这是对 Nvidia 人工智能 (AI) 主导地位的最大威胁，但几乎无人谈论杂七杂八的傻瓜

大约三十年前，互联网的出现改变了美国企业界的一切。尽管互联网作为一项技术才成熟，企业也花了很多年才充分发挥其潜力，但它积极地改变了企业的增长轨迹，并打开了以前不存在的新大门。

自 20 世纪 90 年代中期以来，华尔街一直在等待新技术或改变游戏规则的创新来复制互联网对企业的影响。人工智能（AI）似乎已经接听了电话。

人工智能之所以成为一项如此有趣的技术，是因为它具有广泛的实用性。随着时间的推移，人工智能驱动的软件和系统的能力会变得更加智能，并且在完成分配的任务时变得更加高效。更重要的是，软件和系统也许能够在没有人工干预的情况下学习新任务。

对某些人来说，人工智能的发展确实是无限的。在确定奖项大小普华永道分析师预测，到 2030 年，人工智能将使全球国内生产总值 (GDP) 增加 15.7 万亿美元，这些收益来自生产力提高和消费副作用的共同作用。

15.7 万亿美元的潜在市场为多家公司成为赢家留下了足够的空间。但近两年来，人工智能革命没有更明显的受益者比半导体巨头英伟达 （NVDA-3.26%）截至 11 月 11 日收盘，该公司的市值从 2022 年底的 3600 亿美元跃升至 3.56 万亿美元。

英伟达的运营扩张几乎完美无缺

投资者无需费力寻找原因即可英伟达已成为华尔街最有价值的上市公司。其图形处理单元（GPU）已成为运营人工智能加速数据中心的企业的首选。Nvidia 的 H100 GPU（俗称“Hopper”）和后续 Blackwell GPU 架构实际上是允许 AI 软件和系统瞬间做出决策的大脑。

根据 TechInsights 分析师的一项研究，在 2022 年向数据中心发货的 267 万个 GPU 以及 2023 年向数据中心发货的 385 万个 GPU 中，英伟达约占 98%。 Nvidia 不太可能失去其近乎垄断的市场份额。今年，Hopper 芯片和 Blackwell 芯片的订单积压。

这是一个很好的时机来提及，当商品或服务的需求超过供应时，该商品或服务的价格通常会上涨。Nvidia 的 Hopper 售价为 30,000 至 40,000 美元，这比竞争对手的 AI-GPU 成本高出 100% 到 300%。鉴于 Nvidia 硬件提供的计算优势，企业一直愿意支付这一溢价，这也转化为该公司利润的大幅增长。毛利率。

公司的CUDA 平台还因其几乎完美的运营扩展而值得赞扬。CUDA 是开发人员用来充分利用 GPU 的软件工具包，包括构建大型语言模型 (LLM)。它在保持 Nvidia 客户对该公司解决方案生态系统的忠诚度方面发挥着关键作用。

最后，投资者对市场领先公司前所未有的增长率着迷。2023 财年于 2023 年 1 月 29 日结束时，英伟达报告全年销售额为 270 亿美元。但根据华尔街对 2026 财年的预测，Nvidia 有望实现 1800 亿美元的收入。也就是说，三年复合销售增长率约为88%！

然而，尽管英伟达的运营扩张近乎教科书式，但一个不可否认的威胁依然存在，而且几乎没有人谈论它。

这种威胁有可能让华尔街的人工智能宠儿跌落神坛

大多数投资者可能都清楚，人工智能的潜在市场令人瞠目结舌，企业纷纷争相分一杯羹。在未来几个季度，英伟达将面临不少外部竞争。

虽然超微半导体公司 （AMD-2.84%）在 Nvidia 之后进入市场，它在提高 MI300X AI-GPU 的产量方面没有遇到任何困难。AMD 最近还推出了下一代芯片MI325X预计今年年底前投入生产。AMD 芯片的价格明显低于 Nvidia 的 Hopper 和 Blackwell，这可能使它们对希望在数据中心利用人工智能的企业具有吸引力。

然而，外部竞争并不是推翻英伟达的最大威胁。相反，英伟达面临的最大直接阻力是内部的竞赛。

美国许多最具影响力的企业都已订购并在其高计算数据中心使用 Nvidia 的 GPU。这包括微软 （微软公司-2.79%）,元平台 （梅塔-4.00%）,亚马逊 （亚马逊-4.19%）,字母 （谷歌-1.76%）（谷歌-1.95%）,特斯拉、OpenAI 和 AI 基础设施主脑超微型计算机，它将 Nvidia 的 GPU 融入其可定制的机架服务器中。

截至 2024 年 7 月 28 日的三个月中，Nvidia 的四家客户（该公司没有透露其主要客户的姓名）占其净销售额的46%，其中五分之一的贡献不到 10%，但仍有可能达到较高的个位数。我们可以轻松地说，英伟达一半的收入来自五个客户。如果我不得不大胆猜测的话，我预计这些客户将是 Microsoft、Meta、Amazon、Alphabet 和 Super Micro（排名不分先后）。

AI-GPU的稀缺使得英伟达的毛利率飙升。NVDA 毛利率（季度）数据由Y图表。

Nvidia 担心的是这些顶级客户中的大多数都在开发 AI-GPU用于各自的数据中心。

• 微软开发了 Azure Maia AI 芯片，可用于训练大型语言模型并监督公司 Azure 云基础设施平台内的生成式 AI 解决方案。
• Meta正在内部开发“元训练和推理加速器”芯片，以最大限度地发挥其人工智能数据中心的潜力。
• 亚马逊正在开发多种GPU芯片，包括Trainium2和Inferentia，这些芯片将满足其世界领先的云基础设施服务平台亚马逊网络服务（AWS）的客户需求。
• Alphabet 依靠张量处理单元 (TPU) 来训练 LLM 和推理。TPU 是专为人工智能应用定制的专用集成电路。

虽然这些内部开发的芯片可能在很多方面优于 Nvidia 的 Hopper 和/或 Blackwell，但后者的硬件在计算能力方面仍应保持绝对优势。然而，这可能还不足以防止 Nvidia 失去宝贵的数据中心资产在接下来的几个季度里。

微软、Meta、亚马逊和 Alphabet 拥有雄厚的财力和充裕的运营现金流。虽然他们都能负担得起 Nvidia 的 AI-GPU 的高价位，但这并不意味着他们愿意为这种硬件支付相当高的价位。与 Nvidia 芯片相关的订单积压，加上使用内部开发的 AI-GPU 的便利性和成本，可能会导致 Nvidia 在未来失去数据中心空间。

请记住，AI-GPU 的稀缺性一直是推动 Nvidia 卓越定价能力的主要催化剂。随着其顶级客户开发自己的硬件，这种稀缺性的减弱和英伟达的利润率下降只是时间问题。

到目前为止，内部竞争是英伟达人工智能主导地位的最大威胁。