0:02

英伟达发布了它第一季度的财报
0:04
许多投资者都说这是前所未有
0:06
或者一生一次的业绩发布
0:08
英伟达靠着它数据中心这块
0:09
亮眼的数据
0:10
可以说是狂抽华尔街的嘴巴子
0:12
股票当天大涨 30%
0:13
市值破万亿美元
0:15
推着英伟达成了全球第六大公司
0:17
超过特斯拉
0:18
直逼亚马逊
0:19
你说谁能想到
0:20
2023 年这 AI 混战里边
0:22
一个卖显卡的公司
0:23
成了最大赢家
0:26
要说这些年
0:27
几乎大部分全球性的技术风口
0:29
云计算
0:29
加密货币
0:30
元宇宙
0:30
人工智能
0:31
英伟达全都是重度参与者
0:32
你听说过大部分那些 AI 模型
0:34
都用英伟达的显卡训练出来的
0:36
就它不光是行业老大
0:37
而是以超过 95%的市场占有率
0:39
垄断了全球 AI 训练领域的市场
0:41
就甚至有多少
0:42
英伟达 A100 这个显卡
0:44
都成了衡量一个公司算力的标准
0:47
它的创始人黄仁勋就说
0:51
这话听起来是不是有点狂
0:52
但确实是这样
0:57
黄仁勋也靠着他二十多年前的远见
0:59
和他千年不变的穿衣风格
1:01
成了 AI 教父
1:03
你是不是就好奇了
1:05
这英伟达它厉害在哪呢
1:06
怎么就垄断了
1:07
没人争得过它呢
1:08
小 Lin 今天就深入地
1:10
带你了解一下英伟达
1:11
也深入地探讨一下显卡和芯片行业
1:13
背后的秘密
1:17
咱先来看看黄仁勋跟英伟达
1:19
是怎么崛起的
1:21
1963 年
1:22
黄仁勋出生在台湾的台南
1:24
也就是说他今年 60 岁
1:26
9 岁去到美国读书
1:28
本科毕业之后
1:29
就在两家半导体公司工作
1:30
做芯片设计
1:31
这里边就有 AMD
1:33
也是之后跟黄仁勋
1:34
缠斗了半辈子的公司
1:35
一直到现在
1:38
黄仁勋 30 岁刚在斯坦福读完硕士
1:40
就经常跟另外两个也是 30 来岁
1:42
那种踌躇满志的理工科技术男
1:44
在一起想干一番大事
1:46
他们就都觉得这个 3D 图形处理
1:48
在未来潜力巨大
1:49
于是 1993 年
1:50
就成立了 NVIDIA 英伟达
1:52
专门就做这个图形计算芯片
1:54
黄仁勋担任 CEO
1:56
也是一直干到了今天
1:57
他也是凭着前老板的引荐
1:58
获得了红杉资本
2:00
2000 万领投的融资
2:02
那游戏领域毕竟玩的时候需要实时渲染
2:04
3D 游戏不能说没有
2:06
但一般电脑肯定带不动
2:07
就挺多游戏还挺经典的
2:09
但那画面
2:09
基本上你就能看出来那有个人就行
2:11
因为毕竟这种 3D 图形处理
2:13
是非常消耗算力的
2:14
而当时那些 CPU 还是很难完成的
2:16
就它一般需要专门的一块芯片
2:18
来处理这个图形
2:19
而这块芯片就是显卡
2:21
早期那显卡是非常简陋的
2:23
顶多就算是一个 3D 加速卡吧
2:26
你是不是现在一听什么 3D 加速卡
2:28
就感觉是个小作坊的生意
2:29
没错
2:30
其实当时就处在 3D 游戏
2:31
3D 渲染
2:32
一个非常萌芽的阶段
2:33
就类似英伟达这样的显卡公司
2:35
其实非常多
2:35
少说有五六十家
2:37
软硬件也没有个统一的标准
2:38
谁研究稍微厉害一点
2:39
就可以发布个自己的标准
2:41
经常会出现
2:41
你好不容易做出来个显卡
2:43
结果发现
2:44
不适配人家那个标准
2:46
总之就一个字
2:47
乱
2:48
当时在乱世当中最风光的一家
2:50
应该是叫做 3dfx 的公司
2:51
它可是 1994 年才成立
2:53
比英伟达还晚一年
2:54
但当时就凭着一个叫做 Voodoo 的显卡
2:56
风靡一时
2:57
当时很火的各种游戏
2:58
全都得靠这个 Voodoo 显卡
3:00
而英伟达这边其实并不太顺利
3:02
虽然它拿了那么多融资
3:03
而且团队也挺专业的
3:05
但是它那个 NV1 就并不太成功
3:07
第二代 NV2 更是直接胎死腹中
3:10
到了 1997 年
3:11
英伟达已经命悬一线
3:12
再有 9 个月钱就烧完了
3:14
公司已经从 100 个人
3:15
裁员裁到就剩大概 30 个人
3:17
好在当时黄仁勋选择了孤注一掷
3:19
就在公司
3:20
只剩 6 个月运营资金的时候
3:21
发布了搭载 NV3 的 Riva128 显卡
3:24
凭借着它不错的性价比
3:25
在市场上算是占据了一席之地
3:28
也让英伟达颤颤巍巍地活下来了
3:30
其实老黄跟他的团队
3:32
研发实力确实挺强的
3:33
