市值=2个茅台=5个英特尔，ChatGPT浪潮下英伟达“赢麻了”

来源：钛媒体App，作者｜林志佳

随着 AI 聊天机器模型ChatGPT全球爆火，其背后核心的 AI 算力“大脑”、全球第五大科技股英伟达（NASDAQ: NVDA）开始展示成为 AI 领域核“芯”的基础设施技术能力。

北京时间3月21日晚GTC开发者大会上，黄仁勋在76分钟内发布英伟达最新芯片、超算服务与合作，其中有一半以上跟ChatGPT和生成式 AI 有关。

具体包括，搭载8个A100 GPU层的 AI 超算云服务DGX Cloud，每月3.7万美元在互联网上训练ChatGPT；目前云上唯一处理ChatGPT的GPU HGX A100，计算效率比前代提高超10倍；芯片计算光刻软件库cuLitho，让ASML光刻计算提速40倍；首个GPU加速的量子计算系统Quantum Machines；以及与比亚迪开发软件定义汽车方案、与亚马逊AWS合作开发训练大模型和构建生成性 AI 应用等。

“我现在正在看着你们所有人。很高兴见到你们所有人，看起来棒极了，”北京时间3月22日早上8点左右，60岁的黄仁勋精神抖擞地站在显示器前面，通过线上会议方式悉数解答亚太媒体对于英伟达的疑问和困惑，“我凌晨 4:00 起床，所以如果你不累，我也不累”。这是过去三年疫情下，中国媒体与远在美国的黄仁勋讨论英伟达的最佳时机。

“老黄是个狠人”，这是钛媒体App听到接近黄仁勋人士对其最直接的评价，因为很多英伟达合作事务都是黄仁勋亲力亲为。他笑着说没有很快退休的计划，而是希望再领导英伟达30到40年，直到90岁左右，届时会以机器人的形式继续工作。

过去近30年，在黄仁勋带领下，英伟达从一家以设计和销售GPU（图形处理器）芯片的半导体公司，如今已经成长为人工智能（AI）加速算力软硬件一体方案的技术公司。

“加速计算并非易事。2012年，计算机视觉模型AlexNet动用了英伟达GeForce GTX 580，每秒可处理262 PetaFLOPS。该模型引发了AI技术的爆炸，”黄仁勋说道，“十年之后，Transformer出现了，GPT-3动用了323 ZettaFLOPS算力，是AlexNet的 100 万倍，创造了ChatGPT这个震惊全世界的 AI。”

“AI 的 iPhone 时刻已经来临。”黄仁勋最近反复在提这句话，他认为生成式 AI 将重塑几乎所有行业——由于ChatGPT模型背后算力成本超过400万美元，在这场大模型军备竞赛中，手握A100和p00的“军火商”英伟达，或已成最大赢家。据花旗预估，ChatGPT或将促使英伟达一年内销售额增长100亿美元。

AI 的算力繁荣，推动英伟达股价在2023年上涨了77%，黄仁勋的财富同期增长超过60亿美元。

目前，英伟达市值为6471亿美元（约合人民币4.45万亿元），已是英特尔市值的近五倍，同时是A股第一股贵州茅台（600519.SH）的两倍以上，而且比特斯拉市值还高220亿美元（约合1514亿元）。

不过今天发布会表明，英伟达的脚步还没有停，其正在向 AI 超算云与基础设施的定位进发。

英伟达市值狂飙的底气在哪？

“I AM AI，”这是每年 GTC 大会宣传片中反复提及的关键词。如果你细品这句话，可以明显感知英伟达不止是芯片设计公司，而是 AI 技术基础设施。

英伟达是地球上最昂贵的科技股之一，公认会计原则下市盈率139倍，账面价值27倍。钛媒体App梳理数据发现，过去一年内，英伟达收入增长率为0.22%，收益增长率为-54%，而且最近两个季度营收出现下降，预计今年第一季度营收也会同比下降——这与其股价暴增趋势并不相符。

那么，为什么英伟达这样一家昂贵的公司，还会被市场看好？

就目前来看，英伟达很主要、明显的机会因素是 AI 算力需求增长，以及其长期稳定的 AI 加速芯片市场竞争与部分垄断地位。

此次GTC大会能窥豹一斑。今年，黄仁勋GTC开幕演讲主要谈四类新品：ChatGPT专用GPU、给台积电核弹的计算光刻数据库、为 AIGC 设计专用算力的系统方案、首个 GPU 加速的量子计算系统。

自从ChatGPT推出并在60天实现超过 1 亿月活用户以来，从创业者到投资人，从大学教授到科技部部长，都在讨论这个产品。在这其中，作为 AI 服务器芯片销售方，英伟达“赢麻了”，其在 AI 数据中心GPU领域几乎没有竞争，控制着90%的市场。据Similarweb数据，ChatGPT可能需要602台DGX A100服务器能够满足当前的访问量。

但问题在于，创造ChatGPT的美国 OpenAI 公司，开发的GPT-3模型参数量高达1750亿，其需要的瞬时算力很高，如何解决算力贵、算力难的困境呢？

如今，英伟达希望降低算力成本，更简单易用的使用NVIDIA AI， 推出了专注于ChatGPT的 AI/GPU 训练和推理两类新的芯片方案：