千億規模的服務器芯片市場，是英偉達的第二增長曲線。

「皮衣教主」黃仁勛可能睡覺都能笑醒。就在新冠疫情給電子消費、零售、制造等行業帶來「深度衰退」時，以數據中心為代表的云計算行業卻迎來逆勢增長。近日，DIGITIMES 報道，在新冠疫情大流行期間，數據中心對高性能計算 HPC、AI 應用需求旺盛，英偉達、AMD 服務器芯片銷量正在增加。

實際上，以服務器芯片為代表的英偉達數據中心業務，已經連續多個季度獲得快速增長。從2019年財年的25%，增長到2020年財年(截至2020年1月26日)的27.4%，再到2021財年第一季度(截至4月26日)的37%。數據中心業務對英偉達整體營收的貢獻越來越重要，和英偉達「傳統」優勢領域游戲板塊業務旗鼓相當。

而就在一個多月以前的2020年 GTC 線上發布會上，英偉達切合時宜地順應了云市場需求激增這一市場趨勢。發布會沒有出現傳聞中的 Ampere GeForce RTX 3080游戲顯卡，數據中心產品卻成為了「絕對主角」，賺足了閃光燈。英偉達推出了第八代 GPU 架構 Ampere 安培，新一代 A100計算卡，不但在工藝制程上跨越至7nm，更在多個關鍵性能參數指標上呈數倍、乃至數十倍增長。

這是英偉達時隔三年，再度向市場扔出的重磅「核彈」，英偉達的目標很明確，就是 AI 訓練兼推理芯片、高性能計算 HPC 領域。當然，英偉達占領的也不僅僅是服務器芯片為代表的硬件市場，其最大的「殺手锏」在于軟硬一體的生態布局。

「最大的對手是自己」

英偉達 CEO 黃仁勛評價 A100 GPU，「這是英偉達有史以來最好的數據中心 GPU 芯片，幾乎是當今半導體的理論極限，它是英偉達數十年以來數據中心經驗的結晶。」

的確，A100 GPU 引起了包括亞馬遜 AWS、谷歌云、微軟 Azure、阿里云、百度云、騰訊云等云巨頭，以及戴爾、浪潮、HPE、新華三、思科等系統制造商極大的采購熱情。并且，在 A100 GPU 發布之前，就已經投產，開始逐步向云廠商們交付。

用黃仁勛的話來描述就是「前所未有」。

八年以前，黃仁勛絕對想不到，英偉達能夠 C 端、B 端通吃，踩準了 AI 時代的每個關鍵節點，為深度學習提供強大算力，推動圖片、語音、自動駕駛、機器人、乃至數據中心的飛速發展。如今，相比于21年前剛上市時，英偉達市值已翻了千余倍。

2012年，ImageNet 大賽上，參賽者因使用英偉達 GPU+CUDA，將深度卷積神經網絡 AlexNet 準確率提高10% 以上，獲得冠軍，也讓英偉達名聲大噪。此后，英偉達 GPU 和 CUDA 軟件一直主導深度學習市場，幾乎所有深度學習開發者離不開英偉達 GPU+CUDA 組合。

包括2016年，直接引爆 AI 第三次浪潮的關鍵事件，AlphaGo 大戰李世石，以及亞馬遜 AWS、微軟，國內的互聯網廠商 BAT、美團等 AI 最新進展均有英偉達 GPU 的底層支持。多個第三方研究報告顯示，在云端 AI 芯片市場，尤其是云端訓練方面，英偉達占據絕對主導地位。

云端、企業級數據中心芯片市場，排名前四位的公有云廠商亞馬遜 AWS、微軟 Azure、谷歌云、阿里云的上萬余個實例類型中，只有很小一部分不基于英偉達 GPU 加速。

不過，這不意味著，英偉達完全沒有潛在威脅。英偉達競爭對手大致分為三種：英特爾、AMD 為代表的「老對手」;亞馬遜 AWS、谷歌、阿里巴巴、華為為代表的云巨頭，以及寒武紀、燧原科技為代表的創業型 AI 芯片公司在內的新對手。

實際上，與其說是新老之爭，不如說是 CPU、GPU、ASIC、FPGA 之間的紛爭。盡管，英特爾 Xeon CPU 已經安裝于全球99% 的數據中心中，但深度學習、AR/VR、IoT、海量數據處理，推動著數據中心從 CPU 轉向 GPU，并成為常態化。

