半導體龍頭輝達（NVIDIA）剛於8月底發表財報，表現超出華爾街預期，刺激股價飆升，不但令公司市值穩站在1兆美元（約7.8兆港元）以上，更帶動美國科技股整體上漲。如此亮眼的業績，不禁讓人懷疑該公司在AI晶片市場上是否還有對手。乘著生成式AI浪潮而登頂的NVIDIA，下一步將如何鞏固其AI晶片霸業？未來又將會面對甚麼潛在威脅呢？

全球搶購GPU令輝達收入暴漲

　　NVIDIA在2024年第二季收入躍升到135.1億美元（約1,053.78億港元），超出市場預期的 112.2 億美元；公司毛利率上升至71.2%，超出預期的69%；營業利潤則為 77.7億美元（約606.06億港元），年增率達到155%，淨利年增率更高達422%。

　　同時，NVIDIA在財報中提出樂觀的財測，預計第三季收入可望達到160億美元（約1,248億港元），較2022年同期暴漲170%；淨利有望激增至61.9億美元（約482.82億港元），遠超2022年同期的6.56億美元（約51.17億港元）；公司毛利率則預計為72%左右。

　　如此驕人的財報表現，突顯NVIDIA圖像處理器（Graphics Processing Unit，GPU）在生成式AI浪潮中有著舉足輕重的地位。輝達出品的A100、H100 GPU晶片，現已被科技業者視為開發AI大型語言模型的首選裝備。當日OpenAI對GPT-4模型展開數據訓練，就動用了約25,000顆A100晶片。

　　除各大科技巨頭如Google、亞馬遜（Amazon）、Meta外，英國、沙特阿拉伯、阿聯酋都大手搶購A100、H100晶片，導致NVIDIA GPU供應非常短缺。於是，輝達計劃將H100 晶片產能提高至少3倍，預計出貨量從2023年的50萬顆增至2024年的150至200萬顆。

目前全球最搶手的AI晶片，是NVIDIA出品的H100 GPU，售價高達4萬美元（約31.2萬港元）。（圖片來源：NVIDIA官網）

NVIDIA的AI運算產品線非常完整，除單一GPU晶片外，還有內置多顆GPU的超級電腦可供選購。（圖片來源：NVIDIA官網）

輝達數據中心營收未來仍會攀升

　　可是，有投資者擔心，當下NVIDIA形勢大好，可能因為企業被近期ChatGPT熱潮衝昏頭腦，所以把AI晶片需求往前挪。半導體研究集團SemiAnalysis首席分析師巴特爾（Dylan Patel）指出，很多科技公司即使尚未確定如何運用NVIDIA GPU來開發AI產品賺錢，但為免錯失良機，不惜砸下重金進行採購；到了某一天，生成式AI終於出現了可持續獲利的用途，屆時大部分公司可能會停止再投資，只剩下能夠真正獲利的公司會繼續加碼投資。

　　投資研究機構Morningstar Research分析師布賴恩·科萊洛（Brian Colello）對此看法不以為然。他認為，現時根本找不到GPU訂單是一次性購買、或是將支出挪前的證據，所以預估NVIDIA在2024會計年度從數據中心市場獲取的收入，可望達到410億美元（約3,198億港元），遠多於2023年的150億美元（約1,170億港元）。

　　科萊洛進一步預測，未來幾年輝達數據中心營收仍會持續攀升，有望從2025會計年度的600億美元（約4,680億港元），增長至2028年度的1,000億美元（約7,800億港元）。他認為，未來幾季每顆出廠的輝達GPU晶片都會被搶購一空。

全球數據中心轉向加速運算架構

　　NVIDIA執行長黃仁勳（Jensen Huang）豪言：「一個新的運算時代已經展開，全世界的公司正從通用型電腦運算，轉型為加速運算與生成式AI。」他認為，為迎合生成式AI的蓬勃發展，全球數據中心正逐漸從以中央處理器（CPU）為基礎的傳統運算架構，轉向以GPU為核心的加速運算架構。

NewEdge Wealth基金經理人本．埃蒙斯（Ben Emons）認為，左右美國利率政策走向的人不再是聯儲局主席鮑威爾，而是NVIDIA執行長黃仁勳，足證輝達已對美國經濟有著極大影響力。（圖片來源：NVIDIA官網）

