谁能“复制”英伟达
图片来源@视觉中国
文｜自象限，作者｜周乾，编辑｜程心
“疯了！”
这是25日许多投资者最直观的感受。一夜之间，市值暴涨2000多亿美元，最高点时市值9763亿美元，距离万亿也仅一步之遥。
而受到带动，整个半导体行业和AI相关的股价如超微、美光、英特尔、阿斯麦、ADM、台积电等等都在集体大涨。
这一切的原因，只是因为一份超出预期的财报。
5月25日，发布2023年一季度财报，之后，原本收跌0.5%的股价在盘后迅速拉升，涨幅一度超过20%。稍晚之后，举行财报电话会议，随着更多消息的公布，股价又持续攀升，涨幅一度接近30%。
▲ 英伟达股价变动情况
当然，这个超预期不单单是指财报数据上的超预期，而是透过英伟达的财报，市场发现大家远远低估了大模型和AI时代的增长速度。
比如，一季度实现营收71.9亿美元，虽然同比下降13%，但远高于市场预期的65.2亿美元。而这个增长的来源，在于AI相关的云计算平台和大型科技公司对GPU芯片的需求，其中数据中心业务实现创纪录的42.8亿美元营收。
在这样的背景下，还预计Q2营收将同比增长近33%至110亿美元左右，较市场预期高出53.2%。如果实现，这也将是该公司有史以来最高的季度营收。
而这一切数据的意义在于，在这之前，大家虽然对AI和大模型带来的红利已有预判，但这种预判一直没有直观数据的佐证，这次财报算是将这种预判，彻底砸实了。
一个活生生的案例告诉大家：AI来得比所有人预想中的都要快的多的多。
AI 来得比想象中更猛烈
看的财报，可能很多人会有疑问，明明很多关键数据都在下滑，为什么说“超预期”？
比如，一季度营收71.92亿美元，同比下降13%；Non-GAAP口径下，调整后净利润27.13亿美元，同比下降21%，EPS1.09美元，同比下降20%。
但实际上，这个数据要放到大的半导体行业周期下来看，半导体行业有三大周期，即产品周期、产能周期和库存周期。过去两年、受疫情及半导体库存周期影响，半导体行业一直都处于趴着的状态。
所以一季度市场对的预期也不高，比如营收，分析师预期一季度同比下降25%，去年四季度同比下降21.5%；比如每股盈余，析师预期同比下降32.4%，去年四季度同比下降33%。
所以，虽然一季度营收同比下降两位数，但跌幅远低于市场预期，而且环比跌幅也在放缓。能够很明显看到，一季度英伟达业绩在下跌路上踩下了一个稳稳的急刹车。
而踩下这个急刹车的动力，来自于AI。
英伟达核心业务一共两块，一个是游戏，核心是游戏玩家钟爱的4090，但这一块业务因为宏观经济增长放缓造成的需求疲软，收入一直在下滑。
财报数据显示，一季度游戏营收22.4亿美元，虽然环比增长了22%，但同比下降38%，而去年四季度更是同比下降46%。但这块业务，其实也已经比分析师预估的19.8亿美元高了13.1%了。
所以这一季度的亮点，更多来自与AI相关的数据中心。
从数据来看，一季度数据中心营收42.8亿美元，同比增长14%，环比增长18%，较分析师预期的39.1亿美元高约9.5%。也在财报中提到，数据中心收入激增主要是由于使用基于Hopper和Ampere 架构GPU的生成式AI和大语言模型的需求不断增长。
众所周知，算力是AI的基础。
可以说，几乎所有想要在AI大模型时代有所作为的企业，目前都绕不开的的GPU，包括OpenAI、微软、Google、亚马逊等等。一个直观的例子是，马斯克为了和OpenAI对垒，成立X AI之后，第一件事就是大量采购的GPU。
在国内，百度、阿里、商汤、讯飞....所有和AI有关的公司，也都是的直接客户。因为到目前为止，A100和H100仍然是唯一能在云端高效率执行通用任务的芯片。
▲ 英伟达 A100
有相关公司的高管私下开玩笑表示，现在出门人家都不问你有多少人，有多少钱，而是问你有多少卡，没有几百上千张卡，都不好意思说自己是做AI的。
当然，由于一些原因，目前国内无法直接采购到这两款芯片，为此也专门推出了能够在国内售卖的A800和H800。
从年初开始，各大AI相关公司都在大力囤货。5月初，腾讯深网报道，针对中国特供版芯片A800和H800已在国内出货，并遭到包括服务器、互联网厂商在内的国内公司“哄抢”，导致A800涨到10万元一块，拿货周期也从原来的一个月左右，延长到三个月甚至更长。