比如，廣告位展示、流媒體、電商平臺推薦引擎系統、智能語音現在均已采用 GPU 驅動。再如，相同時間周期內芯片性能提高的難易程度不同。2017年，英偉達推出基于新架構 Volta 的 Tesla V100芯片，是上一代基于 Pascal 架構的 Tesla P100訓練速度的12倍。英偉達在三年之內將 AI 性能提高了60多倍，而相同時間內，CPU 只能提高一倍。

難怪，黃仁勛自2017年以來，多次公開宣布摩爾定律已失效。

在云巨頭方面，無論是 AWS Inferentia、谷歌 TPU、阿里巴巴含光800均屬于 ASIC 芯片，側重 AI 推理。云巨頭自研云端 AI 芯片背后的邏輯有兩點，一方面，降低購置芯片的成本，更好服務于自身業務，另一方面，逐步減少對英偉達、英特爾芯片的依賴，提高自己對云生態系統的掌控能力。

一般來說，ASIC 只針對單一場景，速度很快，GPU 的性能以面積和功耗為代價，理論上 ASIC 性能優于 GPU。但 ASIC 研發較慢，有時候趕不上深度學習的發展速度。在價格方面甚至更昂貴，谷歌官網顯示，使用 TPU 價格為8美元/時，英偉達芯片則為2.48美元/小時。

「AI 訓練芯片的研發難度更高，目前還是 GPU 占據了很大的優勢。主要是英偉達圍繞自己的 GPU 已經構建了豐富的軟件生態。其他 ASIC 或 FPGA 在硬件指標上可能占據優勢，但在生態上比英偉達還落后很多，這也是為什么英偉達一家獨大的原因。」芯謀研究徐可這樣指出。

芯片行業的「蘋果公司」

黃仁勛曾說過，英偉達是一家 AI 公司，更強調英偉達是一家軟件公司，和蘋果類似，通過售賣硬件盈利的軟件公司。

2006年，英偉達面向開發者推出 CUDA 通用并行計算平臺，通過 CUDA 平臺，開發者可以使用 C 或 C++語言編程，來加速計算應用程序，極大地簡化了軟件開發過程。英偉達投入大量資金構筑 CUDA 生態，通過開設課程、培訓，吸引開發者，滲透至各個關鍵行業用戶，這是競爭對手 AMD 所不具備的能力。

近三四年，英偉達開發者數量增長迅猛，僅2019年一年，CUDA 平臺的下載量就超過了500萬次。不僅如此，在 CUDA 平臺之上，英偉達還提供 CUDA-X 軟件加速庫集合，其中，CUDA-X AI 囊括了加速深度學習的 cuDNN、加速機器學習算法的 cuML、優化訓練模型以進行推理的 TensorRT 等15個庫，此外，英偉達還推出 RAPIDS 開源軟件平臺，加速企業數據分析、機器學習。

去年年底，黃仁勛在接受 GamesBeat 采訪時談到，英偉達基于 GPU 芯片構建出了非常復雜的軟件堆棧，而軟件堆棧是競爭對手不具備的「賽道」。

可見，CUDA 平臺在內的軟件能力，已經成為英偉達的「護城河」。比如，2017年，英偉達推出面向 AI 訓練和高性能計算的 Tesla V100芯片后，長達兩年多的時間里，沒有新的后續產品推出。軟件成為提高 AI 性能的關鍵，ResNet-50神經網絡在軟件的幫助下，AI 訓練能力提高了100%。

在 GPU 硬件方面，英偉達也在鞏固、增強固有優勢。2019年，英偉達收購 Mellanox，彌補了英偉達在數據中心低延遲互連及網絡方面的欠缺，顯著增強 NVLink(GPU 與 GPU 互聯)和 NVSwitch(整合多個 NVLink)互聯的速度與可擴展性。

2016年，英偉達面向 AI 創業公司，推出初創加速計劃，幫助 AI 創業公司加速孵化、商業落地。巨頭競爭的本質是生態上的競爭。

「生態和軟件非常關鍵。AI 芯片只是底層的工具，AI 開發者對 AI 芯片相關生態和軟件的選擇，決定了芯片的前途。」徐可說。

在經歷游戲顯卡業務想象力登頂，比特幣挖礦機行業「過山車」式的起伏后，英偉達正憑借數據中心業務進階 B 端。現在看來，英偉達押寶數據中心前景與錢景巨大，數據中心業務與英偉達強大的軟件、生態能力產生的化學反應，正驅動英偉達在芯片市場講出一個新的增長故事。