近日，Nvidia發(fā)布了財報，財報顯示其凈利潤和營收都出現(xiàn)下滑，尤其是在游戲和數(shù)據(jù)中心等核心業(yè)務(wù)，下滑尤其引人注目。同時，黃仁勛表示并不擔(dān)心亞馬遜、谷歌等數(shù)據(jù)中心客戶變成競爭對手。那么，Nvidia是否真正面臨競爭?本文將為此做專門解讀。

Nvidia的歷史

在分析Nvidia面臨的挑戰(zhàn)之前，我們先回顧一下Nvidia的歷史。

Nvidia崛起于上世紀(jì)九十年代中期，當(dāng)時的高科技行業(yè)正在迎來一個重大的技術(shù)革新，即多媒體計算。當(dāng)時，PC正在席卷全球，其中PC游戲市場正在快速發(fā)展，同時以PlayStation為代表的次世代主機(jī)也在大大提升游戲的質(zhì)量。由于CD-ROM的普及，游戲容量不再成為一個問題，因此游戲的畫面得到了大幅躍進(jìn)。在這樣的局勢下，圖像處理加速芯片成為了半導(dǎo)體行業(yè)的新星，3Dfx、Nvidia、ATi、S3等圖像處理加速芯片公司成為了關(guān)注的焦點。這樣的局面正像現(xiàn)在的AI芯片領(lǐng)域，各大新公司紛紛崛起挑戰(zhàn)Nvidia——而事實上Nvidia當(dāng)年也是這樣一家崛起于草莽的公司。經(jīng)過多年競爭，最終Nvidia成為了PC圖像處理芯片領(lǐng)域當(dāng)仁不讓的領(lǐng)軍者，ATi被AMD收購之后占據(jù)了市場第二的位置，而其他公司則紛紛出局。

在PC游戲市場上，Nvidia多年來是獨占鰲頭，ATi(AMD)并無法挑戰(zhàn)Nvidia的地位。Nvidia在PC游戲市場上的產(chǎn)品定位是高端“核彈”，它的顯卡性能定義了當(dāng)年的性能極限，同時其生態(tài)模型也非常完整，基本完全占據(jù)了開發(fā)者的心智。我們可以在Nvidia之后在人工智能等方向上的打法看到相似的基因：強(qiáng)調(diào)性能，占領(lǐng)高端市場，同時建筑生態(tài)護(hù)城河。然而，在PC和游戲市場上，Nvidia也并不能做到完全壟斷。在低端市場上，Intel的集成顯卡是主流;另外在占領(lǐng)游戲市場半壁江山的主機(jī)市場上，Nvidia的市場占有度也是偏低，甚至低于老對手AMD。在2000年至今索尼、任天堂和微軟發(fā)布的12款主機(jī)中，Nvidia的顯卡進(jìn)入了3款主機(jī)，而AMD/ATI的顯卡進(jìn)入了8款主機(jī)。這顯示了Nvidia在獨立高性能顯卡領(lǐng)域雖然獨占鰲頭，而在定制化市場則表現(xiàn)乏力。例如在游戲主機(jī)領(lǐng)域，往往需要顯卡廠商根據(jù)主機(jī)廠商的需求為主機(jī)去量身定制一款顯卡芯片，而這類生意Nvidia并不擅長，或者也可能是不屑于做(因為定制顯卡的回報往往不夠高)。我們會看到，Nvidia在之前的這些市場偏好將會在未來的人工智能市場同樣影響它的決定。

在PC市場飽和之后，下一個崛起的市場是移動市場，而隨著智能手機(jī)的發(fā)展，移動市場對于GPU也有很高的需求。然而，Nvidia在移動市場的表現(xiàn)確實乏善可陳。在移動市場，主流的GPU方案是以ARM為代表的IP授權(quán)方案，而這卻是Nvidia非常不擅長的市場。Nvidia推出的Tegra系列SoC從整體上來看缺乏競爭力，在移動市場的占有率非常有限。

在移動市場之后，人工智能成為了下一個熱點。人工智能第一個大市場是云端市場，而Nvidia完全迎合了這個市場的需求。云端市場對于性能有很強(qiáng)追求，同時對于價格不太敏感，這正好能對上Nvidia做高端核彈卡的傳統(tǒng)強(qiáng)項;同時，Nvidia早年在通用GPU的投資打造出了CUDA開發(fā)生態(tài)，可以讓GPU實現(xiàn)很強(qiáng)的通用性和靈活性，從而在生態(tài)上牢牢把握了服務(wù)器端人工智能市場的主流地位?？梢哉f，Nvidia高端通用路線+生態(tài)戰(zhàn)略完美滿足了云端人工智能市場的需求，因此占據(jù)了目前人工智能市場的主角地位。

