Yahoo奇摩新聞 NVIDIA成就兆元帝國後，GPU太貴恐成黃仁勳致命傷？6個關鍵決定輝達命運
ChatGPT的問世，助攻了輝達（NVIDIA）的發展，有人說是泡沫，也有人認為是未來。如今，輝達從公布第一季財報後，已正式成為市值兆元俱樂部的成員，為台積電的兩倍，穩穩坐上全球半導體龍頭的寶座。
AI熱潮崛起，NVIDIA搭GPU順風車，成就兆元帝國！
讓輝達一飛沖天的，是ChatGPT背後技術生成式AI帶來的算力需求。生成式AI的特色在於能自行消化各種資料後，進一步推論出回答。其中關鍵在於，前期就必須餵養各種訊息，以建立龐大的語言模型（LLM），才能產出精準結果。
GPU是什麼？跟CPU有什麼不同？
這意味著生成式AI需要的算力將不同以往，必須仰賴GPU（繪圖處理器）。GPU和CPU（中央處理器）兩者處理計算的方式不同。GPU內的資料處理是同時平行運算；CPU則是按順序進行，兩者沒有優劣之分，但GPU更適合處理AI的各種運算，這也是為何輝達如今能大殺四方的原因。
不過，AI的發展還處於萌芽階段，企業也群起探索該如何更好的運用新科技優化營運，加上諸如超微（AMD）、英特爾（Intel）等對於AI也都有進一步的布局。乘著浪潮登頂的輝達，在未來的發展上，有哪些值得關注的地方？
三大優勢打造AI王朝，輝達將來還會做些什麼？
優勢一：與伺服器廠關係緊密，為AI模型運算順暢關鍵
產業分析師指出，AI模型運算能否能運行順暢，軟硬體的整合相當關鍵。而輝達目前在與伺服器廠的關係上，擁有十足優勢。
廣達技術長暨副總經理張嘉淵就兩面向分析，以企業應用來說，未來不同類型的企業會有屬於自己的AI模型；若以雲端大廠需求來看，諸如Azure、AWS和Google這樣的雲端服務供應商，面對不同產業，對AI伺服器客製化需求也會攀升。
張嘉淵指出：「要做到客製化，就要有晶片、系統和軟體公司等一整個生態系的互相配合。」這意味著，身處第一線的伺服器廠，未來整合的角色將會越來越重要。
也就不難理解，為何黃仁勳的一趟旋風訪台，會頻繁地出現在各家伺服器廠的活動上。「這不是傳統的代工，是需要花力氣co-design（共同設計）的過程，會慢慢變成生態系。」張嘉淵說。
不僅如此，輝達當前產品已能滿足多樣的客製需求，無論是資料中心要用到的大規模運算，或是單一公司內部需要的AI伺服器，輝達都能提供從單一GPU到關鍵模組等各式產品，這也是輝達之所以能在AI伺服器市場攻下9成市佔的因素之一。
雖然輝達產品價格雖然高昂，但張嘉淵表示，客戶目前最在乎的是「整體效能」，只要伺服器能運算快速省下諸多電費，成效表現也佳，即使花多一點錢購買輝達產品，客戶也心甘情願。回應了黃仁勳的口號：買越多、省越多。
優勢二：CUDA固守企業防線，競爭者難切入
從軟體端來看，輝達當年努力開發的CUDA，是支撐AI版圖的關鍵。以硬體投資為主的聚達創業投資管理顧問合夥人余東洛指出：「CUDA裡面有很多library（函式庫），已經針對GPU架構深度優化，例如需要某種矩陣乘法，可以直接呼叫已經優化好的函式或API，輕易在輝達GPU上達成最佳效能。」
換句話說，不少採用輝達產品的企業客戶，已擁有一批理解CUDA架構的工程師。AI軟體新創iKala創辦人程世嘉就表示，若要重新養一批人適應新架構，除非誘因夠強，否則機率不高。意味著即便競爭對手想切入，就必須先打破CUDA這道堅固城牆。
延伸閱讀：【圖解】13年前的決策造就Nvidia！黃仁勳做對什麼？
不過當前如英特爾和超微等競爭對手，正在想辦法打破輝達的壟斷局面，開發能無痛從CUDA轉移到其他平台上的工具。研調分析師認為，這將促使輝達加速升級CUDA上的現有功能，以及軟硬整合的力道，降低客戶流失的可能性。
優勢三：布局雲端算力，打造一條龍AI服務
近期輝達將DGX超級電腦搬至雲端上所推出的DGX Cloud，為提供雲端AI運算的服務，用要讓無法負擔GPU價格的企業，也能在雲端上享受到大算力，是一種AI版本的軟體及服務（SaaS）。
這樣的布局也讓輝達從單純的硬體商，轉變為雲端算力的提供者。分析師認為，這可讓輝達在未來，能夠搶攻高端市場，例如氣象模擬、地球模擬或國家級的精密運算；更可能在算力不足的AI發展期，搶占紅利。
此外，這樣的做法也讓輝達率先與新創搭上線。iKala共同創辦人暨執行長程世嘉指出，對新創來說算力是稀有資源，「雲端巨頭的公有雲，對新創說成本可能太高。」然而，透過輝達的這套服務，服務可以輕鬆部署到更多地方。