就他们摸清楚了
3:34
这个市场的方向之后
3:36
就迅速进入了快车道
3:38
跟台积电达成了长期战略合作
3:40
又抱紧了微软的大腿
3:41
支持微软推出的 Direct 3D 显示标准
3:44
终于在显卡早期红海竞争当中
3:46
异军突起
3:46
这里边那个叫 RivaTNT
3:48
更是杀疯了
3:49
直接帮助英伟达
3:50
蹿升到了显卡领域的龙头
3:52
也帮英伟达在 1999 年
3:53
成功登陆纳斯达克上市
3:56
上市以后
3:57
英伟达有钱了 更是开挂
3:58
1999 年 9 月推出了
4:00
具有划时代意义的 GeForce256
4:02
直接甩开竞争对手半条街
4:05
这个 GeForce 系列
4:06
我相信游戏玩家
4:07
应该都再熟悉不过了
4:08
它也成为了英伟达在日后
4:10
消费级显卡的王牌系列
4:11
黄仁勋就把 GeForce256
4:13
称为全球第一个 GPU
4:15
第一个真正意义上的独立显卡
4:17
这个说法
4:18
其实现在也基本被大家接受了
4:19
所以有人可能会直接笼统地说
4:21
就是英伟达发明了显卡
4:23
至于这个独立显卡它为什么那么强
4:25
咱们一会再说
4:27
当时微软正好在开发 Xbox
4:29
英伟达就凭借
4:30
GeForce256 特别强大的性能
4:32
赢得了 2 亿美元的订单
4:34
帮 Xbox 打造图像处理硬件之后
4:36
之后又顺势拿下了索尼的 PS3
4:38
1999 到 2002 年
4:40
英伟达的营收
4:40
就以几乎每年翻倍的速度
4:42
增到了 20 亿美元
4:43
成为了市场上独一档的存在
4:45
而且就开始连续吞并
4:46
同行业的竞争对手
4:47
其中就包括咱们刚才提到
4:49
红极一时的 3dfx
4:51
而市场上当时另一个主要玩家
4:53
ATi 则被 AMD 收购
4:56
就这样 在 2000 年初
4:57
经过市场上一系列的小鱼吃虾米
4:59
大鱼吃小鱼的吞并之后
5:01
就剩下了两条大鱼
5:03
英伟达 和 AMD
5:04
直到现在独立显卡市场
5:06
也一直被这两家公司包揽
5:08
不知道你有没有听说过
5:09
传说中的 N 卡和 A 卡
5:11
其实就指这两家公司显卡
5:13
就游戏迷从那个时候就开始争论
5:15
到底是 N 卡好还是 A 卡好
5:16
不管谁好谁坏
5:17
之后也再也没出现过
5:18
第三家公司的
5:19
什么 B 卡 C 卡 X 卡
5:21
虽说是双雄争霸了
5:22
但其实英伟达它是在一步一步
5:25
蚕食着 AMD 的市场份额
5:27
从 2010 年的 60%
5:28
就一点一点扩大到
5:29
2022 年的 80%
5:30
可以说是当之无愧的 GPU 全球霸主
5:33
而 GPU 这个技术它本身的发展速度
5:35
也是令人瞠目结舌
5:36
你可以说游戏产业快速发展
5:38
把英伟达托起来了
5:39
同时也是英伟达显卡的技术进步
5:41
推动了游戏产业的发展
5:43
你就看看每年新出那些游戏
5:44
画面质量的改进
5:46
你就算再不懂游戏
5:47
也能看出这个进步速度之快
5:52
其实往大点说 整个显卡市场
5:55
它是个三足鼎立的状态
5:58
就三大巨头英特尔 英伟达 AMD
6:00
这里边英特尔市场占有率 71%
6:02
英伟达是 17% 而 AMD 是 12%
6:05
你说又奇怪了
6:06
怎么又闹出来个英特尔
6:07
而且市场占有率还这么高
6:08
咱刚才不是说英伟达才是老大嘛
6:12
实际上
6:12
此显卡非彼显卡也
6:16
因为这个显卡
6:17
它分为独立显卡和集成显卡
6:19
你要把这俩都放一起比
6:20
那英特尔确实是老大
6:22
但它基本上卖的全都是集成显卡
6:24
集成显卡是和 CPU 封装在一起的
6:26
它共享内存
6:27
英特尔就利用它的 CPU 的垄断地位
6:29
霸占着集成显卡的份额
6:31
不过这个集成显卡 怎么说呢
6:33
就它比较弱 我就不详细解释了
6:35
反正和英伟达这个独立显卡比
6:36
虽然都叫显卡 但它不是一个市场
6:39
单看独立显卡
6:40
英伟达还占了 80%以上
6:41
聊到这儿可能有人就不耐烦了
6:43
说好 我知道了
6:44
英伟达就是个设计显卡芯片的
6:46
很厉害
6:47
跟你聊了半天都在说什么
6:48
3D 渲染打游戏什么的
6:49
那怎么跟 AI 扯上关系了呢
6:51
为什么这些 AI 公司都买显卡
6:52
还非得买英伟达的显卡呢
6:55
你别急 咱这就说到显卡的特性了
6:59
电脑里的 CPU 就中央处理器
7:01
它本身的设计目的
7:02
就是它什么都能干
7:03
它是顺序计算
7:04
就可以进行非常复杂的逻辑推理
