對前任的真正高質量採訪 $英偉達 (NVDA.US)$ $NVDA 護城河和人工智能半行業的董事。必須閱讀： 1.$ ...

對前任的真正高質量採訪 $英偉達(NVDA.US)$ $NVDA 護城河和人工智能半行業的董事。必須閱讀：

1.$ NVDA 不僅僅是一個 GPU。真正的問題在於編寫自定義 CUDA 代碼，以使模型運行更快，同時使用 GPU 和網絡，並將兩者結合起來。據他說，與競爭對手相比，$NVDA 可以將計算時間縮短近 50%。這個優勢是在 $NVDA 購買了一家網絡公司梅蘭諾克斯時形成的。

二.原因 $谷歌-A(GOOGL.US)$ 不向公眾發布 TPU 是因為外部工程師大多只知道如何編碼 CUDA，而 $GOOGL TPU 不使用 CUDA。

三.對競爭對手來說，這不僅是要製作比 $NVDA 更好的 GPU，而是要通過軟件代碼和網絡改善整個生態系統，這非常難做。

4.$NVDA 已經優化了 GPU 和網絡，因此一些計算可以直接在網絡設備上完成，然後移到 GPU，使其更有效率和更少耗電。專家說，當您同時使用 $NVDA GPU 和網絡時，與僅使用 GPU 相比，您可以獲得 20-25% 的計算時間提高。

5.由於 $NVDA 同時具有 GPU 和與 Mellanox 的網絡，因此這也顯著提高了他們的利潤。客戶更喜歡一起購買 GPU 和網絡。

六.在他看來，與 $NVDA 競爭的方法是像 Grok 一樣定位推論工作負載。他也認為 $美國超微公司(AMD.US)$ 現在有需求，因為 $NVDA 供應不足。

七.他認為，與訓練相比，我們將逐漸轉移到基於推論的消費率 90%。