NVIDIA 会重演思科的股价泡沫吗？2025 年 AI 与半导体投资观察重点是什么？
这是一段关于 bg2 Bill Gurley 和 Brad Gerstner 与 SemiAnalysis 的 Dylan Patel 的对话，探讨了 AI 发展对半导体行业的影响以及未来趋势预测。
NVIDIA 的全面胜利：软件、硬件与系统整合
对话一开始聚焦于 NVIDIA 在 AI 领域的绝对领先地位。Dylan 指出：
• NVIDIA 在 AI 训练市场的份额高达 98%（如果不计 Google 自研的 TPU）。
• 即使将 Google 的 TPU 纳入，NVIDIA 依然占据 70% 的市场份额。
NVIDIA 为什么如此强大？
1. 软件：
NVIDIA 的 CUDA 平台 为 AI 开发者提供了友好的开发环境，大幅降低了使用门槛，并形成了庞大的开发者社区。
2. 硬件：
NVIDIA 一直走在技术最前沿，快速推出满足 AI 高性能计算需求的产品。
3. 网络：
收购 Mellanox 后，NVIDIA 增强了高速网络能力，能够提供完整的 AI 解决方案。
系统级设计的竞争：NVIDIA vs. Google
在系统级设计上，Google 起步更早：
• 早在 2018 年就与 Broadcom 合作开发了 TPU v3。
• NVIDIA 的 Blackwell 系统预计到 2024 年才会推出。
尽管 Google 在技术上具有先发优势，但 NVIDIA 依靠强大的 软件生态系统 和硬件能力，依然主导市场。而 Google 的 TPU 则主要用于自身业务（如 Google 搜索和广告），在商业化方面受到限制。
AI 规模的未来：持续扩展的可能性
针对 AI 模型规模是否已达极限的质疑，Dylan 提出了乐观的看法：
1. 合成数据生成：
利用 AI 技术生成大量训练数据，突破真实数据的限制，进一步提升模型性能。
2. 推理时间计算：
将部分训练移至推理阶段，可降低训练成本，并增强模型灵活性。
大公司对更大 AI 计算集群的持续投资表明，AI 的扩展潜力仍然巨大，对高性能计算的需求将持续增长。
竞争格局与替代方案：AMD 与 Google 的挑战
虽然 NVIDIA 主导 AI 芯片市场，但其他公司也在尝试挑战其地位：
1. AMD：
• 硬件表现出色，其 MI300 芯片在性能上可与 NVIDIA H100 匹敌。
• 但 AMD 在软件和系统设计方面仍然不足，其 ROCm 平台 的生态系统尚未成熟。
2. Google：
• TPU 在技术上具有一定优势，特别是在能源效率方面。
• 但其主要应用在内部业务，商业化能力有限。
记忆体市场的变革：HBM 需求激增
随着 AI 模型对推理计算需求的增长，高带宽内存（HBM）的需求也显著增加：
• SK Hynix 成为主要供应商。
• 三星 的市场份额则面临下降压力。
总结：NVIDIA 凭借软硬件整合与生态系统，继续主导 AI 芯片市场，但竞争者如 AMD 和 Google 也在积极布局。AI 模型的规模化发展仍有潜力，对高性能计算和存储的需求将持续提升，这些都是 2025 年投资者需要关注的重点。
NVIDIA 的全面胜利：软件、硬件与系统整合
对话一开始聚焦于 NVIDIA 在 AI 领域的绝对领先地位。Dylan 指出：
• NVIDIA 在 AI 训练市场的份额高达 98%（如果不计 Google 自研的 TPU）。
• 即使将 Google 的 TPU 纳入，NVIDIA 依然占据 70% 的市场份额。
NVIDIA 为什么如此强大？
1. 软件：
NVIDIA 的 CUDA 平台 为 AI 开发者提供了友好的开发环境，大幅降低了使用门槛，并形成了庞大的开发者社区。
2. 硬件：
NVIDIA 一直走在技术最前沿，快速推出满足 AI 高性能计算需求的产品。
3. 网络：
收购 Mellanox 后，NVIDIA 增强了高速网络能力，能够提供完整的 AI 解决方案。
系统级设计的竞争：NVIDIA vs. Google
在系统级设计上，Google 起步更早：
• 早在 2018 年就与 Broadcom 合作开发了 TPU v3。
• NVIDIA 的 Blackwell 系统预计到 2024 年才会推出。
尽管 Google 在技术上具有先发优势，但 NVIDIA 依靠强大的 软件生态系统 和硬件能力，依然主导市场。而 Google 的 TPU 则主要用于自身业务（如 Google 搜索和广告），在商业化方面受到限制。
AI 规模的未来：持续扩展的可能性
针对 AI 模型规模是否已达极限的质疑，Dylan 提出了乐观的看法：
1. 合成数据生成：
利用 AI 技术生成大量训练数据，突破真实数据的限制，进一步提升模型性能。
2. 推理时间计算：
将部分训练移至推理阶段，可降低训练成本，并增强模型灵活性。
大公司对更大 AI 计算集群的持续投资表明，AI 的扩展潜力仍然巨大，对高性能计算的需求将持续增长。
竞争格局与替代方案：AMD 与 Google 的挑战
虽然 NVIDIA 主导 AI 芯片市场，但其他公司也在尝试挑战其地位：
1. AMD：
• 硬件表现出色，其 MI300 芯片在性能上可与 NVIDIA H100 匹敌。
• 但 AMD 在软件和系统设计方面仍然不足，其 ROCm 平台 的生态系统尚未成熟。
2. Google：
• TPU 在技术上具有一定优势，特别是在能源效率方面。
• 但其主要应用在内部业务，商业化能力有限。
记忆体市场的变革：HBM 需求激增
随着 AI 模型对推理计算需求的增长，高带宽内存（HBM）的需求也显著增加：
• SK Hynix 成为主要供应商。
• 三星 的市场份额则面临下降压力。
总结：NVIDIA 凭借软硬件整合与生态系统，继续主导 AI 芯片市场，但竞争者如 AMD 和 Google 也在积极布局。AI 模型的规模化发展仍有潜力，对高性能计算和存储的需求将持续提升，这些都是 2025 年投资者需要关注的重点。
免责声明：社区由Moomoo Technologies Inc.提供，仅用于教育目的。
更多信息
评论
登录发表评论
🌟 SIC | Smart Investing Club 创办人
🚀 美股投资15年+经验
📈 10年投资回报率达 1500%
💡 期权策略｜财富管理
81粉丝
7关注
259来访
关注