7:06
可是这个图形处理
7:08
它其实不怎么在意顺序
7:09
它更在意的是那个计算量
7:10
你比如说一个 4k 的视频
7:12
那小一千万个像素点
7:13
假设每秒 30 帧
7:14
那你每一个像素点 每一帧
7:16
都得根据它的什么
7:17
阴影 动作
7:18
计算出来一个对应的颜色
7:20
这就需要不停地进行非常快速
7:22
而且大量的简单计算
7:23
GPU 就是图形处理器
7:24
就专门设计出来
7:26
针对这类计算的一个单元
7:27
它从底层的芯片设计
7:29
就是为了优化这类并行计算
7:31
所以你看 CPU
7:32
一般撑死了就是 64 核 128 核
7:34
而 GPU 它可以有成千上万个核
7:36
就一起在那算
7:37
你看这个视频就给出一个
7:38
特别形象的解释
7:39
CPU 就好像一个特别精准
7:41
特别强烈的喷枪 一枪一枪在发射
7:43
指哪打哪 顺序清晰
7:45
但是慢
7:46
而 GPU
7:47
就好像有成千上万台这个小喷枪
7:49
同时发射
7:55
就是因为 GPU 这个特性
7:56
黄仁勋就开始琢磨了
7:58
你说我怎么才能挖掘出
7:59
它更大的潜力呢
8:00
这肯定不光是 3D 图像处理
8:02
渲染这么简单
8:03
你说我能不能进行
8:04
更多那种通用目的的计算
8:06
General Purpose Computing
8:07
做一个通用目的的图形处理器
8:09
GPGPU
8:14
但当时你要想用 GPU
8:15
做这种通用计算
8:16
其实并不是那么简单
8:17
因为毕竟本身设计就不是来干这个
8:19
所以编程非常麻烦
8:20
就一般人他干不了这个活
8:22
黄仁勋就想了
8:22
所以要让显卡发挥更大的潜力
8:24
我就得让它可编程
8:26
就一次偶然的机会
8:27
他就看见斯坦福一个博士生
8:28
做了一个项目
8:29
可以用 C 语言编程
8:30
让这个 GPU 做一些计算
8:31
黄仁勋就眼前一亮 这个想法好
8:34
赶紧把这个小伙挖到英伟达工作
8:36
而且上来就委以重任
8:38
让这个小伙带队潜心研发
8:40
说你就是给我钻研让它编程
8:44
终于在 2006 年
8:46
英伟达正式推出了 CUDA
8:47
成功地让 GPU 可编程
8:49
为了打造这套 CUDA 系统
8:50
英伟达可以说是砸了大量
8:53
看起来非常不理性的
8:53
成本投入和人力
8:54
让英伟达几乎所有的显卡
8:56
全都要支持 CUDA
8:57
这样一来 就原来那种
8:59
专门设 3D 处理图形的显卡
9:00
你要想让它拿去计算编程
9:02
本来是需要一大堆顶尖的工程师
9:04
但现在你随便找个学生
9:05
买个英伟达的显卡
9:07
然后看看那个 CUDA 的 library
9:08
就能搞
9:09
通过 CUDA
9:09
英伟达就把自己显卡的边界
9:11
从原来的游戏和 3D 图像处理
9:13
扩大到了整个加速计算的领域
9:15
比如航天 生物制药
9:17
天气预报 能源勘探 等等
9:19
其实都已经在用大量英伟达的显卡
9:21
来进行计算了
9:22
其实别人也尝试做
9:23
类似 CUDA 这种软件
9:25
来挑战英伟达的地位
9:26
那可是英伟达
9:27
人在硬件上本身就垄断了
9:28
我就可以尽一切可能
9:30
让我的硬件显卡
9:31
跟这个软件 CUDA 之间的配合和融合
9:33
越来越默契
9:33
就通过这种软硬件的协同
9:35
来形成自己一个非常强的护城河
9:37
说到这你是不是想到一家公司
9:39
就是苹果
9:39
他们都打造出一个
9:41
被商业领域提烂的词
9:42
就是生态系统
9:42
你像什么微软 Adobe
9:44
其实也都是有自己强大的生态系统
9:46
你看黄仁勋在 CUDA 上这个巨额投入
9:48
你现在听着好像觉得非常合理
9:50
顺理成章
9:50
但当时要是光看短期回报
9:52
是非常不合理的
9:53
华尔街就对这玩意儿相当看不顺眼
9:56
因为虽然当时 GPU 的计算能力
9:58
非常出色
9:58
但它的应用场景太少了
10:00
就很长一段时间
10:01
只能集中在非常少数那种
10:03
需要大量计算的领域
10:04
说白了就根本不赚钱
10:05
那谁能想到 2023 年
10:07
人工智能这么火 是吧
10:09
其实率先让显卡的加速计算能力
10:11
实现商业价值的
10:12
并不是人工智能
10:14
而是一个巧合
10:15
一个八竿子都打不着的潮流
10:16
一个黄仁勋就算自己再有远见
10:18
也不可能预料到的一件事儿
10:22
比特币的爆火
10:23
带来了巨大的挖矿需求
10:24
挖矿说白了就是进行大量无脑计算
