现如今，时隔 5 个月后，英伟更准确的时刻说，或许黄仁勋的英伟金句可以改写为「英伟达 AI 的 iPhone 时刻已经到了。」
生成式 AI 的时刻爆火，让人们得以窥见下一个风口，英伟无数科技巨头争先抢后地躬身入局生成式 AI 赛道，时刻试图打开这道充满机遇的英伟科技大门。
但想法很主观，时刻现实很客观，英伟算力、时刻模型、英伟数据一直是时刻 AI 发展的三大要素，AI 芯片所代表的英伟算力既是人工智能的底层基石，也是打开这道科技大门的钥匙。
而现如今，这把通往未来的钥匙正掌握在英伟达的手中。
58 年前，英特尔创始人之一戈登• 摩尔在搜集 1959 年至 1965 年集成电路上晶体管数量的数据基础上，提出了著名的摩尔定律。
集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍。
随后新的推断又涌现了出来，两年的时间间隔被缩短到了 18 个月。
在摩尔定律的作用下，CPU 和 GPU 的处理性能都获得了指数级的增长，2000 年以后，CPU 从单核走向多核，核心数量得到大幅提升。
AI 深度学习的训练和推理大量依赖矩阵计算和浮点计算，对算力提出了极高的要求，而 GPU 能够大规模并行计算，在矩阵和向量计算上远超 CPU，成为高性能计算的「宠儿」。
此外，高速的内存宽带、可扩展性强的算力池、专门优化的深度学习框架、云端部署支撑等优点，也坚定确立了 GPU 在 AI 时代的算力核心地位。
成立于 1993 年 4 月，英伟达最初便是靠 GPU 起家，通过不断的创新和发展，逐渐成为了高性能计算领域的领导者。
根据 Jon Peddie Research 发布的 GPU 市场数据统计报告，英伟达以 84% 的市场份额排名第一，排名第二的 AMD 为 12%，第三位的英特尔为 4%。
A100 和 H100 都是英伟达专门为 AI 计算设计的顶级数据中心 GPU，在训练和推理大型神经网络方面，性能都远超其他竞争对手，二者也都采用专门的 Tensor Core 和数据流架构，堪称英伟达手里的两张王牌芯片。
今年以来，英伟达主打的就是「你买的越多，省的也越多」，非常熟练且「贴心」地推出各种迭代更新的 GPU。
3 月，英伟达一口气发布了 H100 NVL GPU、L4 Tensor Core GPU、L40 GPU 以和 NVIDIA Grace Hopper 四款 AI 推理芯片。
两个月后，5 月的台北电脑展上，黄仁勋发布了用 256 个 NVIDIA GH200 Grace Hopper 超级芯片组成的超级计算机 DGX GH200。
就在两周前，黄仁勋又发布了搭载 HBM3e 内存新版 GH200 Grace Hopper，这也是世界上首个搭载 HBM3e 内存的 GPU 芯片。
HBM3e 内存是一种新型的高带宽内存技术，在运算速度上 HBM3e 能比 HBM3 运算速度快 50%，提供最高 5TB/秒的传输速率。
训练和推理是 AI 大模型的非常重要的两个步骤，而这恰恰是 GH200 所擅长的部分。在黄仁勋看来，未来 GH200 的典型应用场景就是大语言模型，并且「加速运算」、「AI 运算」将逐渐取代传统 x86 GPU 的「通用计算」。
过往无数的案例证明，优异生态系统一旦构筑成护城河，外来者在竞争中便占了下风。
英伟达过硬的生态系统自然少不了竞争对手的盖章认证，神经网络科学家 Naveen Rao 曾在英特尔担任过副总裁与人工智能平台事业部总经理。
他发现英伟达的最大优势不仅仅在于芯片本身，而是英伟达拥有一个具有大量优秀人工智能程序员的大型社区和集散地。
CUDA 是英伟达基于其生产的 GPUs 的一个并行计算平台和编程模型，目的是便于更多的技术人员参与开发。
开发人员可以通过 C/C++、Fortan 等高级语言来调用 CUDA 的 API，来进行并行编程，并进行高性能计算，这种生态系统的建立使得许多开发者依赖于 CUDA。
此前，黄仁勋向外界透露，CUDA 在全球已经拥有超过 400 万开发者和超过 3000 个应用程序，CUDA 下载量累计达到 4000 万次，全球 有 40000 家大型企业正在使用英伟达的产品进行加速计算，已有 15000 家初创公司建立在英伟达的平台上。
庞大的数字折射出英伟达显著的先发优势，倘若其他对手想要推出新的硬件，则还需要考虑追赶这个已经形成的人工智能创新生态系统。
交易的两端，一端连着卖方，一端连着买方。
4 月份，「双标」的马斯克一遍联名签署禁止训练 AI，一边偷偷扫货 1 万张 GPU 来开发大模型，甚至还不忘在 X 上公开吐槽：「似乎每个人、每条狗都在购买 GPU」。
上个月，甲骨文董事长在公开场合表示，甲骨文公司将斥资数十亿美元购买英伟达的 GPU，以扩大针对新一波人工智能公司的云计算服务。