当然，这些过去已经确定的都是过去的事，不足以成为期望，毕竟资本市场购买的，永远是预期。所以真正引爆股价的不只是一季度的业绩，也包括在财报中透露的，对二季度乃至以后的乐观。
表示：“公司锁定了数据中心芯片的大幅增长，计划下半年大幅增加供应。”
预计，二季度营收为110亿美元，正负浮动2%。按这个预期计算，二季度营收将同比增长约32.7%，而之前分析师对于二季度的预期只有71.8亿美元，同比下降13.4%。所以的业绩指引，要比分析师的预期高53.2%。如果这个业绩达成，意味着二季度将扭转收入连续三个季度同比下滑的势头。
“计算机行业正在同时发生两项转变，加速计算与生成式AI。”英伟达CEO黄仁勋在财报电话会上说；“价值一万亿美元的数据中心基础设施将升级，以处理加速计算，让他们运营ChatGPT等生成式人工智能工具。”
显而易见，AI正在从底层发生改变，而成为了那个最先站在潮头的公司。
中国半导体，卡位AI芯片
某种程度上，带动的这一轮股价暴涨，算得上今天关于AI大爆炸最生动的一个注脚。
因为自2022年以来，受宏观经济环境和半导体周期影响，全球主流半导体大厂都还处在下行区间，而唯独一枝独秀。（这里不计算做光刻机的阿斯麦）
当然，这样景象必然也是短暂的，毕竟AI和大模型带来的红利，覆盖的远远不止英伟达一家。
比如人工智能从训练、部署到运作都需要消耗大量的存储，这可能也将带动相关芯片企业，如国外的美光、国内的长江存储等半导体企业的发展。
更直接的当然还是用在云端加速计算的AI芯片，这一块是当之无愧的领头羊，但国内的布局其实也已经相当完善。毕竟在上一轮从2015年开始的半导体热潮中，AI芯片就是最重要的一个主题，这段时间，国内也涌现了一大批AI芯片公司。
比如大厂中百度有昆仑芯、阿里有平头哥、腾讯有紫霄；半导体公司中，包括寒武纪、壁仞、燧原科技、墨芯智能等等，其中优秀的芯片设计公司，产品性能已经非常接近的A100 和H100 。
比如壁仞去年发布的通用GPU BR100，7nm制程，芯片16位浮点算力达到1000T以上、8位定点算力达到2000T以上，单芯片峰值算力达到PFLOPS级别。这个数据，起码在纸面上已经在许多领域超过了在售的A100，甚至比肩H100的性能。这样的芯片其实还有很多，比如寒武纪的MLU370-X8、墨芯智能的S30、燧原科技的邃思 2.5AI推理芯片等等。
之所以会出现这样的情况，与国内这两年芯片发展趋势有关。由于先进制程的追赶并不容易，再加上摩尔定律的效果放缓，所以国内半导体行业开始开始思考更多可以弯道超车的技术。
比如存算一体、比如通过Chiplet和2.5D/3D堆叠的先进封装、稀疏计算、或者ReRAM材料/工艺和AI应用潜力的软硬协同等方式。
前面我们提到包括壁仞、墨芯智能、燧原科技等等，之所以能在7nm制程上就能赶超4nm的性能，核心原因就是Chiplet和2.5D/3D堆叠的先进封装，以及软硬结合的技术。
当然，即便在这样的情况下，得到的产品也只是在“纸面数据”上接近，因为这些芯片公司发布的都是峰值算力，即在实验室环境下的最好状态，这种状态通常在产业应用中很难复现。
而即便是能够复现，距离真正的产业应用其实也还有一段距离，毕竟对于芯片产业来说，性能上的突破只是万里长征的第一步，更重要的是让产业能够用起来。
这里就涉及到量产能力、交付能力、基于芯片的软件开发生态等等，而这些领域，中国的芯片企业还相对比较薄弱。
一位芯片从业者给「自象限」举了个例子：“这就像两个Windows系统，性能一模一样，但一个系统只有系统，另一个系统拥有PS、PR、AR、Word等众多软件，现在要让一个设计公司在两个系统中选一个，正常人都会选有软件的。”
作为对比，则有一整套芯片开发工具，包括CUDA、cuDNN、TensorRT、Nsight、CUDA Toolkit等等。更重要的是，由于这套工具已经相当成熟，下游厂商的程序员、开发的应用适配、数据的积累都已经绑定到这些软件上，让企业更换芯片成本和门槛都已经变得非常高。
所以，的核心竞争力远远不只是芯片性能，而是以芯片基础，通过工具软件打造的整个生态。
国内企业想要争抢的市场，就需要开发出能够兼容的软件开发系统，让之前使用的公司，能够无门槛地将之前的数据、开发成果迁移过来，而这个工作还需要很长的时间去积累。
所以，芯片的战争远不止是尖端技术的竞争，而是一个产业的生态战争，万事开头难，而中国已经走完了第一步。