10:27
来进行加密和解密
10:28
而想要挖矿
10:29
你要算得快 就得用显卡
10:30
而且你就得用英伟达的显卡
10:32
我估计很多人
10:33
可能就是从挖矿那会才知道说
10:35
原来显卡还能用来计算
10:38
挖矿这个巨大需求
10:40
那对英伟达来讲简直就是天降大饼
10:42
而且是一个大的不得了的大饼
10:44
这让英伟达的显卡
10:45
常年处于供不应求的状态
10:46
英伟达也非常贴心
10:48
专门给挖矿设计了 GPU
10:49
当然很多人会吐槽说
10:51
挖矿又污染环境
10:52
各种无意义的计算
10:53
各种各样的问题
10:54
显卡这东西
10:55
它的威力确实是被人看到了
10:57
而且英伟达也确实因为这个赚翻了
11:01
据分析师估算
11:02
英伟达在 2018 年到 2021 年
11:03
就比特币比较火的这段时期
11:05
每年光靠挖矿
11:06
大概能赚 10 到 30 亿美元
11:08
英伟达的市值也在这段时间
11:10
超过了当年不可一世的巨头
11:12
英特尔
11:12
在比特币最火那段时候
11:13
它的市值甚至一度逼近了万亿美元
11:21
不过挖矿虽说让英伟达赚了不少钱
11:23
但再怎么说也不能算它的主营业务
11:25
去年加密市场崩塌之后
11:26
英伟达的股价也是暴跌了 46%
11:29
所以挖矿目前看来
11:30
可能顶多算是个插曲
11:31
而我们都知道
11:32
最近真正让英伟达赢麻了的
11:34
是人工智能
11:38
就因为刚才我们说显卡这种
11:40
非常善于大量并行计算的能力
11:41
特别适用于深度学习和机器学习
11:45
你想人工智能
11:47
不就是让它一直学一直学
11:48
学到上亿次吗
11:49
那 GPU 这种并行计算能力
11:50
就再适合不过了
11:51
黄仁勋展示
11:52
我要训练一个大语言模型
11:54
跟 CPU 相比
11:54
GPU 服务器
11:55
可以 4%的成本
11:57
和 1.2%的电力完成
11:58
所以 GPU CPU
11:59
压根就不是一个数量级的
12:00
这个是它的底层结构决定的
12:02
黄仁勋
12:02
其实就是想特别委婉地告诉你
12:04
要训练大语言模型
12:06
傻子才用 CPU
12:07
你就得来用 GPU
12:08
而用 GPU 那你最好就用 CUDA
12:10
那你就得找我英伟达买显卡
12:13
其实十多年前
12:13
大家还不知道显卡能来做人工智能
12:15
就人工智能本身
12:16
可能理论大于实际用处
12:18
转变发生在 2012 年
12:19
当时业内
12:20
有一个非常知名的计算机竞赛
12:22
叫 ImageNet
12:25
大家就在比
12:25
谁的算法训练出来的程序
12:27
能更好地识别图片里的内容
12:28
你看这第二名到第四名
12:30
识别的错误率
12:31
都大概在 26%到 29%这块儿
12:33
一个叫做 AlexNet 的团队
12:34
居然做到了 16.4%
12:36
领先第二名十个百分点
12:38
碾压性优势夺冠
12:39
而他们用的就是神经网络训练模型
12:41
和英伟达的显卡训练出来
12:45
其实我们讲 ChatGPT 那期也讲过
12:47
神经网络这个理论它早就有了
12:49
一直不能被实现
12:51
最大的一个瓶颈就是算力
12:52
那这下靠英伟达的显卡
12:54
让这个神经网络计算实现了
12:56
一下就轰动了学界
12:57
而黄仁勋也是极其看重 GPU
12:59
在人工智能领域的应用
13:01
就 2012 年之后可以说是 all in
13:03
让英伟达的显卡
13:04
可以简单便捷地做加速计算
13:06
除了刚刚我们是针对 CUDA 的投资
13:07
还有像针对 AI 对显卡的优化
13:09
包括对软件的支持
13:10
平台的支持等等
13:11
这才有了后来人工智能领域的共识
13:14
就是你要搞人工智能
13:15
那没什么可犹豫的
13:16
你就是得买英伟达的显卡
13:21
之后像谷歌 亚马逊 微软 百度等等
13:24
训练这些大模型
13:24
也全都离不开英伟达的显卡
13:26
而这波浪潮里最出名的可能就是
13:28
英伟达那个叫 A100 的显卡
13:30
ChatGPT 就是靠一万多张
13:31
这个显卡训练出来的
13:32
这 A100
13:33
也成了训练大模型的标配
13:35
各大 AI 公司
13:35
你可能来不及训练出成果
13:37
但又想蹭一波热度宣传
13:38
怎么办呢
13:39
我就拼显卡
13:40
我就可以告诉你
13:41
说我已经买了多少张
13:42
英伟达 A100 的显卡
13:43
