其是像GPU這樣的處理器。

簡單算一下，Nvidia擁有26,000多人。一個初創(chuàng)公司有多少人？可能100人，最多也許500人？Nvidia已經從事GPU業(yè)務超過23年，他們擁有無數的經驗、人脈、資源和資金。Nvidia還擁有某些需要時間，甚至多年時間才能獲得的東西，即軟件、軟件工具、庫，以及成百上千的客戶用GPU做出了Nvidia和其他人沒預料到的案例，但這一切都回到了Nvidia。

Nvidia已經這樣做了十多年。他們的游戲AI軟件，稱為DLSS（Deep Learning Super Sampling），已經徹底改變了游戲行業(yè)，并迫使AMD和Intel處于追趕模式。目前已有500多款游戲在使用它。這至少帶來了兩個結果：一個是龐大的用戶體驗，可用于調優(yōu)和開發(fā)改進版本和功能；另一個是客戶忠誠度。AI領域也是如此。

如何說服開發(fā)者支持自己？

那么，什么因素能激勵潛在客戶或現有用戶為一款未知的AI處理器開發(fā)庫呢？

客戶關懷、對應用的專業(yè)知識，以及為特定應用精細調整的處理器。Nvidia擁有眾多垂直市場的專家和領域專家，例如模擬、渲染、LLM、HPC、可視化等，但他們不可能為每個應用都配備專家，尤其是那些四五年才購買一次處理器的應用。因此，你會看到初創(chuàng)公司吹噓他們在非常深奧的應用領域取得了設計勝利。這是沒問題的。從Nvidia的角度來看，這反而消除了低容量、購買頻次低的干擾。

Nvidia現在無疑是華爾街的寵兒。Nvidia面臨的挑戰(zhàn)將是找到新的AI應用。醫(yī)療領域可能是AI的主要市場，那里沉淀著幾十年的研究和病人監(jiān)測數據。其他大型應用包括重新審查從衛(wèi)星到地震的地球物理數據。物流也為AI提供了巨大的投資回報機會，這與數字孿生和機器人技術緊密相關。因此，Nvidia的可用市場總量（TAM）相當大，他們面臨的問題將是決定追求哪些領域。但他們有許多聰明人在思考這個問題。

AI處理器初創(chuàng)公司應該做些什么來獲得一些支持？盡可能遠離Nvidia。找到Nvidia尚未滲透的細分市場，這是對初創(chuàng)公司AI意識的真正考驗。如果他們找不到這些細分市場，說明他們對市場的了解并不充分，不應該浪費投資者的資金，因為他們不知道客戶是誰，這些硬件永遠不會被購買。

對于初創(chuàng)公司來說，局勢本來就不利。首先，大公司喜歡與大公司打交道。他們希望有一個財力雄厚的供應商，一旦出了問題，至少他們可以起訴供應商。他們還希望能夠一直為他們提供支持。對于大公司和有長遠眼光的政府機構來說，初創(chuàng)公司風險很大。

AMD和Intel

那么，如果初創(chuàng)公司無法真正與Nvidia競爭，誰能呢？另一家大公司，比如AMD，或許還有Intel。

AMD剛剛宣布了一系列從上到下的AI產品，直接面對Nvidia，并在許多測試案例中超越Nvidia。該公司表示，新款MI300X GPU超過了Nvidia H100的速度，具有2.6 petaFLOPS的FP8性能。不僅如此，AMD還與Nvidia的所有合作伙伴建立了穩(wěn)固的合作關系，因此它們是久經考驗的實體。

Intel也潛伏在暗處，準備推出自己的AI處理器、軟件和服務。Intel已經建造了超級計算機GPU計算加速器，并且還有更多在開發(fā)中。Intel還擁有一些像Gaudi2這樣的ASP AI加速器，用于深度學習，以及開放的軟件和工具。Intel知道并且被計算機行業(yè)中的每個人所熟知。

市場已經成熟。Dell亞太及日本區(qū)總裁Peter Marrs最近評論說，買家不會容忍Nvidia交付GPU的漫長周期，這使得新玩家有機會進入市場。AMD的Lisa Su表示，買家不必等待，我們已經準備好了。她在最近的一次演講中說，“AI絕對是AMD的首要任務”。

像Amazon、Google和Microsoft這樣的公司已經構建并正在構建自己的ASP AI加速器。它們按分鐘出售處理器時間，并將為自己的處理器提供更優(yōu)惠的費率，同時仍然提供AMD和Nvidia的G(PU)aaS GAI GPU。

那么，當所有大公司聚集在一起，滿足當前對GAI加速器無法滿足的需求時，初創(chuàng)公司的機會何在？

生產晶圓級WSE-2芯片的初創(chuàng)公司Cerebras有了一個良好的開端，它獲得了一個價值1億美元的超級計算機集群“Condor Galaxy”的建設協(xié)議。Cerebras希望為總部位于阿聯(lián)酋的G42（Group 42）建造九個設施，總成本為9億美元。

另一家備受矚目的生成式AI加速器初創(chuàng)公司Tenstorrent透露，Samsung將代工生產Tenstorrent基于RISC-V的處理器。如果Tenstorrent提供完全開放的RISC-V ISA，那么他們將帶來通用AI處理器，而不是像Cerebras、Google或Intel那樣的特定應用處理器。這將使他們直接面對Nvidia和AMD的競爭。

還有其他AI處理器初創(chuàng)公司，包括Hailo，它為邊緣AI應用提供神經學習處理器，以及Axelera AI，后者提供基于硬件和軟件的平臺，加速邊緣AI推理。大約有十家公司提供某種類型的ASP AI處理器。

在AMD創(chuàng)立之初，IBM、Amdahl和Intel是當時王者，挑戰(zhàn)他們看起來是非常愚蠢的。當Nvidia剛開始時，市場中已經存在著包括IBM在內的十幾家圖形處理器公司，挑戰(zhàn)他們也被認為是愚蠢的。Intel是在強大的Fairchild之下起步的，同樣也被認為是愚蠢的。

那么，初創(chuàng)公司挑戰(zhàn)Nvidia的機會是什么？沒有，因為這是非常愚蠢的，直到它變得不再愚蠢。

審核編輯：劉清