万亿帝国英伟达的三大优势与三个风险，看看如何把握投资机会！
让英伟达一飞冲天的，是ChatGPT背后技术生成式AI带来的算力需求。生成式AI的特色在于能自行消化各种资料后，进一步推论出回答。其中关键在于，前期就必须喂养各种讯息，以建立庞大的语言模型（LLM），才能产出精准结果。
这意味着生成式AI需要的算力将不同以往，必须依靠GPU。GPU和CPU两者处理计算的方式不同。GPU内的资料处理是同时平行运算；CPU则是按顺序进行，两者没有优劣之分，但GPU更适合处理AI的各种运算，这也是为何英伟达如今能大杀四方的原因。
不过，AI的发展还处于萌芽阶段，各家企业也开始探索该如何更好的运用新科技优化营运，加上诸如AMD、英特尔等对于AI也都有进一步的布局。乘着浪潮登顶的英伟达，在未来的发展上，有哪些值得关注的地方？
三大优势打造AI王朝，英伟达将来还会做些什么？优势一：与服务器厂关系紧密，为AI模型运算顺畅关键
产业分析师指出，AI模型运算能否能运行顺畅，软硬件的整合相当关键。而英伟达目前在与服务器厂的关系上，拥有十足优势。
广达技术长暨副总经理张嘉渊就两面向分析，以企业应用来说，未来不同类型的企业会有属于自己的AI模型；若以云端大厂需求来看，诸如Azure、AWS和Google这样的云端服务供应商，面对不同产业，对AI服务器客制化需求也会攀升。
张嘉渊指出：“要做到客制化，就要有芯片、系统和软件公司等一整个生态系的互相配合。”这意味着，身处第一线的服务器厂，未来整合的角色将会越来越重要。这也就不难理解，为何黄仁勋的一趟旋风访台，会频繁地出现在各家服务器厂的活动上。“这不是传统的代工，是需要花力气co-design（共同设计）的过程，会慢慢变成生态系。”张嘉渊说。
不仅如此，英伟达当前产品已能满足多样的客制需求。无论是资料中心要用到的大规模运算，或是单一公司内部需要的AI服务器，英伟达都能提供从单一GPU到关键模组等各式产品，这也是英伟达之所以能在AI服务器市场攻下9成市占的因素之一。
虽然英伟达产品价格虽然高昂，但张嘉渊表示，客户目前最在乎的是“整体效能”，只要服务器能运算快速省下诸多电费，成效表现也佳，即使花多一点钱购买英伟达产品，客户也心甘情愿。回应了黄仁勋的口号：买越多、省越多。
优势二：CUDA固守企业防线，竞争者难切入
从软件端来看，英伟达当年努力开发的CUDA，是支撑AI版图的关键。以硬件投资为主的聚达创业投资管理顾问合伙人余东洛指出：“CUDA里面有很多library（函式库），已经针对GPU架构深度优化。例如需要某种矩阵乘法，可以直接呼叫已经优化好的函式或API，轻易在英伟达GPU上达成最佳效能。”
换句话说，不少采用英伟达产品的企业客户，已拥有一批理解CUDA架构的工程师。AI软件新创iKala创办人程世嘉就表示，若要重新养一批人适应新架构，除非诱因够强，否则机率不高。意味着即便竞争对手想切入，就必须先打破CUDA这道坚固城墙。
不过当前如英特尔和AMD等竞争对手，正在想办法打破英伟达的垄断局面，开发能无痛从CUDA转移到其他平台上的工具。研调分析师认为，这将促使英伟达加速升级CUDA上的现有功能，以及软硬整合的力道，降低客户流失的可能性。
优势三：布局云端算力，打造一条龙AI服务
近期英伟达将DGX超级电脑搬至云端上所推出的DGX Cloud，为提供云端AI运算的服务，用要让无法负担GPU价格的企业，也能在云端上享受到大算力，是一种AI版本的软件及服务（SaaS）。
这样的布局也让英伟达从单纯的硬件商，转变为云端算力的提供者。分析师认为，这可让英伟达在未来，能够抢攻高端市场，例如气象模拟、地球模拟或国家级的精密运算；更可能在算力不足的AI发展期，抢占红利。
此外，这样的做法也让英伟达率先与新创搭上线。iKala共同创办人暨执行长程世嘉指出，对新创来说算力是稀有资源，“云端巨头的公有云，对新创说成本可能太高。”然而，透过英伟达的这套服务，服务可以轻松部署到更多地方。
