2024年8月26日 - 信報
美國晶片製造廠輝達（Nvidia）是與雲端客戶和整個產業鏈競爭，暫時領先一籌，但這種姿態也逼出同行強烈的反抗。另外，繪圖處理器（GPU）無序擴張是否必要及持續有效呢？輝達能否繼續創新高？
產業鏈內反抗力量被低估
我們先討論競爭因素，因為大部分人比較容易從對比之中理解。一般人對輝達GPU的理解，是指和AMD的GPU或CPU競爭，或頂多知道最大的對手是輝達雲端客戶自家研發的晶片（例如Google的TPU），這個當然都是事實，但產業鏈內的反抗力量可能被遠遠低估。大眾可能遠遠小看了Google的能力，Google繼續依賴軟硬體及開發系統底層融合的能力，企圖突破CUDA（輝達研發的計算平台與程式設計模型）霸權。
第一，我認為大部分人可能忽略了商業模式變化所產生的競爭。輝達不止積極引入自家製的CPU及網通晶片，而且更直接挑選板卡和Tray上的周邊晶片來提供全套方案，說得再清楚一點，輝達所提供的整套晶片組，除了自家的GPU、Grace CPU、DPU外，還傾向在其板卡及Tray上選定其他模擬和數位晶片，以代工模式（鴻海集團的工業富聯或緯創）把這些輔助晶片放在板卡及Tray上賣給雲端伺服器製造商（如鴻海或廣達）。
即是說，整套方案及晶片組無論是不是輝達品牌，都有可能由輝達集中提供，你可以說這標準化的模塊對雲端客戶來說，可能是品質更穩定，為成本更低的工板方法。但是，這令原本透過客制化獲取較高毛利的周邊晶片廠家非常不爽。
輝達對這些晶片同業形成了強大的壓力，無論是直接競爭的產品或是其周邊的晶片產品，因為輝達嘗試打破這些周邊晶片的慣常供應鏈，嘗試以渴市的GPU主晶片主導整個GPU板卡及Tray內晶片的產業鏈，因此會引致更多的晶片公司（如博通〔Broadcom〕、Marvell）加入協助雲端廠家（如Google和Meta）客製化整套AI晶片。
其實，雲端廠家也一直被脅迫投入巨大的資本開支，在未能完全商業化之前，仍要投入巨額資金升級他們的數據中心，而且愈買愈貴，AI系統內愈來愈多輝達對晶片組的主導權。當然，你亦可以將此解讀為輝達核心競爭力的延伸。
第二，長倉基金界主要的辯論是Scaling Law（尺度定律，意指模型的最終性能主要與計算量、模型參數量和訓練數據量三者的大小相關）是否依然可以走下去，而且仍會是幾何級數的上升？CUDA、NVLink、CoWoS所形成的護城河，已經深深造就了輝達的成功。這些都是市場已大致反映的因素。
GPU無序擴張前設受衝擊
麻省理工學院（MIT）6月時在Nature期刊上發表報告，顯示了語言不是思維，這份強而有力的報告可能震撼了對腦科學有研究的投資者，但時間慢慢過去，大部分人又開始忘記了這精闢有力的分析。我認為，MIT這個研究正在衝擊一個GPU需要無序擴張的大前設，就是所謂的「大力出奇蹟」（emergent property）。
我個人和很多科學家相似，比較着重仿腦模型路線圖，但我已在過去一、兩年提及人類右腦以多維度關連能力為主，大型語言模型（LLM）幾乎沒有人類左腦的高低維度切換能力，因此很難有因果式If…then…else邏輯模式。即是說，不斷擴展平衡運算的GPU，不可以最終提升理解力。
如果這個說法是對的，那麼用GPU資本開支高速擴張而產生的邊際效益就會逐漸減慢，因此日後毋須要幾何級數地擴張GPU能力。
輝達股價稱王當然有很多原因，這些原因也大量被媒體及投資報告宣傳，但是市場似乎忽略了以上兩點隱憂，故此我們需要密切觀察這兩點的動態變化。
王華（Fred）為易方資本創辦人及投資總監
原文：
沒有留言:
發佈留言