PC游戲領(lǐng)域仍然獨占鰲頭

在PC游戲桌面GPU領(lǐng)域，我們認(rèn)為在未來Nvidia仍然將占據(jù)主導(dǎo)地位。PC游戲領(lǐng)域的發(fā)展目前已趨向于平緩，在這種情況下?lián)碛蓄I(lǐng)先地位的Nvidia將擁有更多主動權(quán)——無論是資源還是技術(shù)積累方面，處于挑戰(zhàn)者地位的AMD都不太容易找到可以彎道超車的應(yīng)用場景。桌面GPU是一個復(fù)雜的系統(tǒng)工程，并不是簡單地堆積核心數(shù)就能實現(xiàn)提升性能，而需要在軟件、系統(tǒng)和芯片架構(gòu)上達(dá)到平衡才能實現(xiàn)最優(yōu)性能。在這一點上，廣大PC游戲愛好者想必都能體會到Nvidia在芯片性能、驅(qū)動程序、最終視覺效果領(lǐng)域的全面領(lǐng)先，因此我們認(rèn)為在PC GPU領(lǐng)域Nvidia仍然將領(lǐng)先。

在PC游戲領(lǐng)域，唯一的變數(shù)可能是VR市場。VR游戲市場正在慢慢變得重要。VR應(yīng)用場景一方面要求高處理性能和高畫質(zhì)以滿足沉浸感的需求，而強(qiáng)勁的性能正是Nvidia的強(qiáng)項;而另一方面隨著VR一體機(jī)漸漸占據(jù)主流，VR應(yīng)用對于GPU的要求又有點接近移動應(yīng)用，對于GPU的功耗也提出了要求，而這卻并非Nvdia的長處。因此，如果我們把VR應(yīng)用也歸入桌面級GPU市場，那么該應(yīng)用有可能會成為桌面GPU市場的一個變數(shù)。目前，主流的VR一體機(jī)使用的是高通的SoC和GPU方案，因此Nvidia是否能進(jìn)入該應(yīng)用并成為主流還有待觀察。

數(shù)據(jù)中心領(lǐng)域面臨競爭，Nvidia護(hù)城河在于生態(tài)

數(shù)據(jù)中心業(yè)務(wù)是人工智能的第一個重要應(yīng)用，也是Nvidia AI概念的來源。云端數(shù)據(jù)中心人工智能應(yīng)用是Nvidia GPU非常擅長的應(yīng)用，因為云端數(shù)據(jù)中心需要大量并行計算，而GPU正好能滿足這樣的需求;同時云端市場更注重性能，而把性能推到極致也是Nvidia擅長做的事情。

