瑞穗證券估計，英偉達控制著用于訓練和部署 OpenAI 的 GPT 等模型的 AI 芯片市場的 70% 至 95%。英偉達的定價能力體現在 78% 的毛利率上，對于一家必須制造和運輸實體產品的硬件公司來說，這是一個驚人的高數字。

競爭對手芯片制造商英特爾和AMD最新季度的毛利率分別為41%和47%。

一些專家將 Nvidia 在 AI 芯片市場的地位描述為護城河。其旗艦 AI 圖形處理單元 (GPU)（例如 H100）與該公司的 CUDA 軟件相結合，使其在競爭中占據了先機，以至于轉向其他替代產品幾乎是不可想象的。

盡管如此，英偉達首席執行官黃仁勛表示，他“擔心”這家成立 31 年的公司會失去優勢。黃仁勛的凈資產在過去五年中從 30 億美元飆升至約 900 億美元。他在去年年底的一次會議上承認，許多強大的競爭對手正在崛起。

“我不認為有人想讓我破產，”黃仁勛在 11 月表示。“我可能知道他們想這么做，所以這不一樣。”

Nvidia 承諾每年發布一種新的 AI 芯片架構，而不是像歷史上那樣每隔一年發布一種，并推出可以更深入地將其芯片嵌入 AI 軟件的新軟件。但 Nvidia 的 GPU 并非唯一能夠運行生成式 AI 所依賴的復雜數學運算的 GPU。如果性能較弱的芯片也能完成同樣的工作，黃仁勛的擔憂或許是有道理的。

從訓練 AI 模型到所謂的推理（或部署模型）的轉變也可能為公司提供替代 Nvidia GPU 的機會，尤其是當它們的購買和運行成本較低時。Nvidia 的旗艦芯片售價約為40,000 美元或更高，這給客戶足夠的動力去尋找替代品。

“Nvidia 希望能擁有 100% 的市場份額，但客戶并不想讓 Nvidia 獨享 100% 的市場份額，”競爭對手 D-Matrix 的聯合創始人 Sid Sheth 說道。“這個機會太大了。如果任何一家公司全部占有，那就太不健康了。”

D-Matrix 成立于 2019 年，計劃在今年晚些時候推出一款用于服務器的半導體卡，旨在降低運行 AI 模型的成本和延遲。該公司于 9 月籌集了1.1 億美元。

除了 D-Matrix，從跨國公司到新興創業公司，各家公司都在爭奪 AI 芯片市場的份額，據市場分析師和 AMD 稱，未來五年，該市場的年銷售額可能達到 4000 億美元。過去四個季度，Nvidia 創造了約 800 億美元的收入，美國銀行估計，該公司去年的 AI 芯片銷售額為 345 億美元。

許多采用 Nvidia GPU 的公司認為，不同的架構或某些權衡利弊可以產生更適合特定任務的芯片。設備制造商也在開發技術，最終可能為人工智能完成大量計算，而這些計算目前是在云端的大型 GPU 集群中進行的。

3Fourteen Research 聯合創始人 Fernando Vidal向 CNBC 表示：“沒有人會否認，如今 Nvidia 是人們訓練和運行 AI 模型時最想要的硬件。但從開發自有芯片的超大規模企業，到設計自有芯片的小型初創公司，我們在公平競爭方面已經取得了一些進展。”

AMD 首席執行官 Lisa Su 希望投資者相信該領域有足夠的空間容納許多成功的公司。

“關鍵在于有很多選擇，”蘇姿豐去年 12 月在公司推出最新款 AI 芯片時告訴記者。“我認為我們將看到不僅有一個解決方案，還會有多個解決方案。”

傳統芯片廠商

AMD 制造用于游戲的 GPU，并像 Nvidia 一樣，將其改造用于數據中心內的 AI。其旗艦芯片是 Instinct MI300X。微軟已經購買了 AMD 處理器，并通過其 Azure 云提供對它們的訪問。

在發布會上，蘇姿豐強調了該芯片在推理方面的卓越表現，而不是與 Nvidia 競爭訓練。上周，微軟表示正在使用 AMD Instinct GPU 為其 Copilot 模型提供服務。摩根士丹利分析師認為，這一消息表明 AMD 的 AI 芯片銷售額今年可能超過 40 億美元，這是該公司公開的目標。

英特爾去年的收入被英偉達超越，目前該公司也在努力在人工智能領域占據一席之地。該公司最近發布了第三版人工智能加速器 Gaudi 3。這一次，英特爾將其與競爭對手進行了直接比較，稱其是一種更具成本效益的替代方案，在運行推理方面優于英偉達的 H100，同時在訓練模型方面速度更快。

美國銀行分析師最近估計，英特爾今年在人工智能芯片市場的份額將不到 1%。英特爾表示，該芯片的訂單積壓金額達 20 億美元。

阻礙更廣泛采用的主要障礙可能是軟件。AMD 和英特爾都加入了一個名為UXL 基金會的大型行業組織，其中包括谷歌，致力于創建 Nvidia CUDA 的免費替代品，用于控制 AI 應用程序的硬件。

