AI狂潮正将英伟达推向“万亿美元俱乐部” 但对英特尔和AMD助力不

　　获悉，英伟达在公布了令人震惊的强劲业绩前景后，英伟达股票市值在周四美股盘初交易中飙升至接近1万亿美元市值大关。英伟达的首席执行官黄仁勋强调，该公司今年将迎来“创纪录的一年”。以美股盘初的最高涨幅计算，其市值一度暴涨约2000亿美元——大约相当于1.3个AMD(1744亿美元市值)、大约2个英特尔(1210亿美元市值)、3个美光(728亿美元市值)。

　　由于英伟达生产的图形处理器(GPU)需求激增，英伟达的AI芯片销售额以及整体销售额预期急剧飙升。英伟达生产的图形处理器为OpenAI、谷歌以及微软等科技公司的人工智能应用提供最重要的芯片硬件支持。

　　包括AI服务器在内的数据中心市场对人工智能(AI)芯片的需求促使英伟达对于本季度的销售额预期高达110亿美元，远远超过了分析师71.5亿美元的预期。

　　在英伟达公布业绩后，围绕人工智能的投资狂潮(AI hype)似乎愈演愈烈。“AI hype”推动英伟达等公司股价屡创辉煌，但是这一波由“生成式AI革命”主导的“AI科技股”长牛行情可能远没有结束。

　　摩根大通分析师Harlan Sur重申了对英伟达的“增持”评级，同时将目标价从250美元提高了一倍，达到500美元，指出该业绩指引表明生成式人工智能需求将迎来第一次“大规模浪潮”。Craig Hallum分析师Richard Shannon将英伟达评级上调至“买入”，并将目标价从190美元大幅上调至500美元，他指出，就市场共识而言，这一业绩指引“史无前例”。

　　Needham分析师Rajvindra Gill将英伟达目标价从300美元上调至460美元，维持“买入”评级。该分析师表示，英伟达过去面临的几乎所有不利因素现在都已成为过去，该公司将转向真正的人工智能相关需求。BMO Capital分析师Ambrish Srivastava将英伟达目标价从350美元上调至450美元，维持“跑赢大盘”评级。

　　英伟达CEO黄仁勋在业绩公布后接受时表示:“引爆点(flashpoint)是生成式人工智能。”“我们知道CPU的算力扩展速度已经放缓，我们还知道加速计算是前进的道路，然后需要更高算力的杀手级应用程序出现了。”

　　在英伟达看来，它正在经历算力制造模式的一个明显转变，这可能会带来更大规模的增速——数据中心的芯片等重要零部件甚至可能成为一个1万亿美元的市场，黄仁勋表示。

　　从历史上看，计算机或服务器中最重要的部分是中央处理器(CPU)。该市场由曾经的芯片领域王者——英特尔(INTC.US)所主导，AMD是英特尔的主要竞争对手。

　　随着需要大量计算能力的人工智能应用——生成式AI的最终问世，GPU算力芯片正在占据中心舞台，最先进的AI服务器系统使用多达8个GPU和1个CPU。英伟达目前在人工智能GPU市场占据绝对的主导地位。

　　“过去的数据中心主要是用于文件检索的CPU，未来将是生成数据，”黄仁勋表示。“你需要的不是检索部分数据，而是必须使用人工智能生成大部分数据。”

　　黄仁勋继续说道:“因此，CPU数量将大幅度减少，而不是数以百万计的CPU，但它们将与数以百万计的GPU相连。”

　　例如，英伟达自己的DGX系统，本质上是一台用于训练的人工智能计算机，使用了8个英伟达的高端H100GPU，但是只有两个CPU。

　　谷歌旗下的A3超级计算机配备了8个H100 GPU和一个英特尔的高端至强(Xeon)处理器。

　　在一些分析人士看来，这就是为什么英伟达的数据中心业务在第一日历季度增长了14%，而AMD的数据中心部门增长几乎持平，英特尔的人工智能和数据中心业务部门则下降了39%。

　　此外，英伟达的GPU往往比许多中央处理器更昂贵。英特尔最新一代的至强(Xeon)CPU标价高达1.7万美元。在二级市场上，单台英伟达 H100 GPU芯片设备可以卖到4万美元。

　　不过，随着人工智能芯片市场的升温，英伟达可能将面临更激烈的竞争。AMD的GPU业务很有竞争力，尤其是在游戏领域，英特尔也有自己的GPU产品线。一些具有潜力的初创公司正在专门为人工智能应用场景制造AI专有芯片，苹果(AAPL.US)和高通(QCOM.US)等专注于移动设备的科技公司制造新型的专有芯片继续推动这项AI技术，以便有一天AI芯片可以在你的口袋里运行，而不是在一个巨大的服务器集群里。此外，谷歌和亚马逊正在设计自己的人工智能芯片。

　　但英伟达的高端GPU仍然是目前公司构建ChatGPT等应用程序的首选AI芯片，这些应用程序需要处理数TB级别的数据，训练成本很高，而且在随后的“推理”和机器学期过程中运行成本也很高，该过程使用该模型生成文本、图像或进行预测。

　　有分析人士表示，英伟达将长期在人工智能芯片领域仍处于领先地位，因为它拥有专有软件，可以更轻松地将所有GPU硬件功能用于人工智能应用。黄仁勋在周三表示，该公司的软件不容易。

　　他在与分析师的电话会议上表示:“你必须设计所有的软件、所有的库和所有的算法，将它们集成到框架中并优化框架，并针对架构进行优化。因此研发者需要的不仅仅是一个芯片，而是整个数据中心的架构。”