英偉達研究：NVIDIA目標不是AI芯片，而是AI工廠

佐思汽研發(fā)布《2024年英偉達AI與汽車業(yè)務分析報告暨 汽車新四化每周觀察2024年5月第1期》報告

英偉達以銷售AI芯片著稱。2024年5月22日，英偉達公布最新財季實現(xiàn)營收260億美元，同比增長262%；其毛利率78.9%，凈利潤達到148.1億美元，同比上升628%。其中：

數(shù)據(jù)中心業(yè)務營收為226億美元，創(chuàng)下公司歷史上的新紀錄，與上年同期相比大幅增長427%，與上一財季相比增長23%；汽車業(yè)務為英偉達第四大業(yè)務，最新財季營收為3.29億美元，與上年同期相比增長11%，與上一財季相比增長17%。

谷歌、微軟、Meta、亞馬遜、特斯拉等科技巨頭一方面采購英偉達的GPU，另一方面也在抓緊研發(fā)和部署自己的GPU，減輕對英偉達的產(chǎn)品依賴。

隨著AI大模型應用的爆發(fā)，對AI芯片的需求出現(xiàn)了爆發(fā)式增長。為什么科技大廠做AI訓練都選擇英偉達而非英特爾或AMD？大致有這幾方面原因：

• • CUDA生態(tài)系統(tǒng)的成熟
  • 英偉達芯片的性能優(yōu)勢
  • 經(jīng)過驗證的市場先發(fā)優(yōu)勢
  • 軟件和硬件的緊密結(jié)合
  • 強大的行業(yè)生態(tài)

CUDA實際上已成為一些高性能計算和AI應用的行業(yè)標準。許多流行的深度學習框架如TensorFlow、PyTorch等，都提供了對CUDA的原生支持，這意味著開發(fā)者可以無縫地在英偉達GPU上運行他們的代碼，無需額外的適配工作。

2023-2024年，我們可以看到特斯拉減少了對汽車研發(fā)的投入，蘋果放棄了造車，他們紛紛把投入重點轉(zhuǎn)移到AI大模型開發(fā)及落地。

4月28日，馬斯克表示：2024年特斯拉將會投資約100億美元用于AI的訓練和推理，而推理主要用于汽車。特斯拉截至到2024年4月共有3.5萬個GPU用于訓練自動駕駛系統(tǒng)。

5月27日，馬斯克旗下的人工智能初創(chuàng)企業(yè)xAI宣布，已經(jīng)成功完成60億美元的B輪融資，公司估值達到180億美元。訓練xAI的大模型Grok 2需要約2萬個英偉達H100 GPU，Grok 3型號及以上型號將需要10萬個英偉達H100芯片。

在4月12日，xAI發(fā)布Grok1.5V（Vision），這是xAI首款能同時處理文本和視頻的多模態(tài)模型，還包括圖表、屏幕截圖和照片。英偉達高級科學家Jim Fan表示Grok-1.5V最讓人興奮的是解決自動駕駛邊緣案例的潛力。未來如果Grok 2和Grok 3發(fā)布，解決自動駕駛邊緣案例的能力將大大加強。

特斯拉、華為、百度等少數(shù)IT巨頭能夠解決自動駕駛所需超大算力。對于大多數(shù)OEM而言，則不可能自己部署和運營超大規(guī)模智算中心。因此，英偉達推出了AI工廠。

黃仁勛稱，英偉達構(gòu)建的不僅僅是GPU處理器，而是AI工廠，包括了CPU、GPU、內(nèi)存、NVlink、InfiniBand以及以太網(wǎng)交換機。英偉達將專注于AI生成的新型數(shù)據(jù)中心定義為“AI工廠”。

2023年10月，英偉達表示將擴大與富士康的持續(xù)合作，以加速AI驅(qū)動的電動汽車和機器人平臺的開發(fā)。雙方合作重點是AI工廠的建設。富士康宣布計劃建造大量基于NVIDIA CPU、GPU及其網(wǎng)絡技術(shù)的計算系統(tǒng)，同時配備NVIDIA的硬件和NVIDIA AI Enterprise軟件，這些系統(tǒng)將出售給那些希望建立自己AI數(shù)據(jù)工廠的客戶。

這種“AI工廠”有望成為特斯拉Dojo超級計算機的直接競爭對手。Dojo被用于訓練特斯拉的神經(jīng)網(wǎng)絡，這些神經(jīng)網(wǎng)絡用于支持、訓練和改進其“全自動駕駛”。

黃仁勛稱，英偉達將為整個行業(yè)生產(chǎn)AI，英偉達將專注于發(fā)明AI模型技術(shù)、提供模型定制開發(fā)工具，并建設便于模型微調(diào)和部署的基礎設施。

英偉達不僅連接了AI生態(tài)系統(tǒng)的各個參與者，還降低了行業(yè)門檻，提供了專業(yè)化支持和資源共享。英偉達的工作主要有三大塊：

發(fā)明AI模型技術(shù)，運行AI模型并對其進行封裝，也就是NIM；

提供模型定制開發(fā)工具，NeMo微服務可以幫助用戶整理和準備數(shù)據(jù)，以便對AI進行初始訓練；

提供基礎設施，便于實現(xiàn)模型的微調(diào)和部署，用戶可以部署在DGX Cloud基礎設施上，也可以部署在本地，或是他們需要的任何地方。