得算力者得天下，在你追我赶的生成式 AI 赛道上，国内也同样蔓延着求「芯」若渴的焦虑。
据英国《金融时报》报道，中国互联网巨头正争相抢英伟达高性能 AI 芯片，今明两年的订单价值高达 50 亿美元。
其中百度、腾讯、阿里巴巴以及字节跳动今年向英伟达下达的支付订单金额合计 10 亿美元，总共采购 10 万张 A800，相当于每张 A800 芯片的价格达到 1 万美元，明年再交付余下的 40 亿美元。
需要说明的是，A800 本质上是 A100 的「阉割版」。由于去年 8 月份受到政策影响，英伟达只能面向中国大陆市场推出不受限制的替代版本。
不少行业人士认为，GPU 已经成为市场上公认的稀缺货，一芯难求的局面在未来的一两年内依旧难以缓解。
因此，在 GPU 供不应求的持续追捧下，英伟达的 GPU 甚至成为一些 AI 初创公司的硬通货。
作为一家云计算初创公司，CoreWeave 想要获得创业贷款并不是一件容易的事情。但「不看僧面看佛面」，得益于英伟达的投资人身份，CoreWeave 甚至可以将 H100 GPU 作为抵押物，轻易获得了 23 亿美元的贷款。
在贷款方看来，这自然不会是一笔亏本的买卖。
一方面，这笔贷款能够让 CoreWeave 的计算规模和实力得到快速扩张，增强偿还贷款的能力，另一方面，英伟达明年将推出更多迭代的 GPU，凭借与英伟达密切的合作关系以及这笔高额度贷款，CoreWeave 还可以在抢购 GPU 上夺得先机。
正如前面所提到，既然头部大厂在市场上都抢不到 GPU，那实力并不雄厚的 AI 初创公司的处境显然更加堪忧。
于是乎，一些聪明的 AI 初创公司只能选择另辟蹊径，抱团取暖，投入英伟达的怀抱。
今年 6 月份，人工智能初创公司 Inflection AI 官宣，完成 13 亿美元的新一轮融资，值得注意的是，崭新的投资名单里首次出现英伟达的身影。
Inflection AI 表示，将和合作伙伴 CoreWeave 以及英伟达一起，构建世界上最大的 AI 集群。
看似欢喜的强强联合更像是一种无奈的抉择，Inflection AI CEO Mustafa Suleyman 接受《纽约时报》的采访时表示：「公司没有义务使用英伟达的产品，但竞争对手没有提供可行的替代方案。」
事实上，Inflection AI 将全力打造一台先进的超级计算机，其中包括近 700 个 Intel Xeon CPU 的四节点机架服务器，以及配备了 22000 个 H100 GPU。
如此庞大数量的 GPU，让旁人羡慕之余，很难不让人联想到英伟达 GPU「肥水不流外人田」的优先提供策略。
当然，生成式 AI 的春风拂过，全球 GPU 供不应求，价格水涨船高，英伟达也在这次 AI 浪潮中赚得盆满钵满。
去年底，消息人士向投资银行公司的 Raymond James 透露，H100 GPU 的成本为 3320 美元（当前约 24181 元人民币），而英伟达选择以 25000 至 30000 美元（当前约 18.2 万至 21.9 万元人民币）的价格出售这些 GPU。
虽然这一说法可能没有考虑到运输物流等其他成本，不过仅从生产成本 / 售价的比例来看，英伟达 H100 GPU 简直就是一个「超级摇钱树」。
此外，据外媒 Tomshardware 报道，英伟达今年内计划出售超过 55 万块 H100 GPU。倘若属实，这意味着英伟达光从 H100 GPU 中获得的收益就已经是个天文数字。
生成式 AI 给英伟达带来的惊喜远不止于此。
今年是英伟达的「而立之年」，在五月的最后一天，英伟达成为全球第一家市值突破 1 万亿美元的芯片公司，这也是历史上第九家跻身万亿市值俱乐部的科技公司。
2024 财年第一财季财报显示，英伟达第一财季营收为 71.92 亿美元，与上一财季的 60.51 亿美元相比增长 19%，净利润为 20.43 亿美元，每股收益和营收均超过华尔街分析师的预期。
此外，本月 24 日发布的第二财季财报也预计营收超过 100 亿美元，截至发稿前，英伟达的市值已经达到 1.16 万亿美元，市盈率达到 244.09 倍，增长势头持续看好。
今年 6 月，身穿毕业服的黄仁勋受邀参加了中国台湾大学的毕业演讲，用过往的人生经验寄语毕业生！
无论是什么，像我们一样全力以赴地追求它，跑吧！不要慢慢走。
不论是为了食物而奔跑，或不被他人当做食物而奔跑。
你往往无法知道自己正处在哪一种情况，无论如何，都要保持奔跑。
历史的机遇稍纵即逝，GPU 的赛道注定是赢者通吃的赛道。
一直狂奔的黄仁勋抓住 AI 的机遇，让诞生于路边连锁餐厅的英伟达成功跻身于万亿美元俱乐部，成为了这波 AI 浪潮的最大赢家，也将继续领跑这个时代。
(责任编辑：娱乐)