就几千个 几万个什么的
13:44
所以英伟达的显卡
13:45
就长期处于供不应求的状态
13:47
价格被炒到了上万美元
13:49
英伟达去年又推出了
13:50
A100 的升级版叫 H100
13:51
性能是 A100 的四到六倍
13:56
所以你别看现在
13:57
英伟达是风口上飞得最高的那个
13:59
你就觉得它走运
14:00
人家可是自己提前十多年
14:02
花了那么多钱 费了那么大劲
14:04
自己把翅膀给做好
14:05
就站在风口那等着风来
14:09
这下好不容易翅膀也做好了
14:11
现在风也来了
14:12
那英伟达肯定得使劲扑腾扑腾
14:14
飞高点
14:14
你看看英伟达有多发力
14:17
这个是三年前老黄发布的
14:19
A100 系统板
14:20
就这么个二十多公斤的大家伙
14:21
组成了当时全球最大的 GPU
14:24
这已经看着挺吓人的了
14:26
可是就在今年老黄又发布了这玩意
14:39
DGX GH200 超级计算机
14:43
注意 这个大小和真实的是 1:1
14:45
这个简直可以用变态来形容
14:47
用 240 公里长的光缆
14:49
注意 是公里
14:49
就是 24 万米
14:51
总共有四头成年大象那么重
14:53
而就是这整个 144TB 内存的怪兽
14:56
通过什么 NVLink NVSwitch 等等的技术
14:59
连接在一起组成了一个 GPU
15:01
就是这个四头大象
15:02
是一个巨型显卡
15:08
这个玩意儿就是来做 AI 计算
15:09
这东西预计今年年底能造出来
15:11
谷歌云 Meta 微软
15:13
是首批可以访问它的公司
15:14
有了这么大的先发优势
15:15
英伟达已经就不局限在
15:17
单单是做显卡和芯片设计
15:18
它在 2019 年花了 69 亿
15:20
收购了以色列一个芯片公司
15:22
叫 Mellanox
15:22
搞出了一个叫做 DPU
15:24
这个东西也很猛
15:25
黄仁勋甚至说
15:26
这笔收购是他有史以来做过
15:28
最成功的战略决策之一
15:29
而英伟达现在就开始把
15:31
GPU CPU DPU 合在一起
15:33
制造出来
15:33
拥有恐怖计算能力的服务器
15:35
超级计算机
15:36
开始慢慢往 CPU 的市场蔓延
15:38
推出了各种让人眼花缭乱的产品
15:39
什么世界第八的超级计算机
15:41
DGX BasePOD
15:42
突破性加速超级芯片
15:43
GPU Grace Hopper
15:44
计算平台
15:44
BlueField-3 DPU 等等
15:46
名字起的好吧
15:47
是不是感觉一句也没听懂
15:50
总之就是英伟达
15:52
围绕着它核心显卡技术
15:53
小到芯片 大到超级计算机
15:55
全都给你覆盖了
15:55
那你要是说我买不起
15:57
或者不想买这么多硬件怎么办
15:58
没关系
15:59
英伟达还可以可以把算力租给你
16:01
就咱俩联网
16:01
你就用我的服务器就行
16:03
这不就是 AI 云业务吗
16:08
它不光给终端客户提供服务
16:10
连上游企业也能想到
16:11
就推出了一个叫做 cuLitho 的软件
16:13
帮助台积电 阿斯麦
16:14
这些上游的芯片制造商
16:16
提升逆光刻技术的性能多达 40 倍
16:18
顺便提一嘴
16:19
我有一个西班牙的朋友告诉我
16:21
这个 cuLitho 的名字
16:22
在西班牙语的发音
16:23
特别像翘屁屁的意思
16:28
一个字
16:29
绝
16:31
你看英伟达就是硬件 软件
16:34
服务等等领域全面铺开了拓展
16:36
成了 AI 这波浪潮里的最大赢家
16:41
而美国对中国的制裁
16:43
就不让把 A100 H100
16:44
卖到中国
16:45
对英伟达的影响其实挺大的
16:46
你想中国可是英伟达
16:47
四分之一的大市场
16:49
它可不想美国政府一句话
16:50
就让这么大一块蛋糕给飞了
16:52
所以你看当时有记者
16:53
采访黄仁勋的时候就问他说
16:54
这个事
16:55
对英伟达的影响到底有多大呢
16:56
你看他这个回答真的是滴水不漏
16:59
首先我们一定会全力配合
17:00
美国政府的政策
17:01
先表个态
17:02
同时我们已经想方设法
17:04
在符合规则的情况下
17:05
非常愉快地满足
17:07
中国广大消费者的需求
17:08
你瞧瞧多会说话
17:10
两边谁也不得罪
17:10
英伟达就推出了一个叫做
17:12
A800 的显卡
17:13
绕过了一堆制裁的敏感技术
17:15
这个就特供给中国
17:16
好 你看
17:17
咱们了解了英伟达整个背景