　　換言之，數據中心可以少買一些超微（AMD）、英特爾（Intel）的CPU，轉為多買一些NVIDIA GPU，以建構生成式AI所需的加速運算平台。德意志銀行分析師羅斯·西莫爾（Ross Seymore）評估，NVIDIA數據中心收入將會是AMD、Intel加總起來的兩倍以上，凸顯輝達GPU對數據中心是何等重要。

　　此外，黃仁勳又指出，上至從法律合約、下至營銷文案，均可利用生成式AI產製出來，未來各行各業將會使用愈來愈多由AI生成的內容。他認為，數據中心架構轉型、產業需求AI生成內容兩大趨勢，已持續了大概一個季度，不會就此結束。不過，黃氏卻拒絕評論，2024年以後生成式AI熱潮能否繼續保持熱度。

黃仁勳與伺服器廠建立緊密關係

　　黃仁勳明白，NVIDIA不能只是坐享AI熱潮紅利而甚麼也不做。為求鞏固AI晶片霸業，黃仁勳早已作出3大部署。首先，他積極拉攏伺服器廠商，以建立更緊密關係。2023年5月，他旋風式訪問台灣，頻繁地出現在各家伺服器廠商的活動上，就是要穩固供應鏈樁腳，為其AI晶片布局做好準備。

　　大家要知道，AI模型運算能否暢行無阻，軟硬件整合正是箇中關鍵。目前全球大型企業都傾向擁有屬於自己的AI模型，這樣可能需要為其度身訂造的專用AI伺服器，才可以實現最順暢的運算表現。就算是Microsoft Azure、Amazon AWS和Google Cloud等雲端服務商，面對不同產業客戶的業務需要，對AI伺服器客製化的需求亦會有所增加。

Amazon旗下雲端服務供應商AWS的數據中心，現已大量採用NVIDIA GPU來提供加速運算服務。（圖片來源：Amazon官方網誌）

　　倘若要做到完全客製化，就需要晶片、系統、軟件公司等整個生態系廠商互相配合。如此一來，伺服器廠商所扮演的整合性角色將會變得愈加重要。因此，輝達只要跟伺服器廠商能夠保持良好的緊密關係，便能夠按照客戶需求製造出多樣化的產品——無論是數據中心適用的大規模運算架構，還是企業內部需要用到的單一AI伺服器，輝達都可以全面提供。這正是NVIDIA能夠搶下AI伺服器市場9成份額的主要原因之一。

善用CUDA固守市場防對手進入

　　其次，黃仁勳利用研發多年的編程工具平台《CUDA》，作為NVIDIA在AI領域的「護城河」。軟件工程師使用《CUDA》開發AI應用軟件時，可以跳過撰寫低階編程語法的步驟，直接採用高階語法諸如《C++》或《Java》等來編寫適用於NVIDIA GPU的演算法，以實現最佳的運算效能。

《CUDA》平台提供大量針對GPU架構深度優化的函數庫，可讓軟件工程師直接使用，有助簡化AI軟件開發流程。（圖片來源：NVIDIA官網）

　　幾乎所有採用NVIDIA GPU的企業，皆培育了一群深諳《CUDA》架構的工程師。AI軟件開發商如要轉用非輝達產品，就要重新訓練員工來適應新架構，故此絕大部分公司都不會輕易作出改變。假如競爭者無法突破《CUDA》這條護城河，根本不能攻入此市場。

　　有鑑於此，輝達主要對手AMD已推出自家的編程工具軟件《ROCm》，務求跟《CUDA》一較高下。2023年8月，AMD宣布收購法國AI軟件商Mipsology，以進一步強化《ROCm》。有分析師指出，此舉可能會迫使NVIDIA加快提升和改善《CUDA》的功能，以提高用戶黏著度。

跨足雲端市場擴大AI業務版圖

　　再者，黃仁勳嘗試跨足雲端服務市場，以擴大其AI業務版圖。2023年3月，輝達宣布推出雲端服務「DGX Cloud」，讓無法負擔高昂NVIDIA晶片價格的小公司，可以在雲端上享用GPU的強大運算力。DGX Cloud使用NVIDIA DGX超級電腦提供雲端運算，每台均配備8顆H100或A100 晶片和640GB記憶體。

