对前任的一次非常高质量的采访 $英伟达 (NVDA.US)$ $NVDA护城河和人工智能半行业的董事。必读： 1。$N...

对前任的一次非常高质量的采访 $英伟达(NVDA.US)$ $NVDA护城河和人工智能半行业的董事。必读：

1。$NVDA 不仅仅是一个 GPU。真正的护城河是编写自定义 CUDA 代码，使模型运行得更快，同时使用 GPU 和网络，并将两者结合起来。据他介绍，与竞争对手相比，$NVDA可以将计算时间减少近50％。这种优势是在$NVDA收购网络公司Mellanox时形成的。

2。其原因 $谷歌-A(GOOGL.US)$ 之所以不向公众发布 TPU，是因为外部工程师大多只知道如何编写 CUDA，而 $GOOGL 的 TPU 不使用 CUDA。

3.对于竞争对手来说，这不仅是要制造比$NVDA更好的GPU，还要通过软件代码和网络来改善整个生态系统，这是极其困难的。

4。$NVDA 优化了其 GPU 和网络，因此一些计算可以直接在网络设备上完成，然后转移到 GPU 上，从而使其效率更高，功耗更低。该专家说，当你同时使用$NVDA的GPU和网络时，与仅使用GPU相比，计算时间可以缩短20-25％。

5。由于$NVDA既有显卡又有与Mellanox的网络，这也大大提高了他们的利润率。客户更喜欢同时购买 GPU 和网络。

6。在他看来，与 $NVDA 竞争的方法是像 Grok 一样瞄准推理工作负载。他还认为 $美国超微公司(AMD.US)$ 现在有需求，因为$NVDA没有足够的供应。

7。他认为，与训练相比，我们将逐步提高到推理消耗的90％。