17:19
再看它的财报其实就很清晰了
17:21
现在
17:21
它们把自己业务主要分为四大块
17:23
游戏 数据中心
17:24
汽车 专业图形处理
17:26
之前英伟达王牌业务显然都是游戏
17:28
而数据中心就是指加速计算相关的
17:31
什么人工智能 云服务等等
17:32
都在这块
17:33
这两块就是它的大头
17:34
2018 年的时候
17:35
游戏大概占到了半壁江山
17:37
数据中心是四分之一
17:38
不过到 2022 年
17:39
数据中心已经达到了 56%
17:41
而游戏则降到了 33%
17:43
就刚发布 5 月 24 号这个财报
17:45
游戏受到了全球需求萎靡的影响
17:47
营收大幅下降
17:48
这其实也是华尔街预料之中
17:50
不过数据中心这部分业务
17:51
就非常的支楞
17:52
一季度环比增长 18%
17:54
更关键的是二季度的营收指引
17:55
真的是亮瞎了华尔街的眼睛
17:58
本来华尔街预测
17:59
第二季度营收是 72 亿
18:01
但英伟达就说了
18:02
你估的可能不太对
18:03
我们能 110 亿 比你多 50%
18:06
其实汽车这块业务
18:08
也是潜力非常大的一块
18:09
你看它又要做汽车芯片
18:11
又是汽车系统
18:11
是不是又是一块大肥肉
18:13
不过现在也是处在比较起步的阶段
18:15
之后也很难说
18:16
我们就不展开讨论
18:17
包括英伟大之前推出了 Omniverse
18:19
来押宝元宇宙
18:20
虽然目前还看不到太多回报
18:22
但我看那个宣传片
18:23
还确实是挺酷的
18:24
要是元宇宙真的也迎来了爆发期
18:26
那英伟达又是最大赢家之一
18:28
肯定没跑
18:31
总之 现在大概的情况就是
18:33
打游戏要用显卡
18:34
挖矿要用显卡
18:35
AI 计算要用显卡
18:37
用显卡找英伟达
18:40
英伟达的股价
18:40
从 1999 年上市到现在
18:42
涨了超过 1000 倍
18:43
成长成了全球第六大公司
18:45
而且它的成长之路似乎才刚刚开始
18:56
可能单看我们提炼出来这个故事
18:58
你就感觉黄仁勋简直就是神了
18:59
每一步都走那么精准
19:01
其实他也犯了很多错误
19:02
我为了这个故事的连续性
19:04
就给忽略了
19:04
比如说他 2000 年初的时候
19:06
有一系列显卡产品失败
19:07
差点被那个 ATI 被干掉
19:08
员工还面临内部交易
19:09
被 SEC(美国证监会)查了个底儿掉
19:11
还有过度营销的问题
19:12
还进军手机芯片市场
19:14
基本可以说是完全失败等等
19:15
你看它的股价就知道
19:17
虽说整体涨了那么多
19:18
可是 2002 年那阵跌了 90%
19:20
2008%年跌了 80%
19:21
超过 50%的回撤
19:23
基本上三五年就要出现一次
19:24
反正大家心里就清楚
19:26
黄仁勋他肯定非常厉害
19:27
但他也不是预言家
19:28
而且这老先生对皮夹克的痴迷
19:30
我也真不知道该说什么了
19:33
好
19:34
那咱顺便再说两句英伟达的股票
19:36
我就特别怕很多人看完这个视频
19:37
然后一上头
19:38
就冲过去买英伟达的股票
19:39
我不是说不能买
19:40
就是你别因为一时头脑发热
19:42
就跑去买
19:43
其实英伟达的估值 现在的估值
19:44
从各个维度来看都高得离谱
19:46
你看它市盈率两百多
19:47
市销率 38
19:48
苹果 微软 谷歌这些巨头
19:50
市盈率都不到 40
19:51
特斯拉也就七十多
19:52
你就算跟同行比吧
19:53
它 2022 年的营收
19:55
还不到英特尔的一半
19:56
但市值却是英特尔的七倍多
19:59
营收跟 AMD 差不多
20:00
市值是 AMD 的五倍
20:02
总之就一个字
20:03
贵
20:04
当然人家贵有贵的道理
20:05
像这种风口上的行业
20:06
还是垄断型的公司
20:07
它的估值已经不是股价的
20:10
主要评判标准之一了
20:10
就有一个很大的原因
20:12
你知道是什么吗
20:12
就有一些专业机构
20:14
它现在都已经不敢不投英伟达了
20:16
因为 AI 现在市场上
20:17
最大的浪潮 最大的机会
20:18
而英伟达又是 AI 浪潮里边
20:20
最大的玩家
20:21
而这些基金投了英伟达
20:22
就算股票跌了
20:23
那投资人可能也不会说太多
20:25
可是英伟达要是就这么一直涨下去
20:27
你要是因为太贵没投
20:29
那投资人可能就要问候你全家了
20:32
