Nvidia的豪赌：AI泡沫还是新铁路时代？
Nvidia's Risky Business
文章通过回顾1873年Jay Cooke因Northern Pacific Railway融资失败引发金融危机的历史，深刻揭示了当前AI基础设施建设的潜在风险。Microsoft CEO Satya Nadella将1873年视为必读参考，而Oracle、Meta、Alphabet和Amazon等巨头却已疯狂举债，今年仅前七个月就筹集了194亿美元。尽管DeepMind核心人才流失导致Gemini前景黯淡，但Google Cloud凭借82%的同比增长和Berkshire Hathaway的注资，正从模型研发转向算力租赁的商业模式。当资本成为决定谁能获得Compute的关键，这场AI军备竞赛究竟会通向繁荣还是重蹈覆辙？
如果最终的决战——即决定谁能获得Compute的战役——变成谁能调动最多资金的问题，并且这种优势产生复利效应，那么拥有最多现金能力的公司将最终掌握最多的Compute能力。
HN 评论区
175- YuechenLi
Nvidia 在 AI 领域的最大优势从来不仅仅是硬件性能，而是其软件在机器学习研究中根深蒂固的地位，并向下渗透到了应用层。不过，如果你真正用过 CUDA C/C++，你会发现这简直是能想象到的最糟糕的软件开发生态之一：你不仅要承受普通 C++ 的所有“脚枪”（陷阱），还得面对 GPU 计算假装是 C++ 却根本不像 C++ 的行为，因为 CPU 和 GPU 计算在根本上就是不同的。人们之所以忍受它，唯一的原因就是 Vulkan 和 HIP C/C++ 甚至更糟。
Google 的局限在于，他们至今仍未提供可以插到个人电脑上用于本地开发的 PCI-E 卡或开发板，也没有提供合理的底层 API 供人开发；相反，你必须通过他们的云平台和全套软件栈，这极大地限制了生态系统的增长。一旦 Google 意识到这一点并做出改变，Nvidia 的统治地位才会真正受到挑战。
- jcfrei
在许多投资论点中——比如 Nvidia 押注算力需求将持续增长——一阶假设通常是正确的。没错，对更多算力、芯片和基础设施的需求巨大，每年都会有新的数据中心建成。这类投资赌注通常失败的地方在于二阶假设：即对需求增长率的预期。当前预期很可能被夸大了。所以：需求在可预见的未来可能会持续存在，但不会每年都在增长。而这足以颠覆整个投资故事。最终，这足以让 Nvidia 背负沉重的债务负担。不是因为人们停止购买更多算力，而是因为他们不再每年购买更多。
- tolugenius
自加密货币热潮以来，Nvidia 一直在玩一场危险但有利可图的游戏。
但现在我觉得他们可能已经贪多嚼不烂了。
Apple 已经通过他们的统一内存架构证明了这一点：只要容量足够，你就可以在本地运行强大的模型——这样一来，如果每个人都在本地运行某些模型，推理需求就会消失。
至于训练，中国模型已经证明你并不需要 Nvidia 最新最顶级的硬件。TPU 也是如此。
只有时间能给出答案。
- dzonga
这是一个我之前没见过的关于 Nvidia 地位的更有趣的观点。有一点值得注意：1) Nvidia 已经在机器人领域有所布局，所以即使他们在 AI（尤其是大语言模型）领域的地位下降，他们肯定还有另一条同样重要、且更难进入的赛道（尽管我不确定 Google 在 TPU 用于机器人方面做了什么努力）。另一点是，Nvidia 仍然是西方的主要玩家，也就是说，中国肯定能够并且将会创建自己的全栈方案，不再依赖美国公司。这让欧洲和其他国家处于一个有趣的境地：你是因为 Nvidia 是唯一选择而购买，还是为了安全考虑？也就是说，我相信 Nvidia 的地位依赖于许多条件同时成立，而我们正走向一个这些条件同时受到挑战的环境。
- rcr-anti
在我看来，只关注超大规模云厂商（hyperscalers）有点误导性。
没错，对于程序员和科技公司来说，AI 现在有点无聊了，但 AI 的整体集成仍然是一片未开垦的处女地。
今天有无数的小公司和个人刚刚开始涉足 AI，我相信大部分客户群（和收入）尚未被开发。天哪，我还在不断发现新的用例，而平均那些管理不善的、只有 30 人的 SaaS 供应商可能甚至还没开始呢。