HOMEE AI創辦人杜宇威也表示，輝達所提供的雲端運算服務，可幫助HOMEE AI將基礎建設更快速部署全球，滿足大型的傢俱品牌商客戶的需求。HOMEE AI是一間運用AI技術，提供即時3D居家擺設建模的軟體供應商，致力於家具業的數位轉型。
「重點在與要讓很多人同時在線，並運行得很順暢。我們早就有在做加速，但和輝達合作後，HOMEE AI就能服務全球更多家具品牌。」杜宇威說。
沒有永遠的王者！競爭者將如何追上輝達？
風險一：AI模型走向開源、微縮，小型IC設計商也能打客製化市場
雖然輝達當前像吃了馬力歐無敵星星，在AI算力市場上大獲全勝。不過余東洛分析，在ChatGPT問世以後，開源幾乎已經是模型發展的共識。由於過去LLM訓練所需要的資源很大，規格也不明，是大企業才玩得起的遊戲。若能透過開源，集合社群的力量才能讓中、小型企業也參與進來，這也是為何有許多開源模型目前能免費取得的原因。
這意味著，企業能夠有更多機會，運用開源模型來發展自身企業專屬AI模型，記憶體、頻寬等需求也都變得能夠預估。「以前（沒有開源模型）大家不清楚，現在就知道了，就有機會依據某些開源模型版本，做一顆特定功能的ASIC（客製化晶片）。」余東洛說。
不同於通用GPU，ASIC要達成的任務單一且明確，運算速度更快，加上不同領域要加速，有各自know-how，是小型IC設計商能選定的市場。耐能智慧創辦人劉峻誠比喻：「ASIC就像小客車，在城市鑽來鑽去比較省油。但現貨車（GPU）才剛出來，大家會慢慢意識到有些地方開小客車就可以。」
此外，已有組織在研究如何縮小LLM，滿足「小又精準」的需求，「如果能做到，之後在推論（inferencing) 時，就不一定要放在輝達的平台上去跑。」
縮小有兩種，一種是從AI訓練（training）開始就想辦法把模型縮小；另一種則是把訓練好的大模型，在精準度不變的狀況下，用各種方式降低參數量，在這個狀況下，邊緣運算機會大增，余東洛補充：「已經有公司用類似FPGA（現場可程式化邏輯閘陣列）做出通用型架構，以滿足邊緣運算需求。」
從伺服器廠的觀點來看，一位高層指出，AI伺服器中光GPU成本就占了近9成。騰旭投資投資長的程正樺就表示：「成本太高，毛利其實不好。」無論是模型開源還是縮小，都可能會促使伺服器廠找尋輝達以外的供應來源，進行成本控管。
延伸閱讀：黃仁勳脫下皮衣幫他穿上！幫NVIDIA打造首台AI超級電腦，雲達什麼來頭？
風險二：輝達近乎吃光AI利潤，恐刺激客戶尋找替代方案
一位IC設計高層指出，雖然DGX Cloud讓輝達觸及更廣闊的市場，但也成為致命傷，牽動雲端巨頭的敏感神經。日前科技外媒《Techharder》便指出，輝達很可能會造成和雲端供應商之間的對立，加速雲端巨頭尋求替代方案。
當中問題在於，企業租用DGX Cloud服務，比起直接和AWS或Azure等雲端廠租借的費用還低，客戶重疊。加上雲端大廠背後的算力又是由輝達GPU所驅動，AI利潤全都進了輝達的口袋，形成壟斷。
《Techharder》報導，這無異於提供對手超微（AMD）、耐能、英國AI晶片獨角獸Graphcore和知名AI晶片新創Cerebras分一杯羹的大好機會。雲端業者甚至表示：「有一些AI模型用CPU跑就可以了。」
風險三：消費性市場布局尚淺，要搶走紅利不難
另外，業界也已經在討論AI模型容納於裝置的可能性。程世嘉表示，現在業界已經在想辦法讓模型容納於消費裝置，不過僅能聽讀，無法生成，「這代表會有新的應用出現。」
另位軟體業者分析：「消費性市場是目前輝達最大的缺口，以遊戲為例，廠商本來就在公有雲上面跑，對Google等廠商來說，拉攏他們採用TPU（張量處理器）架構本來就是近水樓台先得月。」TPU是谷歌專為深度學習加速所自行研發的晶片，「也許TPU算力不好，但只要跑起來順，不用重新養一批人就好。」
該業者預期，例如Google擁有Pixel手機這樣能接近終端消費者的裝置，想要擴張TPU架構勢力還是有可能，「現在輝達就是想要從硬體吃過來軟體這塊，但他沒有應用很難實現。」不過要真的實現在終端的應用，恐怕還需要好幾年的時間。
延伸閱讀：黃仁勳猶如AI代言人，關鍵在一身黑皮衣！揭開賈伯斯、祖克柏都懂的事
責任編輯：林美欣
更多報導
黃仁勳預測：「體現智慧」是AI下波浪潮！不只NVIDIA，特斯拉也押寶
【觀點】中國出手列清單、美延長出口許可，一文掃瞄美中半導體最新戰況