但是，GPU畢竟不是為人工智能計算量身定制的，因此在人工智能算法的需求和GPU架構(gòu)上存在一些不一致的地方，這也是不少新興AI芯片公司(如Graphcore，Habana等)希望能在云端挑戰(zhàn)Nvidia的原因，而Nvidia也給出了自己的回應(yīng)。人工智能需要GPU做出的第一個改變是對于低精度運算的支持。傳統(tǒng)GPU使用32位浮點數(shù)(fp32)，而人工智能計算中實際上使用16位浮點計算技能滿足大部分需求，在推理應(yīng)用中使用8位整數(shù)就夠了。在芯片中，32位浮點數(shù)運算單元需要的面積和功耗都遠(yuǎn)大于16位浮點數(shù)和8位整數(shù)計算，因此根據(jù)人工智能應(yīng)用在芯片中使用16位浮點數(shù)單元或者8位整數(shù)單元才能實現(xiàn)最有效率。Nvidia在低精度計算方面給出了積極回應(yīng)，在最新的GPU架構(gòu)中加入了能高效實現(xiàn)低精度計算的Tensor Core，并且在軟件上給出了TensorRT作為強(qiáng)力支持，因此光從低精度計算角度已經(jīng)很難再云端挑戰(zhàn)Nvidia。除了低精度計算之外，另一個人工智能的挑戰(zhàn)是數(shù)據(jù)流。Nvidia的GPU非常適合加速卷積神經(jīng)網(wǎng)絡(luò)(常用于圖像識別領(lǐng)域)，但是對循環(huán)神經(jīng)網(wǎng)絡(luò)(常用于語音和語言類識別任務(wù))的加速效果較為一般。不同于卷積神經(jīng)網(wǎng)絡(luò)簡單的單向數(shù)據(jù)流，循環(huán)神經(jīng)網(wǎng)絡(luò)中的數(shù)據(jù)流較為復(fù)雜，因此傳統(tǒng)GPU的SIMD架構(gòu)支持起來存在效率較低的問題。循環(huán)神經(jīng)網(wǎng)絡(luò)只是GPU對不同數(shù)據(jù)流支持效率不同的一個例子，隨著人工智能的進(jìn)一步發(fā)展，未來可能還會有新的神經(jīng)網(wǎng)絡(luò)需要新的數(shù)據(jù)流(而GPU可能沒法很好支持)，這對于Nvidia來說將會是一個很大的挑戰(zhàn)，也是其他AI芯片公司能挑戰(zhàn)Nvidia的機(jī)會。然而，在數(shù)據(jù)中心領(lǐng)域，Nvidia仍然有很高的護(hù)城河，即其CUDA生態(tài)。CUDA生態(tài)目前已經(jīng)是人工智能算法加速的主流框架，要讓許多人工智能深度學(xué)習(xí)框架離開CUDA重開爐灶需要極高的成本，因此未來Nvidia的優(yōu)勢在于是否能把握住CUDA的護(hù)城河并能支持盡可能多的主流算法需要的數(shù)據(jù)流，而AI芯片公司要挑戰(zhàn)Nvidia則除了需要作出性能夠強(qiáng)的芯片之外還需要能在軟件支持上能說服Nvidia的客戶換到自家的新平臺。

除了技術(shù)之外，Nvidia在數(shù)據(jù)中心業(yè)務(wù)面臨的另一個挑戰(zhàn)在于定制化。如前文所述，亞馬遜、谷歌等都在研發(fā)自己的數(shù)據(jù)中心芯片或加速卡，這些芯片/加速卡主要需要能滿足這些互聯(lián)網(wǎng)巨頭各自的獨特需求，因此需要定制化。在定制化方面，Nvidia一直顯得比較糾結(jié)，因為和這些客戶合作開發(fā)一款芯片因為這這款芯片的銷量會比較小，同時也難以成為自家生態(tài)里的有機(jī)成員。另一方面，新興AI芯片初創(chuàng)公司則會很樂意和互聯(lián)網(wǎng)巨頭一起合作開發(fā)定制化芯片以向世界證明自己，而互聯(lián)網(wǎng)巨頭自己的芯片部門則更是完全為了公司的需求在開發(fā)芯片。因此，在商業(yè)模式上新興AI芯片和互聯(lián)網(wǎng)公司的芯片部門都有著顯而易見的優(yōu)勢，如果未來Nvidia不能繼續(xù)保持性能的高度領(lǐng)先，則有可能會失去更多份額。

原有市場縮小+新市場抓不住才是nvidia需要擔(dān)憂的

對于Nvidia來說，其實最大的挑戰(zhàn)在于優(yōu)勢市場飽和的同時又沒法打進(jìn)新興市場。PC市場的飽和是有目共睹，而目前Nvidia的高股價很大程度上是投資人對于Nvidia在AI領(lǐng)域的前景預(yù)期付的溢價。然而，Nvidia是否真的能分到AI市場最大的蛋糕?我們知道，AI分為云端和終端兩部分，云端主要是數(shù)據(jù)中心業(yè)務(wù)，而終端則包括手機(jī)移動設(shè)備和物聯(lián)網(wǎng)等。雖然云端業(yè)務(wù)的利潤率較高，但是終端可能的市場容量會遠(yuǎn)大于云端市場，另一方面移動端對于Nvidia來說是傳統(tǒng)的弱項，直到今天也沒有能拿出一款具有說服力的使用在終端的人工智能芯片方案，因此Nvidia是否真能成為AI市場的主導(dǎo)者還有待實踐檢驗。

除此之外，Nvidia押注的自動駕駛市場目前來看也處于擠泡沫的階段，一家家明星獨角獸公司在褪去光環(huán)面臨市場的真正檢驗，究竟什么時候Nvidia主打的L4+自動駕駛能落地沒有人有確切答案。這一階段也將是Nvidia的一個挑戰(zhàn)，Nvidia是否能熬過這一段自動駕駛的冬天很大程度上將決定Nvidia的未來。