就这个木头姐 Cathie Wood
20:34
她旗下的 ETF 在 1 月份的时候
20:36
就清仓了英伟达的股票
20:37
最近英伟达不是大涨了吗
20:38
你可以看看她在投资圈里
20:40
被骂得多惨
20:41
就是选择不投资这类公司
20:42
对基金来说有特别大的口碑风险
20:45
英文里有个词
20:45
我觉得去形容他们这心理特别好
20:47
就是 FoMO
20:48
Fear of Missing Out 就怕被落下
20:50
就他们怕错过潜在的上涨
20:52
多于他们怕买贵了
20:54
这其实有点像前两年特斯拉
20:56
你说电动汽车是一个多么大的未来
20:57
而特斯拉在当时
20:59
基本上就唯一的选择
21:00
就算它的估值
21:01
当时跟其它车企比起来
21:02
简直就是天文数字
21:03
那基金也得持续买入
21:05
而这些人的 FoMO
21:07
又反过来助推这些公司
21:08
有了更离谱的股价
21:09
所以你可以说
21:10
这种风口上的垄断公司
21:11
它天然就有着巨大的溢价
21:13
但你能因为这个
21:14
就说它股价已经过高了吗
21:16
那也不一定
21:16
因为如果它能持续这个势头
21:18
保持这个发展的趋势
21:19
它的股价很可能就还会一直涨
21:22
很多人经常提到一个比喻
21:24
就刚才我们提到这种浪潮
21:25
就有点像之前的淘金热
21:27
你很难押中哪里有金子
21:28
或者谁能挖中这个金子
21:30
但是有个稳赚不赔的买卖
21:31
就是你可以去卖铲子
21:32
这个英伟达
21:33
它就有点像是在卖数据时代
21:35
AI 时代的这个铲子
21:36
这话说着没错
21:37
听起来确实挺有道理
21:39
不过我每次听到这个比喻
21:40
就总觉得哪有点不得劲
21:42
了解一点经济学的人可能都知道
21:43
你说你要在淘金潮的时候卖铲子
21:46
可能会赚大钱吗
21:47
第一个去的可能会赚点钱
21:49
可慢慢地大家要是都来卖了
21:50
铲子又不难做
21:51
你的边际利润就会迅速被吞噬
21:53
所以在大部分的行业里
21:54
你去卖这个所谓的铲子
21:55
就是那个上游的生产工具
21:57
因为它准入门槛太低
21:58
行业竞争就会很激烈
22:00
所以利润率根本不高
22:02
可是英伟达
22:03
它就能靠做这个所谓的铲子
22:05
做到垄断 做到万亿市值
22:06
包括台积电有点类似
22:08
它比铲子还基础 就做锤子
22:10
就是这个做铲子的工具
22:11
这也能垄断
22:12
你想没想过是为什么
22:15
来 咱们就来深入聊一聊
22:17
芯片行业它的特点了
22:18
大家都听说过摩尔定律吧
22:21
就是集成电路上
22:23
可容纳的晶体管的数目
22:24
每十八个月就能翻一倍
22:26
或者你可以很笼统地理解成
22:27
芯片每十八个月就能快一倍
22:29
其实这几年
22:30
CPU 的进化速度
22:31
已经很难追得上这摩尔定律了
22:33
可是黄仁勋又发现
22:34
GPU 独立显卡它的推进速度
22:37
好像比这个摩尔定律预测得还要快
22:39
大概每两年性能就能翻超过三倍
22:41
而这个规律甚至都有了
22:42
他自己的专有名词
22:43
叫黄氏定律 Huang's Law
22:48
不管哪个定律
22:49
这个就是芯片行业
22:49
它非常显著的一个特点
22:51
它确实初期的成本投入非常高
22:53
需要大量的人才和设备
22:54
就更麻烦的是
22:55
它的更新迭代速度实在是太快
22:57
这是一个不停在奔跑的行业
23:01
行业更新速度太快
23:03
从商业角度讲对这个参与者来讲
23:05
有个很棘手的问题
23:06
就是他很难构建自己的护城河
23:08
护城河对一个公司重要性
23:10
就不多说了
23:11
你像传统公司
23:11
我花个大价钱建个工厂 建个铁路
23:13
那就有非常强的规模优势
23:15
成本优势
23:15
那这个优势就是个护城河
23:17
就能帮我守护很长时间
23:19
互联网公司护城河就更强了
23:20
一旦形成网络效应
23:22
微信 抖音 Facebook
23:23
用户就是你极强的护城河
23:27
芯片行业
23:28
那不是有摩尔定律 黄氏定律
23:30
不管你今天推出来一个多炸的芯片
23:32
两年之后它注定已经落后
23:34
你也不知道明年从哪来个毛头小子
23:35
带着什么新技术就把你给干翻了
23:37
你就看 90 年代
23:38
显卡大乱战那个时候
23:40
一个成立不到两年的公司
23:41
就那个 3DFX
23:42
它凭借着那个 Voodoo 显卡
23:44