HOMEE AI创办人杜宇威也表示，英伟达所提供的云端运算服务，可帮助HOMEE AI将基础建设更快速部署全球，满足大型的家具品牌商客户的需求。HOMEE AI是一间运用AI技术，提供即时3D居家摆设建模的软件供应商，致力于家具业的数位转型。
“重点在于要让很多人同时在线，并运行得很顺畅。我们早就有在做加速，但和英伟达合作后，HOMEE AI就能服务全球更多家具品牌。”杜宇威说。
没有永远的王者，竞争者将如何追上英伟达？风险一：AI模型走向开源、微缩，小型IC设计商也能打客制化市场
虽然英伟达当前在AI算力市场上大获全胜。不过余东洛分析，在ChatGPT问世以后，开源几乎已经是模型发展的共识。这意味着，若企业希望用ChatGPT来开发自身专属的语言模型，需要多少记忆体、频宽等都开始能够预估，“以前（没有开源模型）大家不清楚，现在就知道了，就有机会依据某些开源模型版本，做一颗特定功能的ASIC（客制化芯片）。”
不同于通用GPU，ASIC要达成的任务单一且明确，运算速度更快，加上不同领域要加速，有各自know-how，是小型IC设计商能选定的市场。耐能智慧创办人刘峻诚比喻：“ASIC就像小客车，在城市钻来钻去比较省油。但现货车（GPU）才刚出来，大家会慢慢意识到有些地方开小客车就可以。”
此外，已有组织在研究如何缩小LLM，满足“小又精准”的需求，“如果能做到，之后在推论（inferencing) 时，就不一定要放在英伟达的平台上去跑。”
缩小有两种，一种是从AI训练（training）开始就想办法把模型缩小；另一种则是把训练好的大模型，在精准度不变的状况下，用各种方式降低参数量，在这个状况下，边缘运算机会大增，余东洛补充：“已经有公司用类似FPGA（现场可程式化逻辑闸阵列）做出通用型架构，以满足边缘运算需求。”
从服务器厂的观点来看，一位高层指出，AI服务器中光GPU成本就占了近9成。腾旭投资投资长的程正桦就表示：“成本太高，毛利其实不好。”无论是模型开源还是缩小，都可能会促使服务器厂找寻英伟达以外的供应来源，进行成本控管。
风险二：英伟达近乎吃光AI利润，恐刺激客户寻找替代方案
一位IC设计高层指出，虽然DGX Cloud让英伟达触及更广阔的市场，但也成为致命伤，牵动云端巨头的敏感神经。日前Techharder便指出，英伟达很可能会造成和云端供应商之间的对立，加速云端巨头寻求替代方案。
当中问题在于，企业租用DGX Cloud服务，比起直接和AWS或Azure等云端厂租借的费用还低，客户重叠。加上云端大厂背后的算力又是由英伟达GPU所驱动，AI利润全都进了英伟达的口袋，形成垄断。这无异于提供对手AMD、耐能、英国AI芯片独角兽Graphcore和知名AI芯片新创公司Cerebras分一杯羹的大好机会。云端业者甚至表示：“有一些AI模型用CPU跑就可以了。”
风险三：消费性市场布局尚浅，要抢走红利不难
另外，业界也已经在讨论AI模型容纳于装置的可能性。程世嘉表示，现在业界已经在想办法让模型容纳于消费装置，不过仅能听读，无法生成，“这代表会有新的应用出现。”
另位软件业者分析：“消费性市场是目前英伟达最大的缺口，以游戏为例，厂商本来就在公有云上面跑，对Google等厂商来说，拉拢他们采用TPU（张量处理器）架构本来就是近水楼台先得月。也许TPU算力不好，但只要跑起来顺，不用重新养一批人就好。”
该业者预期，例如Google拥有Pixel手机这样能接近终端消费者的装置，想要扩张TPU架构势力还是有可能，“现在英伟达就是想要从硬件吃过来软件这块，但他没有应用很难实现。”不过要真的实现在终端的应用，恐怕还需要好几年的时间。
*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。
