Nvidia的第三戰場

「我們離倒閉只有30天。」

晶片，國之命脈。

這一枚小小的方塊，竟卡住了中國無數尖端行業的咽喉，成了科技巨頭們的阿喀琉斯之踵。

2021年，36氪重磅推出《芯征程》系列產業觀察。本系列將對半導體產業上下游進行一次全方位的深度研究，包括不斷突破摩爾定律極限的製造巨頭、設備供應商、材料供應商、以及晶片設計企業。希望我們的內容能夠為飽受「缺芯」困擾的中國產業界提供一些借鑑與參考。

有這麼一家公司，在過去短短5年間，其股價實現了20倍的爆炸式增長，它的營收在近兩年才剛剛突破百億美元，可市值卻一路衝到了3500億美元以上，一夜間竟成了全球市值最高的晶片設計企業、世界第三大半導體公司（前兩名為台積電和三星）。

它就是Nvidia，人工智能最傳奇的市場玩家。

就在2月25日早上，Nvidia剛剛公布了其2021財年（2020年度）財務數據，公司年度營收與淨利潤都創下歷史新高——營收166.75億美元，按年增長53%，淨利潤為43.32億美元，按年增長55%。

截止至發稿，Nvidia總市值依舊保持在3200億美元以上的高位，穩坐晶片設計公司全球市值第一的寶座。

跟這家公司打過交道的人常常會覺得，這是一家年輕、迅捷、依然保有創業心態的公司，尚未被「大公司病」所完全腐蝕。

靠着對人工智能技術的百億美元精準押注，這家不到30歲的年輕企業，在半導體巨頭林立的硅谷上演了一出「拳打AMD、劍指英特爾」的精彩戲碼，贏得了滿堂喝彩。

然而，隨着谷歌、微軟、亞馬遜、阿里等雲服務廠商相繼下海造芯，Nvidia突然面臨着「客戶變對手」的窘境；再加AI晶片創企步步緊逼，加密貨幣市場劇烈震盪，在光鮮亮麗的市值勝利背後，Nvidia迫切需要找到新的增長曲線。

「我們離倒閉只有30天」

Nvidia在1993年成立之初，瞄準爆發前夜的顯卡（GPU）細分市場，2002年後靠拳頭產品站穩行業龍頭，2006年提前佈局高性能計算業務，2012年押注中人工智能浪潮，乘勢爆發。

表面上，Nvidia的成功源自於它準確押中了兩大浪潮：圖形圖像、人工智能。

實際上，Nvidia成功的秘訣，在於一個「快」字。

重金研發，快速迭代，用產品性能說話。這是晶片業顛不破的真理。

Nvidia創始人 黃仁勛 圖片來源：36氪拍攝

晶片新品的滾動式研發節奏非常緊湊，一代都不能延後、一代都不能掉隊，否則，辛苦打下的陣地將會被步步緊逼的對手們輕易佔領。

英特爾的「摩爾定律」指出，處理器性能每18-24個月將翻一倍。如今半導體的龍頭玩家，無論是英特爾還是台積電，都曾靠這一法則從二線陣營迅速崛起，逆襲成為半導體行業的全球老大。

如果說晶片研發本已是「困難」模式，那麼Nvidia則率先將遊戲推向了「地獄」級別。

2000年，Nvidia創始人兼CEO黃仁勛宣布了他的的「黃氏定律」，顯卡性能每6個月就將翻一倍。

黃仁勛是業內出了名的工作狂，也是英特爾、AMD等當代晶片龍頭企業CEO中唯一一位白手起家的創始人。

——「記住，Nvidia離倒閉只有30天。」這是黃仁勛時常掛在嘴邊的話。

在這種緊迫感的驅使下，Nvidia每年投入巨量的資金進行研發投入，在2014~2020年期間，Nvidia每年的研發投入幾乎都超過了營收總額的20%，甚至一度接近30%，遠高於14.5%的行業前十平均水平（ICinisght 2020年數據）。

創業與守業的區別，大抵如此。

迄今為止，在每一代晶片的關鍵技術節點上，Nvidia都不曾缺席。

反觀曾經的龍頭大哥英特爾，雖然其營收利潤總額依然傲視群雄，可近年來在先進製程領域一再受挫，每年上百億美元的研發資金砸進去，最終卻又再14nm後添了一個「+」。

百億美金大賭局：人工智能

在半導體大佬林立的硅谷，Nvidia這家成立尚不足30年的晶片公司，是個實打實的「年輕小弟」。

它的創始人黃仁勛有着濃烈而鮮明的個人色彩，永遠穿着一身黑色皮衣，走路風風火火，性格熱情、偏執，甚至有些獨斷專行。

正是這種性格，讓黃仁勛能夠力排眾議，在當年公司年度營收僅有30億美元時，每年拿出5億美元作為「賭注」，豪賭一個人工智能的輝煌明天。

這局他賭贏了。

2000年，GPU顯卡市場激烈動盪，九十年代末70家顯卡公司終極大亂斗的盛況快速收攏，曾經的市場王者3Dfx被Nvidia併購後取而代之，只剩下ATI與Nvidia爭奪市場第一的寶座。

