北京时间5月30日，英伟达盘前涨至404美元，市值突破1万亿美元。这一波连续上涨被认为是生成式人工智能（AI）爆火的功劳，因为英伟达占据了能处理复杂计算的GPU。

　　2024年，英伟达发布了H100处理器。这是该公司最强大、也是最昂贵的处理器之一，每台售价约为4万美元。H100的推出看起来似乎不合时宜，因为各大企业因为日益加剧的通胀而纷纷削减支出。

　　然而到了11月，ChatGPT上线了。英伟达CEO黄仁勋（Jensen Huang）对此表示：“去年，我们经历了相当艰难的一年。但随着OpenAI聊天机器人ChatGPT的问世，我们又在一夜之间力挽狂澜。ChatGPT在极短的时间内就创造出巨大的需求。”

　　ChatGPT的突然火爆，引发了全世界领先科技公司和初创企业之间的军备竞赛，他们开始争先恐后地购买H100，因为它是“世界上第一款为生成式AI而生的计算机芯片。所谓的生成式AI，是指该系统可以像人类一样快速地生成文本、图像和其他内容。

　　在正确的时间拥有正确的产品，就能创造出真正的价值。英伟达上周四预计，在截至7月底的第二财季，其销售额将达到110亿美元，较华尔街之前的预期高出50%以上。这主要得益于大型科技公司数据中心开支的反弹，以及对英伟达AI芯片需求的骤增。

　　对于这一乐观的预期，投资者的反应也是积极的。在随后的一天，英伟达市值增加了1840亿美元，使得这家本已是全球最具价值芯片公司的估值接近1万亿美元。

　　生成式AI可能重塑各个行业，带来巨大的生产率提高，并取代数百万个工作岗位，英伟达是这项技术崛起的早期赢家，而H100又将加速这一技术飞跃。H100基于一种新的英伟达芯片架构，名为“Hopper”，以美国编程先驱格蕾丝·霍珀（Grace Hopper）的名字而命名。如今，H100已快速成为硅谷最热门的产品。

　　黄仁勋称：“就在我们要量产Hopper的时候，商机就来了。我们开始大规模生产Hopper数周之后，ChatGPT就亮相了。”

　　黄仁勋对抓住这一持续上涨的需求充满信心，这在一定程度上源于英伟达与芯片制造商台积电的合作，扩大H100的生产规模，以满足微软、亚马逊和谷歌等云提供商、Meta等互联网公司，以及企业客户需求的爆炸式增长。

　　CoreWeave是一家专注于AI的云基础设施初创企业，也是今年早些时候首批购买到H100的企业之一。CoreWeave首席战略官兼创始人布兰宁·麦克比（Brannin McBee）表示：“这是地球上最稀缺的工程资源之一。”

　　一些客户等待了长达6个月的时间，才拿到他们想要的数千块H100芯片，来训练其庞大的数据模型。一些AI初创企业表示，在需求腾飞之际，他们担心H100会供不应求。

　　最近，特斯拉CEO埃隆·马斯克（Elon Musk）新成立了一家AI初创公司X.ai，并购买了数千块英伟达芯片。

　　马斯克还称，除了建立合作伙伴关系，仅基于计算能力，要赢得AI竞赛需要大量的资金支持。例如，服务器硬件的最低投资就要2.5亿美元。他说：“计算成本已经达到了天文数字。要构建生成式AI系统，服务器硬件最少需要投资2.5亿美元。”

　　如今，H100越来越受到微软和亚马逊等大型科技公司，以及OpenAI、Anthropic、Stability AI和Inflection AI等生成式AI初创企业的欢迎。前者正在构建以AI工作负荷为中心的完整数据中心，后者则承诺提供更高的性能，可以随着时间的推移加快产品发布或降低培训成本。

　　当前，英伟达超大规模和高性能计算业务负责人伊恩·巴克（Ian Buck）正面临着一项艰巨的任务，即增加H100的供应以满足巨大的市场需求。他说：“市场需求非常旺盛，一些大客户正寻求购买数以万计的GPU。”

　　H100是一款体积较大的“加速”芯片，专为数据中心而设计，拥有800亿个晶体管，是最新款iPhone手机处理器晶体管数量的5倍。虽然它的价格是其前身2024年发布的A100的两倍，但早期采用者表示，H100的性能至少要高出三倍。

　　Stability AI联合创始人兼CEO埃马德·莫斯塔克（Emad Mostaque）称：“H100解决了一直困扰AI模型创建者的可扩展性问题。这一点很重要，因为从研究转移到工程的过程中，它让我们所有人都能更快地训练出更大的模型。”

　　虽然H100发布的时机非常理想，但英伟达在AI领域的突破，可以追溯到近20年来的软件创新，而不是硬件。2006年，英伟达创建了Cuda软件，允许将GPU重新用于图形以外的其他类型工作负载。到了2012年左右，引用巴克的话说，“AI发现了我们。”

　　加拿大的研究人员率先意识到，GPU非常适合创建神经网络。神经网络是一种AI形式，其灵感来自于神经元在人脑中相互作用的方式。随后，神经网络成为AI发展的新焦点。巴克说：“我们花了将近20年的时间，才走到今天。”

　　如今，英伟达拥有的软件工程师数量要多于硬件工程师，这使其能够支持随后几年出现的许多不同类型的AI框架，并使其芯片在统计计算（statistical computation）方面更加高效，这正是训练AI模型所需的。

　　Hopper是第一个针对“transformer”进行优化的架构，这种AI方法（transformer）支撑着OpenAI的“生成式预训练的transformer”聊天机器人。英伟达与AI研究人员的密切合作，使其能在2017年发现transformer的出现，并开始相应地调整其软件。

　　AI初创企业投资公司Air Street Capital合伙人内森·贝纳奇（Nathan Benaich）表示：“可以说，英伟达比其他所有人都更早地看到了未来，他们的战略是让GPU变得可编程。英伟达发现了商机，下了很大的赌注，并始终领先于竞争对手。”

　　贝纳奇预计，英伟达要领先竞争对手两年时间。但贝纳奇同时认为：“在硬件和软件方面，英伟达的地位也不是无懈可击的。”

　　莫斯塔克也同意这一观点。他说：“谷歌、英特尔和其他公司的下一代芯片正在迎头赶上。随着软件标准化，英伟达的Cuda也不是牢不可破的。”

　　在AI行业的一些人看来，华尔街近期（推动英伟达股价大涨）的热情似乎过于乐观。不管怎样，芯片咨询公司D2D Consulting创始人杰伊·戈德伯格（Jay Goldberg）认为：“就目前而言，在AI市场的‘半决赛’中，英伟达似乎要通吃。”