英伟达王朝的 “软肋”：GPU 的三大风险

6 月 18 日全球 GPU 龙头英伟达成为全球市值最大的公司

2024 年 6 月 18 日美股收盘，英伟达市值达到 3.33 万亿美元，超过微软、苹果、谷歌、亚马逊成为全球市值最大的公司。

人工智能对 GPU 算力需求，是 GPU 的最大推动力

以英伟达为例，足见算力对 GPU 的拉动力。2024 年 Q1 收入占比高达 86.6% 的数据中心业务，收入增长 426% 达到 225 亿美元。而在 2016 年英伟达的数据中心业务收入占比仅有 6.77%。

拐点一：AI 竞赛放缓，大模型创业公司倒闭退出

5 月 6 日幻方的深度求索率先发起价格战，后续阿里、百度、腾讯、字节等旗下大模型跟进。目前大模型的主流应用还停留在问答模式，降价的背景是盈利模式无法很好落地，只能通过 tokens 收费。大模型创业公司若不改变无法盈利或看不到盈利预期的烧钱模式，未来就会有现金流中断的风险，大批量创业公司退出将会减少对 GPU 需求。

拐点二：三星投资 GPU，新竞争者加入拉低行业利润率

行业龙头英伟达 24Q1 毛利率高达 78.35%，净利润率 57%，高利润率容易吸引更多的竞争者加入。三星公开宣布投资 GPU，预示着与 GPU 行业巨头英伟达正面竞争。与谷歌等互联网大厂以 fabless 模式做 GPU 不同，三星做 GPU 有经验与技术积累：1.三星的半导体业务是 IDM 模式，设计与工艺紧密融合。2.三星拥有 Exynos 等处理器的成功经验，为 GPU 提供算力芯片设计参考。3.三星具有与 GPU 配套的高带宽内存芯片（HBM），可以从系统层面提升芯片算力组的能力。

拐点三：算法层的突变，从矩阵计算到无矩阵计算

通过算法的改进，减少对 GPU 的消耗，是技术层面的重大风险。前面两大风险都是中短期对 GPU 公司业绩的影响，是在原有的技术框架下的竞争。而算法技术层面的突变是较大的变革，如同从燃油车到电动车，对汽油的需求直接清零。矩阵乘法（MatMul）是 Transformer 大语言模型（LLM）中最耗费计算资源的运算，矩阵乘法占用了高昂的计算成本和庞大的内存需求。2024 年 6 月 18 日 arXiv 的论文《ScalableMatMul-freeLanguageModeling》（第五版）中的新 Transformer 架构通过无矩阵乘法（MatMul-free），显著减少对 GPU 和内存依赖，并且使用 FPGA 方案替代 GPU 进行训练和推理，以 13 瓦特的功耗处理数十亿参数模型，已接近人脑效率。

本文作者：何立中（SAC 执证编号：S0110522110002），来源：首创证券，原文标题：《GPU 的拐点》