這本應是兩大強者生死決戰的關鍵時刻，可這時，史丹佛大學裏某個名為「Brook」的編程項目吸引了Nvidia的注意。

Brook項目由史丹佛大學裏一個年輕的博士在讀生——Ian Buck——創立，他們致力於打造一個新型編程系統，讓GPU可以被用於除了圖形計算外的其他領域。

在此之前，Nvidia的顯卡只開放了少數圖形接口，靈活度很低。但是，由於GPU使用的是並行計算，有多個處理核心，可以同時處理大量數據，非常適合高性能計算領域。

與之相對應的，CPU（中央處理器）使用的是串行計算，其特點是速度快、靈活性高、但是很難同時處理大量數據。

在Nvidia的支持下，Brook項目比預想中開展得更為順利。2004年，Nvidia更是主動邀請Ian Buck作為實習生加入Nvidia，負責研發一個新項目——CUDA（Compute Unified Device Architecture）。

通過CUDA平台，開發者們可以輕鬆地將NvidiaGPU計算性能使用到任何領域，並且完全不用學習新語言，因為CUDA從一開始就支持C語言編程。

這個由實習生帶領的小項目也吸引了黃仁勛的注意，2006年，CUDA平台被作為官方產品正式發佈，2009年，黃仁勛更是在採訪中將CUDA譽為計算機的未來。

事實上，在2006年以後的很長一段時間裏，CUDA所帶來的非圖像業務對於Nvidia的營收貢獻始終微乎其微。

圖像之外的計算需求讓Nvidia不得不在晶片中增加邏輯電路，從而導致晶片面積增大、散熱量提高、故障率飆升。僅僅為了解決GPU產品過熱而導致花屏的「顯卡門」事件，就一次性花掉了Nvidia2億美元的支出。

可是，黃仁勛看準了高性能計算的市場前景，這是一個處在爆發前夜的巨大市場——正如1993年Nvidia成立之處，尚處沉寂的顯卡市場一樣。

在公司營收還不足30億美元時，Nvidia至少每年拿出了5億美元投入CUDA的技術研發與生態扶持。據黃仁勛回憶，在2006~2016這十年裏，Nvidia幾乎投入了100億美元。

這些付出都是值得的。

2012年，隨着深度學習+GPU的組合在ImageNet大賽上一炮打響，人工智能一夜之間火遍全球，全球科技界都將目光轉向了這一領域。

而此時人們翻遍市場所有晶片，竟找不到另一個比NvidiaGPU更適合的人工智能計算平台。

於是，Nvidia的股價爆發了。而CUDA，這個曾經不被人看好的實習生項目，竟成了這一人工智能帝國的最強根基。

向着數據中心進發

根據中信證券數據，過去10年，全球數據量CAGR接近50%，過去5年仍保持26%的複合增速；2020年，全球數據量將達到51ZB之巨——並且持續爆發增長。

在消費互聯網、工業互聯網、5G、人工智能等多重需求強勢推動之下，全球數據中心需求維持在15%~20%的高速增長，中國市場則更是超過了30%。

隨着個人電腦市場逐漸飽和，爆發式增長的數據中心需求也成為了全球半導體市場的主要增長來源。

早年間，憑藉着x86架構在數據中心CPU中的壓倒性地位，英特爾幾乎壟斷了數據中心CPU市場，市場份額高達90%。

然而，人工智能的爆發把英特爾打了個猝不及防，僅靠CPU已經不足以滿足飆升的高性能計算需求，看似鐵板一塊的x86市場被撕開一道口子，以Nvidia為首的GPU、AI晶片企業瘋狂湧入。

2016年，英特爾的泛數據中心業務漲幅為34.64%，2017年下降為15.77%、2018年為20.43%、2019年更是跌到了2.91%，2020年反彈回8.06%。

Nvidia的股價「起飛」，也是源自於2015年前後深度學習在產業界的爆發。從2016年開始，Nvidia數據中心業務季度增速幾乎沒有低過50%（2019年受上游採購周期影響，數據中心全行業整體處於低位），甚至一度接近200%。

2020年8月，Nvidia宣布其第二季度數據中心業務收入17.5億美元，飆升167%，並且首次超越了圖形顯卡業務，成為Nvidia的最大主營業務來源。

自CUDA推出以來，深耕15年後，數據中心終於扛起了Nvidia第二增長曲線的大旗。

危局：客戶變對手

肥肉太香了，總是有人搶的。

震驚於數據中心所帶來的海量人工智能計算需求，在Nvidia股價暴漲的誘惑下，國內外大大小小的人工智能晶片公司如雨後春筍般瘋長出來。

僅就國內市場而言，在四五年間，數十家創業公司扎堆湧入了人工智能晶片領域，一筆又一筆天價融資震驚了一貫低調的半導體產業。

貿易摩擦與晶片「卡脖子」事件更是將國內的晶片熱度推向了最高點。

一時間，AI晶片發佈會層出不窮，而每一家公司的每一代新品發佈時，PPT上用來對標的競品一定是Nvidia。

與此同時，Nvidia也是創業公司「挖角」的重災區。除了AI晶片外，從2020年下半年開始，國內還掀起了一股GPU晶片投資熱，這些GPU創企的核心團隊大多具備Nvidia背景，瞄準通用GPU圖形圖像渲染市場，力求改變國產GPU市場長期受制於人的局面。