除了芯片對手以外，英偉達的客戶也在自研芯片。

客戶自研芯片

Nvidia 面臨的一個潛在挑戰是它正在與一些最大的客戶競爭。包括谷歌、微軟和亞馬遜在內的云提供商都在開發用于內部使用的處理器。三大科技公司加上甲骨文，占Nvidia收入的40%以上。

亞馬遜于 2018 年推出了自己的人工智能芯片，品牌名稱為 Inferentia。Inferentia 目前已推出第二版。2021 年，亞馬遜網絡服務推出了針對訓練的 Tranium。客戶無法購買這些芯片，但可以通過 AWS 租用系統，AWS 將這些芯片宣傳為比Nvidia 的更具成本效益。

谷歌可能是最致力于自有芯片的云提供商。自 2015 年以來，該公司一直在使用所謂的張量處理單元(TPU) 來訓練和部署 AI 模型。今年 5 月，谷歌宣布推出其芯片的第六個版本 Trillium，該公司表示該芯片用于開發其模型，包括 Gemini 和 Imagen。

谷歌也使用 Nvidia 芯片并通過其云端提供這些芯片。

微軟在這方面的進展并不快。該公司去年表示，正在開發自己的 AI 加速器和處理器，分別名為 Maia 和 Cobalt。

Meta不是云提供商，但該公司需要大量計算能力來運行其軟件和網站并投放廣告。雖然 Facebook 母公司正在購買價值數十億美元的 Nvidia 處理器，但它在 4 月份表示，其部分自主研發的芯片已在數據中心使用，并且與 GPU 相比具有“更高的效率”。

摩根大通分析師 5 月份估計，為大型云提供商打造定制芯片的市場價值可能高達 300 億美元，并且每年的潛在增長率為 20%。

初創芯片企業

風險投資家看到了新興公司加入這一領域的機會。根據 PitchBook 的數據，他們在 2023 年向 AI 半導體公司投資了 60 億美元，略高于一年前的 57 億美元。

對于初創公司來說，這是一個艱難的領域，因為半導體的設計、開發和制造成本很高。但也存在差異化的機會。

對于硅谷的 AI 芯片制造商 Cerebras Systems 來說，重點是 AI 的基本操作和瓶頸，而不是 GPU 的通用性。據彭博社報道，該公司成立于 2015 年，在最近一次融資中估值為 40 億美元。

該公司首席執行官安德魯·費爾德曼 (Andrew Feldman) 表示，Cerebras 芯片 WSE-2 將 GPU 功能以及中央處理和額外內存整合到單個設備中，這更適合訓練大型模型。

“我們使用巨型芯片，而他們使用很多小芯片，”費爾德曼說。“他們面臨著數據傳輸方面的挑戰，而我們則沒有。”

費爾德曼表示，他的公司包括梅奧診所、葛蘭素史克以及美國軍方等客戶，其超級計算系統正在與 Nvidia 競爭，贏得業務。

費爾德曼說：“競爭非常激烈，我認為這對生態系統來說是有利的。”

D-Matrix 的 Sheth 表示，他的公司計劃在今年晚些時候推出一款帶有芯片的卡，這樣就可以在內存中進行更多計算，而不是在 GPU 等芯片上進行計算。D-Matrix 的產品可以與現有的 GPU 一起插入 AI 服務器，但它可以減輕 Nvidia 芯片的工作量，并有助于降低生成 AI 的成本。

Sheth 說，客戶“非常樂于接受新解決方案，并且非常愿意推動其進入市場”。

蘋果和高通是X因素

Nvidia 數據中心業務面臨的最大威脅可能是處理位置的改變。

開發人員越來越多地押注人工智能工作將從服務器場轉移到我們擁有的筆記本電腦、個人電腦和手機。

OpenAI 開發的大型模型需要大量強大的 GPU 集群進行推理，但蘋果和微軟等公司正在開發“小型模型”，這些模型需要的電量和數據更少，可以在電池供電的設備上運行。它們可能不如最新版本的 ChatGPT 那么熟練，但它們還可以執行其他應用，例如摘要文本或視覺搜索。

蘋果和高通正在更新他們的芯片以更有效地運行人工智能，為人工智能模型添加專門的部分，稱為神經處理器，這可以具有隱私和速度優勢。

高通最近發布了一款 PC 芯片，可讓筆記本電腦在設備上運行微軟的 AI 服務。該公司還投資了多家芯片制造商，生產低功耗處理器，以便在智能手機或筆記本電腦之外運行 AI 算法。

由于芯片上搭載了神經引擎，蘋果一直在宣傳其最新款筆記本電腦和平板電腦已針對人工智能進行了優化。在即將召開的開發者大會上，蘋果計劃展示一系列新的人工智能功能，這些功能很可能會在該公司為 iPhone 提供支持的芯片上運行。