击败英特尔后 谁来挑战英伟达的时代

新款显卡新鲜出炉

当皮衣教主黄仁勋走进厨房，站定在灶台前，开始面对镜头侃侃而谈时，你就知道，事情不简单。

这不，北京时间今天凌晨，老黄又来催你换「煤气灶」了。

和 3 个月前 GTC 2020 演讲一样的套路，英伟达创始人兼 CEO 黄仁勋从烤箱里端出了“冒着热气”的新款 GPU——GeForce RTX 30 系列，首发包括三个型号 RTX 3090、RTX 3080、RTX 3070。

毫不意外，这又是一个将各方面性能「压榨」到极限的系列：对比 Turing 图灵架构的上一代性能提升 2 倍，能效比提升 1.9 倍；可让玩家享受前所未有的实时光线追踪、AI 游戏体验；是世界上第一个能玩 8K、60fps 游戏的 GPU…

其中，「巨无霸」RTX 3090 更是刷新多项 GPU 界的新纪录，用黄仁勋的话说，这是一款「BF (Big Ferocious)」 GPU，形容它的性能「像野兽一样凶猛」。

这款强大的 GPU，采用的正是今年 5 月刚推出的第八代 GPU 架构安培（Ampere），其中包含一些针对 AI 计算特有的机制。

这三款显卡的发布，算是给 5 月的 GTC 2020「填了个坑」。当时，备受期待的 RTX 3080 显卡从大会上缺席，取而代之的，是面向数据中心的产品 A100 计算卡。

不过，就在 RTX 3080 迟到的三个月里，英伟达已经不再是原来的英伟达了。

对外，英伟达市值超越英特尔，一跃成为美国第一大芯片公司。有人将其与 iPhone 颠覆诺基亚进行类比，称这象征着一个新时代的大幕升起。

对内，数据中心业务首次超越游戏业务，成为主要营收来源。摘掉了「游戏公司」的帽子，老黄终于可以理直气壮地说英伟达是「AI 公司」。

过去几年，在半导体行业，英伟达如同开了挂一般的存在，游戏、自动驾驶、挖矿、数据中心，每一步都踩在 AI 时代的风口浪尖，销量和市值突飞猛进。

而就在八年前，黄仁勋绝对想不到，这家一度「离停业只有 30 天」的公司，有一天挑落行业巨龙。

21年，英伟达终于熬出头了…

今天的发布会，有个细节颇值得注意——在发布会的预热阶段，英伟达在官网也打出了全新标语「 21 天，21 年」。

正是在 21 年前的 1999 年，英伟达首次提出了 GPU 这个概念，并于同年发布了第一款以 Geforce 为名的显示核心 Geforce 256。在此之前，计算机中处理影像输出的显示芯片很少被视为是一个独立的运算单元。可以说，英伟达重新定义了计算机显卡。

但技术上的突破，并没有给当时的英伟达带来商业上的成功。身处 Wintel 联盟称霸的巅峰时代，再加上产品「难产」，英伟达只能在游戏市场中求生存。

由于对图形处理有着极高要求，PC 游戏成为英伟达 GPU 的第一批大客户。并在此后很长一段时间内，为公司贡献着多半营收。

在那段时间里，英伟达虽贵为「全球芯片三巨头」，却远不具备与英特尔、AMD 平起平坐的实力。

但势能在慢慢积蓄。

直到 2012 年，人工智能浪潮席卷而来，英伟达才真正迎来属于自己的时代。有个打趣的说法，AI 馅饼从天而降，而英伟达幸运地被砸中了。

深度学习的最大特点，就是对于计算速度有着近乎暴力的要求，需要对大量数据进行并行的重复计算，而这恰好落入了 GPU 最擅长的领域。

另一方面，在几乎所有人工智能的应用中，图像识别和处理都是必须要解决的重要问题，GPU 是完成该任务的必备组件。

于是，从人脸识别、自动驾驶，到机器人、虚拟现实、数据中心，只要有 AI 研究和创业的地方，都能看到英伟达的身影。

搭上了深度学习和人工智能的快车道后，英伟达开始在资本市场上一路高歌猛进。过去 5 年，英伟达股价暴涨 19 倍，也从此被冠上了全球“人工智能第一股”的称号。

与此同时，英特尔这个曾经 PC 的霸主，被过去的辉煌捆住了手脚，当英伟达、谷歌都将注意力逐渐转移到深度学习和 AI 芯片上时，英特尔还在和高通抢着移动芯片的市场，几乎输在了 AI 时代的起跑线上。

而当这位老牌巨人觉醒之时，却已经陷入了两难的困境。CPU 开始力不从心，CPU 是通用处理器，运行神经网络的效率极低。GPU 上难以迅速突破，只能切换到「买买买」的模式，试图通过并购的方式，充实自己的肌肉。

更快的马车 or 汽车？

头把交椅往往也是最难坐的位子。

虽然在 GPU 中一骑绝尘，不过，这并不意味着，英伟达没有潜在威胁。

英特尔在为「王者归来」的戏码积蓄能量。通过并购，英特尔已经构建了相当的战略广度，从云端、到终端、再到自动驾驶。其中，耳熟能详的头部公司就有不少，例如，FPGA 芯片厂商 Altera、计算机视觉的 Movidius、还有自动驾驶领域的明星公司 Mobileye。

还有虎视眈眈的行业巨头们。华为已将剑直指英伟达，升腾系列算力始终对标着英伟达 Tesla 系列，难分胜负。

而更加强劲的挑战，则来自于自由度极高的 FPGA、以及更加专用的一些 ASIC。

AI 芯片早已不局限在 CPU 和 GPU，FPGA 可以硬件编程，它的自由度极高，可以在不同领域展现优秀的性能，比如物体识别、语音指令判断、信息合成等等。

而相比于 CPU、GPU、FPGA 等通用性芯片，ASIC 芯片的专业性极强，当年 Google 阿尔法狗击败人类棋手，其背后所使用的 TPU，是极度专用的 ASIC 类芯片，虽然不能像 CPU/GPU 那样实现多种应用，但是它的 AI 计算速度能达到 GPU 的数十倍。

NPU、DPU 层出不穷，正如 TPU 给谷歌带来的变化，专用 AI 芯片可以将数据处理的效率提升到一个全新的高度。

如今，在诸如自动驾驶等场景中，GPU 已经显示出了力不从心的一面。从 CPU、GPU 到 FPGA，再到极度专用的各类 ASIC 的发展，正是芯片从「通用→专用」的进阶。而 GPU 的短板恰恰就在于其「通用」属性，很难实现高算力和低能耗的同时展现。

其实即便在 2012 年以后，英伟达也不是一路顺风顺水。2018 年，比特币崩盘，大量二手显卡从「矿场」流入市场，英伟达的显卡差点卖不动了，营收和股价一度遭遇危机。

推出 A100 计算卡，加深数据中心业务的根基，算是给英伟达找到另一个稳定的增长点。

但英伟达没有安稳度日的理由。

上一个 CPU 向 GPU 过渡的节点，英伟达实现了对英特尔的弯道超车。二十年后，谁也不敢保证，相似的历史不会再度上演，只不过这一次，英伟达从挑战者变成了守擂者。

就像消费者从来不需要一辆「更快的马车」，如今市场需要的，也不止是一个「更快的 GPU」。