然而，Nvidia最大的威脅卻並非來自於它們中的任何一個。

Nvidia最大的威脅，是那些採購數據中心AI加速晶片的雲服務廠商，正在親自下場研發晶片，取代Nvidia的地位。

2015年6月，谷歌——這家全球第三大雲服務廠商——率先敲響了Nvidia的警鐘。

在2015年的谷歌I/O開發者大會上，谷歌首次推出了自研人工智能專用晶片TPU。

與Nvidia的GPU標準化產品不同，TPU是谷歌完全針對其自身TensorFlow機器學習框架而打造的，針對谷歌雲、搜索、地圖、翻譯等業務進行了全方位的優化。

與複雜的CPU/GPU相比，純AI加速器晶片設計難度沒有那麼大，再加上雲服務廠商可以根據自身業務需求進行設計調整，沒有多久，亞馬遜、微軟、阿里、百度、華為都紛紛拿出了自家的雲服務器AI晶片產品。

客戶變對手，這可能是Nvidia最不願意見到的局面。

再加上近年來，受限於摩爾定律的失效，Nvidia的產品創新速度開始減慢，黃氏定律提出的「GPU半年性能翻倍」難以重現。

Nvidia的最新數據中心晶片A100——雖然號稱峰值性能提高了20倍，但距離上一代產品V100的發佈已經過去了三年時間。

此時此刻的Nvidia，迫切需要找到第三條增長曲線。

全球半導體產業版圖重塑

2020年末，Nvidia突然宣布，將以400億美元收購全球最大半導體IP供應商Arm，一時震驚了全產業。

事實上，Nvidia看上Arm已經不是這一兩天的事情了。早在2018年３月的全球GTC大會上，Nvidia就宣布將聯合Arm打造AI晶片專用IP，並集成到Arm的Project Trillium平台上。

有趣的是，這個消息在GTC大會前一晚以保密新聞稿的形式發給了在場媒體，第二天的正式會議上卻刪掉了這一環節。

400億美元收購Arm，這是一筆實打實的豪賭。Nvidia過去十年間的淨利潤加起來都還不到交易額的一半。

當前，Nvidia主宰着高性能計算市場，Arm壟斷着低功耗計算市場，全球手機晶片與IoT晶片超過90%使用了Arm的架構。

如果這筆交易成功通過，那麼Nvidia就能將自身AI技術以IP授權的形式融入Arm生態，讓Nvidia的AI技術進入上億、甚至數十億台終端設備，真正一統高低功耗兩界，達成其「AI無處不在」的夙願。

不過，由於反壟斷法的存在，Nvidia收購Arm的這筆交易還需要包括中國在內的多個國家的批准，存在着巨大的不確定性。

中國工程院院士倪光南在去年9月的第四屆信息安全產業發展論壇上直言，中國商務部可能會否決該Nvidia對於Arm的併購計劃。

事實上，從2019年開始，全球半導體產業已經步入了一個全新的發展周期，Nvidia只是這股時代巨浪中的一朵小浪花。

2019年以來，全球半導體重大併購項目總金額已經接近了1000億美元，是此前的幾倍。

一方面，摩爾定律的失效讓整個半導體產業陷入了增長焦慮。正如賽靈思CTO Ivo Bolsens所言，「如果承認摩爾定律不再有效，那也就意味着整個半導體產業都失去了明確的增長方向，不知道投入哪方面研究才能確保賺錢。」

因此，為了找到下一個「摩爾定律」，晶片巨頭們迫切地在新架構、新材料、新封裝技術上不斷嘗試。代表案例如英特爾4億美元收購神經擬態晶片創企Nervana、賽靈思花10億美元打造ACAP新架構等。

另一方面，電動汽車、智能物聯網、人工智能等新興行業不斷湧現出對半導體產業的新需求。隨着半導體產業研發落地門檻越來越高，產業巨頭為了業務拓展或生態補足，越來越傾向於重金收購。

結語

無論是顯卡年代的競爭激烈，還是伴隨着人工智能的一路走紅，回顧Nvidia的成長史，最為重要的節點都是黃仁勛對於新一代增長曲線的精準押注與持續投入。

相較於其他產業巨頭而言，第一代創業者這種「我們離倒閉只有30天」的緊迫感，以及力排眾議、堅持己見的「偏執」，是很多職業經理人CEO所難以具備的。

當前，摩爾定律青黃不接、新興行業尚未爆發，再加上全球貿易摩擦加劇、日韓歐盟各懷心思，多重因素催化之下，全球半導體產業正經歷着一場前所未有的巨大變局，行業版圖被迅速重塑，風高浪急，水大魚大。

2021，動盪仍將繼續。