　　自此以後，NVIDIA從只造硬件的AI晶片生產商，搖身一變為提供雲端運算的服務供應商。對AI初創來說，AI運算力是非常昂貴和稀有的資源；透過DGX Cloud，初創便可用較低成本來研發和部署AI應用。在當下運算力不足的AI發展期，NVIDIA可以藉此吸納更多初創加入其AI運算陣營，壯大《CUDA》生態圈。

　　此舉又可讓輝達搶攻氣象模擬、地球模擬、甚至國家級精密運算等高端AI運算市場，開拓新客源。黃仁勳曾表示，他最喜愛的AI應用場景不是在科技產業，而是在研發新藥和分析氣候變遷，更認為日後AI應用將會延伸至農業、製造業、以至製藥業等。

AI模型開源引發自定義晶片浪潮

　　儘管NVIDIA風頭聲勢一時無兩，市場上看似沒有具份量的競爭對手，但未來仍需面對2大挑戰。首先，自ChatGPT爆紅後，科技界對AI模型應開放原始碼的呼聲愈來愈高，以免生成式AI的發展被OpenAI、Google等大企業壟斷。Meta於2023年2月發布開源AI模型LLaMA，迄今已被申請使用逾10萬次，代表著開源已作為AI模型發展的主流趨勢。

　　當中小企業可以運用開源模型來開發自家的AI模型後，就能夠依據某個開源模型版本，按照自身業務需要，製作自定義設計的特殊應用晶片（Application Specific Integrated Circuit，ASIC）。ASIC晶片只需達成單一而明確的任務，架構設計較簡單，製造成本也較便宜，讓企業可以自行建構更具成本效益的AI運算平台。

　　如今AI伺服器的生產成本，NVIDIA GPU已佔去當中近九成。對伺服器廠商來說，GPU佔成本比重過高，產品毛利自然不好。因此，當AI模型開源與ASIC晶片方案興起後，伺服器廠商可能會積極尋找NVIDIA以外的AI晶片供應來源，以達成更佳的成本控制。

在Computex 2023展覽會上，伺服器廠商Supermicro總裁暨執行長梁見後（左）邀請了NVIDIA執行長黃仁勳（右），作為主題演講的嘉賓。（圖片來源：NVIDIA官網）

輝達陷入與雲端大客戶競爭局面

　　其次，輝達跨入雲端市場，雖然有助拓展業務，但卻會跟客戶形成互相競爭的局面，可能會加速雲端服務商尋求替代方案。現時NVIDIA先以高價把GPU賣給雲端服務商，跟著再租用雲端服務商的硬件平台來提供DGX Cloud賺錢。於是，前台、後台兩邊錢都由輝達賺到盡，AI利潤幾乎全都進入該公司的口袋。

　　NVIDIA推廣DGX Cloud，勢必跟微軟、亞馬遜、Google三大客戶爭搶雲端市場份額，令雙方關係變得緊張。這樣將會促使這些雲端巨頭多採購一些AMD GPU，或加快開發自家AI晶片的腳步。亞馬遜現正埋首研發新一代AI晶片Inentia和Trainium，為客戶提供NVIDIA GPU的替代方案；Google基於自家開發的張量處理器（Tensor Processing Unit，TPU），推出Cloud TPU雲端運算服務，可用作訓練AI模型。

NVIDIA利用其DGX超級電腦建構DGX Cloud雲端平台，為企業提供雲端AI運算服務，明顯與AWS、Azure等雲端服務商的客戶重疊。（圖片來源：NVIDIA官網）

Google TPU屬於自定義設計的ASIC晶片，適合用來訓練大型語言模型。（圖片來源：Google Cloud官網）

　　市調機構Gartner預測，2023年全球AI半導體收入將較2022年增長20.9%，達到534億美元（約4,165億港元）；之後幾年，估計收入仍可保持兩位數成長，2024年的增長率為 25.6%，達到671億美元（約5,234億港元）；及至2027年，AI晶片收入將倍增到1,194 億美元（約9,313億港元），較2023年市場規模高出一倍以上。

　　沒有一家公司願意看到，如此龐大的市場被輝達一家壟斷。為求擺脫NVIDIA GPU和降低成本，愈來愈多企業將會考慮開發自家的ASIC晶片。Gartner預估，未來自定義設計的AI晶片部署量將會增加，這樣可能會取代當前的主流晶片架構。