欢迎光临迪仕霍尔Dees-Hall官方网站,我公司专业经营各式霍尔元件,单极霍尔元件,全极霍尔开关,电机霍尔,线性霍尔,欢迎咨询!

霍尔元件

品牌直销 现货库存 品质保障 包退包换

十年专业霍尔元件批发定制一站式服务商

24小时咨询热线13382220604

当前位置:主页»新闻动态»行业动态»

经济学人:英伟达的豪赌

文章出处:霍尔元件 人气:发表时间:2021-07-31 09:09
“我们离倒闭总是有 30 天的时间”,这是半导体公司英伟达联合创始人黄仁勋的口头禅。英伟达是全球知名的芯片代工商,我们霍尔元件行业部分高端的芯片也有在英伟达代工的。
 
这可能有点夸张,因为通过销售用于游戏和人工智能的高性能芯片,这家公司的市值五年内就从 310 亿美元增加到 4860 亿美元。这个疯狂的表现使得曾经是世界上最强大的芯片制造商的英特尔黯然失色。
 
但正如黄仁勋所观察到的一样,英伟达被“追求同样巨大机会的巨头公司”所包围。借用英特尔联合创始人 Andy Grove 的一句话,在这个快速发展的市场中,“只有偏执狂才能生存”。
 
持续的警惕对英伟达起到了很好的作用。 
 
2016 年至 2021 年期间,英伟达的收入增长了 233%。在截至 5 月的三个月中,公司销售额同比增长了 84%,毛利率达到了 64%。尽管英特尔的收入是其四倍,且老牌公司在设计芯片的同时还生产芯片,但投资者对 Nvidia 的纯设计业务的评价更高(就市值而言是后者的两倍)。其硬件和配套软件用于构成亚马逊、谷歌、微软和中国阿里巴巴运营的计算云的所有数据中心之中。英伟达的系统已被各大信息技术 (IT) 公司以及从药物发现到气候建模等领域的无数科学研究团队采用。
 
他们创造了一条宽阔而深厚的“护城河”,以保护其竞争优势。现在,黄先生想让它更广、更深。 
 
去年,英伟达宣布以 400 亿美元的价格收购总部位于英国的公司 Arm。后者为世界上大多数智能手机设计灵活且节能的芯片。英伟达这个想法是想利用 Arm 的设计实力来设计用于数据中心和人工智能用途的中央处理器 (CPU),这将补充 Nvidia 在称为图形处理单元 (GPU) 的专用芯片方面的现有实力。 
 
鉴于 Arm 和 Nvidia 的全球影响力,这单交易必须获得美国、英国、中国和欧盟的监管机构的批准。如果他们这样做——一个相当大的“如果”,考虑到两家公司在各自领域的市场力量——英伟达在计算最热门领域之一的地位看起来几乎无懈可击。
 
黄仁勋在小的时候,跟随他的家人从台湾移民到美国,他于 1993 年创立了 Nvidia。在最初的 20 年左右,该公司制造的 GPU 使视频游戏看起来栩栩如生。然而,在过去十年中,事实证明 GPU 在另一个未来派但不那么无聊的计算领域也表现出色:它们通过向机器学习算法提供大量数据来显著加快机器学习算法执行任务的速度。四年前,黄先生对他的公司在加速计算领域的前景进行了直截了当的评估,这震惊了华尔街。

 
他说,它可能“效果很好”,“或者非常糟糕”。无论如何,该公司已经“全力以赴”。
 
英伟达 170 亿美元的年收入中约有一半仍来自游戏芯片。事实证明,他们在解决支持以太坊(一种流行的加密货币)的数学难题方面也表现出色。这有时会给 GPU 销售带来类似加密货币的波动,导致 Nvidia 的股价在 2018 年底下跌近 50%。另一笔销售额来自向计算机制造商出售可加速图形或 AI 以外功能的芯片和汽车公司。
 
但人工智能业务正在快速增长。它包括专用芯片以及让程序员对其进行微调的高级软件——这本身是基于黄仁勋早先的赌注实现的。2004 年,黄先生开始投资“Cuda”,这是一个支持这种微调的基础软件层,并将其植入英伟达的所有芯片中。当时一些投资者批评说,这是一种代价高昂的分心。
 
许多这些系统最终都在服务器中运算,这些强大的计算机支撑着数据中心的处理能力。数据中心的销售额从 2019 年初占总收入的 25% 增加到 36%,几乎与游戏 GPU 的总收入一样多。随着各行各业的公司采用人工智能,英伟达的数据中心销售给亚马逊和谷歌等大型云提供商的份额已从 100% 下降到一半。
 
如今,它的 AI 硬件-软件组合旨在与 TensorFlow(由 Google 维护)和 PyTorch(由 Facebook 运行)等库中收集的机器学习算法无缝协作,从而提高算法的数字处理能力。英伟达创建了一些程序,将其硬件和软件与大企业客户的 IT 系统连接起来,并拥有自己的 AI 项目。英伟达的一位前高管表示,所有这些都让 AI 开发人员的工作变得无比轻松。
 
英伟达也在扩展到人工智能的“推理”市场:运行人工智能模型,而不仅仅是训练它们。这是迄今为止 CPU 的保留业务。Nvidia 加速计算业务负责人 Ian Buck 表示,像用于语音识别或内容推荐系统的实时、大型 AI 模型越来越需要专用 GPU 来保持良好性能。
 
这也是 Arm 的用武之地。 
 
拥有它将使 Nvidia 获得 CPU 的优势,以补充其在 GPU 方面的历史实力以及最近获得的运行服务器群所需的网络接口卡的能力(2019 年,Nvidia 收购了此类互连领域的专家 Mellanox技术)。今年 4 月,该公司公布了其首款数据中心 CPU Grace 的计划,这是一款基于 Arm 设计的高性能芯片。Arm 的节能芯片将帮助 Nvidia 为“边缘计算”提供 AI 产品——在自动驾驶汽车、工厂机器人和其他远离数据中心的地方,在这些地方,耗电的 GPU 可能并不理想。