英伟达的AI优势正超越GPU本身

本周之前，关于英伟达的主流叙事大致如此：在AI热潮的最初几年，英伟达是先进GPU的唯一来源，随着行业规模扩大，这项业务变得极其赚钱。而在过去几年里，亚马逊、谷歌等超大规模云服务商开始自研芯片，英伟达不再是唯一玩家，许多投资者因此开始质疑其优势究竟能持续多久。 这是一个引人入胜的故事，且大体属实。从2023年初到2025年年中，英伟达市值增长了10倍，但此后一年里，受GPU竞争担忧拖累，其股价走势趋于平缓。 自周三公司发布财报以来，一种新的叙事正在形成——投资者开始意识到，英伟达的优势远不止于GPU。随着AI算力规模迈向吉瓦级，编排调度已成为日益复杂的任务。不出所料，英伟达打造了大量应对这一挑战的先进硬件，使其在GPU周边的系统层面拥有巨大优势，即便在GPU本身面临更激烈竞争的情况下也是如此。 尽管人们常谈论算力如同商品，但以峰值效率运营一座超大规模数据中心依然极其困难——而且随着部署规模更大、速度更快，这一挑战只会愈发严峻。 仅从英伟达实际销售的产品细节中，就能窥见一二。该公司目前正在推出其Vera Rubin架构，将Rubin GPU与一系列其他单元配对，包括Vera CPU、Groq 3 LPX推理加速器，以及类似的存储和网络机架。 过去一周，我与英伟达相关人士交流了这些系统的实际功用，结果令人意外。与Rubin GPU本身一样，它们都是高度专业化的系统，但并非用于处理token，而是确保GPU之外的一切尽可能高效运转。如果说GPU是引擎，这些就是汽车的其他部分。 Vera CPU尤其专注于数据编排问题。“Vera之所以重要，是因为单个服务器或任何计算平台能够容纳的内存是有限的，”英伟达存储技术副总裁杰森·哈迪告诉我。 随着数据中心不断扩大算力，内存容量也随之增长，这正是美光等公司在基础设施热潮第二波中赚得盆满钵满的原因。但要在恰当时机将数据送到GPU并非易事——随着企业不断追求降低每瓦特token数，它们愈发意识到这类流量调度的重要性。 “我们看到这些操作有超过3倍的提升，Vera CPU实现了加速，”哈迪说。“现在我们可以充分发挥闪存的潜力，因为能在不造成瓶颈的情况下获得全部性能。” 在英伟达之外也能看到类似问题的缩影。OpenAI在开发Jalapeño芯片时，一大重点就是完全规避这些挑战，尽可能减少需要搬运的数据量。 “我们设计Jalapeño就是为了最大限度地减少数据移动和通信延迟，”该公司本月早些时候在一篇博客文章中说。“其巨大的域内空间使整个工作负载可以保持在一个互联系统中，最大限度地减少数据移动，让完整请求从头到尾都快速高效。” 这是一种不同的方法，通过在一个集成芯片内完成工作负载来完全避免数据移动。但总体逻辑是相同的：通过更智能的流量控制而非单纯增加处理器周期来提高效率。这反过来又为各公司开辟了一个全新的基础设施竞争层面。 对数据编排的这一新关注并不自动意味着英伟达获胜。该公司仍将像在GPU领域一样，与竞争对手芯片制造商和超大规模云服务商竞争。但竞争已转移到新的层面，在那里，打造一款对等的GPU已不如让整个系统高效运转来得重要。 而至少在早期阶段，英伟达看起来拥有压倒性领先优势。