迅速窜成行业标杆
23:45
5 年之后就落寞了
23:46
被英伟达收购了
23:47
这其实就是它那个护城河
23:49
还没来得及护住就被推了
23:50
这个行业里边你很难靠一个产品
23:52
或者一个技术本身
23:54
形成一个超过两年的护城河
23:55
当然确实你可以慢慢积累一堆专利
23:57
来进行自我保护
23:58
可是事实证明就大部分情况下
24:00
人家还是有办法
24:01
能绕过你这堆专利的
24:02
这个保护能力它并不强
24:04
你只能不得不持续地奔跑
24:06
跑得比所有人都快
24:08
这个奔跑能力本身才是你的护城河
24:10
放到芯片行业
24:11
其实就是你的研发能力
24:12
就跟着研发这一整套的
24:14
人才 配套设施 组织架构
24:16
这个才是芯片公司的护城河
24:20
所以为什么今天研发贵
24:21
一是它初期成本就很高
24:23
需要大量的人才
24:24
更关键的是你还得持续不停地
24:26
快速迭代 快速地奔跑
24:27
这个一般人谁受得了 是吧
24:29
你就看那些互联网巨头
24:30
他们已经非常注重科技创新了
24:32
什么亚马逊 谷歌 微软
24:34
研发投入其实也就营收的
24:35
10%到 15%
24:36
可是英伟达呢
24:37
它就要持续不断地投入
24:38
25%左右的营收来继续研发
24:41
你以为那黄氏定律
24:42
是什么自然规律吗
24:44
那还不是黄仁勋
24:45
自己卷自己的结果吗
24:47
我们要是讲故事
24:48
可以说英伟达
24:48
2006 年之后一直垄断显卡市场
24:50
这么一句话就完了
24:51
可实际上他们好几次
24:52
都是完全颠覆了
24:53
自己之前的框架和技术
24:55
就逼着自己差不多每 6 个月
24:56
就得推出新一代的芯片
24:58
你比如说他们最近光线追踪 RTX 技术
25:01
就完全颠覆了
25:02
他们之前积累下的方案
25:03
采用深度学习的方式
25:04
通过 1 个像素点
25:05
来猜边上 8 个像素点大概长什么样
25:08
来加速图像处理
25:08
这种激烈的奔跑速度
25:10
使得这个行业里必须得是跑得最快
25:12
人才储备最充沛
25:13
最财大气粗那么两三个公司
25:15
才能赚到钱
25:16
其他人肯定得陪跑
25:17
这也是为什么我们经常看到
25:19
芯片领域一顿竞争之后
25:20
经常是以收购收场
25:21
这里边不光是芯片研发难度的问题
25:24
更主要是它不经济
25:25
就连人才资本都非常充足的
25:26
那些互联网巨头
25:27
不逼到一定份上
25:28
也不敢轻易踏足芯片领域
25:30
可是现在就不一样了
25:32
AI 领域可是互联网巨头
25:33
接下来可能的最大战场之一
25:35
而这个战场里边显卡就太重要了
25:37
毕竟显卡决定了计算速度
25:38
哪个巨头也不希望
25:40
之后在 AI 都普及的时代
25:41
被英伟达卡脖子 是吧
25:44
所以说虽然他们现在
25:45
还是英伟达最大的客户
25:46
但他们也都在紧锣密鼓地
25:48
自己这边开始钻研搞研发 弄芯片
25:50
谷歌已经开发出来
25:51
专门针对人工智能训练的芯片叫 TPU
25:54
据他们自己说
25:54
比英伟达的显卡计算效率还要高
25:56
Meta 其实早在 2017 年
25:58
就开始用 2 万多台英伟达的显卡
26:00
来进行 AI 训练
26:01
不过现在他们也要开始
26:02
all in 自研芯片 简称叫 MTIA
26:05
其实 2020 年开始
26:06
英伟达就一直积极地想找
26:08
孙正义底下的软银
26:09
想以 400 亿美元的价格
26:11
买下他旗下这个芯片公司 ARM
26:13
但是像高通 微软 谷歌这些巨头
26:15
就纷纷跳出来强力反对
26:17
结果这笔收购就没谈成
26:18
你可见这些巨头
26:19
其实是非常忌惮英伟达的
26:23
你看
26:24
能从早期显卡行业的厮杀当中冲出来
26:27
是英伟达的能力
26:28
能在 20 年前就布局 CUDA
26:31
是他的远见
26:32
能持续垄断显卡行业
26:34
是他的耐力
26:35
撞上挖矿海量的算力需求
26:37
是他的运气
26:39
而老黄千年不变的穿衣风格
26:41
是他的专一
26:45
有了原来长时间的积淀
26:47
现在遇上 AI 的风口
26:48
英伟达自然顺理成章地
26:49
取得了巨大的先发优势
26:51
面临全新广阔的潜在市场
26:53
和虎视眈眈加入进来的竞争对手
26:55
英伟达到底能不能
26:56
在新一轮 AI 混战当中
26:58
再次杀出重围
26:59
还很不好说
中文