英伟达的护城河已变：从GPU单点突破到系统级“交通指挥”

【科技24时区】在本周之前，关于英伟达的主流叙事大致如此：在人工智能爆发的最初几年，英伟达是尖端GPU的唯一来源，随着行业规模的扩张，其利润丰厚得令人咋舌。然而，近两年来，亚马逊、谷歌等超大规模云服务商开始自研芯片，英伟达不再是市场上的唯一玩家，这让许多投资者不禁质疑：它的优势究竟还能维持多久？

这个故事颇具吸引力，且大体属实。从2023年初到2025年中，英伟达市值增长了十倍，但过去一年，受GPU竞争加剧的担忧影响，其股价走势趋于平缓。不过，随着周三财报的发布，一种新的叙事正在成型——投资者开始意识到，英伟达的优势远不止于GPU本身。

当AI算力需求迈向吉瓦（GW）级别，资源编排已成为一项日益复杂的任务。不出所料，英伟达构建了处理这一挑战所需的大部分尖端硬件。即便在GPU本体面临更激烈竞争的同时，该公司在围绕GPU的系统层面依然拥有巨大优势。尽管人们常谈论算力将变成大宗商品，但在峰值效率下运营超大规模数据中心依然极其困难；随着部署规模更大、速度更快，这一挑战只增不减。

逐层拆解，我们可以从英伟达实际销售的产品细节中窥见端倪。公司目前正在推出Vera Rubin架构，该架构将Rubin GPU与一系列其他单元配对，包括Vera CPU、Groq 3 LPX推理加速器以及用于存储和网络的类似机架。过去一周，我与英伟达内部人士交流了这些系统的实际功能，结果令人意外。

与Rubin GPU一样，这些都是高度专业化的系统，但它们的核心任务并非吞吐Token，而是确保GPU之外的一切尽可能高效运行。如果说GPU是引擎，那么这些组件就是整辆车的其余部分。其中，Vera CPU特别专注于数据编排问题。“Vera之所以重要，是因为单个服务器或任何计算平台能容纳的内存是有限的，”英伟达存储技术副总裁杰森·哈迪（Jason Hardy）告诉我。

随着数据中心算力的提升，内存容量也随之扩大，这也是美光等公司在基础设施第二波热潮中获利颇丰的原因。但是，在正确的时间将数据输送给GPU并非易事——随着企业致力于不断降低每瓦特Token数，他们逐渐意识到这种“流量导向”的重要性。“在这些操作中，我们看到了超过3倍的改进，这正是Vera CPU加速带来的效果，”哈迪表示，“现在我们可以充分发挥闪存的全部潜力，因为我们在提取性能时不会遇到瓶颈。”

同样的问题也出现在英伟达之外的领域。OpenAI在开发Jalapeño芯片时，主要焦点就是通过最小化需要移动的数据量来完全避免这些挑战。“我们设计Jalapeño旨在最小化数据移动和通信延迟，”该公司在本月初的一篇博客文章中表示，“其大型域允许整个工作负载保留在一个连接系统中，从而最小化数据移动，帮助完整请求从头到尾保持快速和高效。”

这是一种不同的方法，通过在一个集成芯片内执行工作负载来完全避免数据移动。但整体逻辑是一致的：通过更智能的交通控制来提高效率，而不仅仅是增加处理器周期。这反过来又为基础设施竞争开辟了一个全新的层面。

这种对数据编排的新关注并不自动意味着英伟达的胜利。正如在GPU领域一样，该公司必须与其他芯片制造商和超大规模云服务商竞争。但竞争已经转移到了一个新的层面，在这个层面上，构建竞争对手的GPU不如让整个系统高效运行来得重要。至少在早期阶段，英伟达看起来拥有压倒性的领先优势。