<p>到目前为止，<strong>英伟达</strong>(NVDA 0.27%) 是人工智能 (AI) 热潮中最大的赢家，但投资者不应忘记，随着市场的成熟，硬件领导地位可能会迅速转变。加密货币挖矿行业就是一个很好的例子。图形处理单元 (GPU) 曾经是加密挖矿的主力，至少在专用集成电路 (ASIC) 开发出来之前，挖矿还停留在这个阶段。</p>
<p>这些 ASIC 只做一件事，但它们做得更快、更便宜，短时间内，基于 GPU 的比特币等货币挖矿就迅速失去了流行。经济因素实在是太有吸引力，无法忽视。如果加密矿工想要保持竞争力，他们必须转向 ASIC，否则就会被市场淘汰。</p>
<p>现在，ASIC 正在为 AI 工作负载而设计。</p>
<p><img src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MzQ2NzkvZ2V0dHlpbWFnZXMtMTQ5MjMxOTg4NC5qcGcmdz03MDA?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" width="700" height="393" original-src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MzQ2NzkvZ2V0dHlpbWFnZXMtMTQ5MjMxOTg4NC5qcGcmdz03MDA"/></p>
<p>图片来源：Getty Images。</p>
<h2>ASIC 和 AI</h2>
<p>GPU 一直是训练大型语言模型 (LLM) 的主流选择，而英伟达凭借其强大的软件平台 CUDA 成为无可争议的 GPU 之王。该公司围绕其芯片建立了整个生态系统，这也是英伟达数据中心收入激增的原因。但 AI 工作负载的成本极高且耗能巨大，对于专注于 AI 的大型超大规模公司（拥有庞大数据中心的公司）来说，寻找更便宜、更高效的解决方案的动力巨大。</p>
<p>这正是 <strong>Alphabet</strong> 构建其张量处理单元 (TPU) 的原因，以及 <strong>亚马逊</strong> 开发其 Trainium 和 Inferentia 芯片的原因。其他公司也在效仿。<strong>Meta Platforms</strong> 和 OpenAI 据报道正在与 <strong>博通</strong> 合作开发自己的定制芯片，OpenAI 被认为是下单了令人惊讶的 100 亿美元订单的客户，交货时间为明年。与此同时，英伟达的大客户 <strong>微软</strong> 也在努力创建自己的定制 AI 芯片。</p>
<p>目标很明确：降低成本，减少对英伟达的依赖。与此同时，随着市场开始向推理转变，格局也在变化。英伟达在推理方面的护城河远没有在训练方面那么宽。推理的技术要求没有训练那么高，因此基于 CUDA 的多年代码并没有那么重要。与此同时，推理是一个持续的成本，因此总拥有成本和每次推理的成本是更重要的因素。</p>
<p>当比特币挖矿的成本曲线迫使转向 ASIC 时，GPU 在这个领域几乎一夜之间从必需品变得无关紧要。英伟达今天的巨大估值假设超大规模公司将继续购买越来越多的 GPU，但历史表明，他们只会在经济条件合理的情况下这样做。</p>
<p>现在，比特币挖矿和推理之间存在一些重大差异，这对英伟达有利。比特币挖矿是一项粗暴的重复性任务，而推理则是理解输入的意图，比如一个问题，并利用大型语言模型训练时获得的信息来执行。新的 AI 技术也在不断发展，比如推理或多模态 AI，GPU 更能适应这些任务，而 ASIC 可能会更快过时。</p>
<p>英伟达也意识到了这一风险，并采取措施保护自己。其与 OpenAI 的 1000 亿美元投资合作就是一个完美的例子。无论是直接还是间接，OpenAI 是英伟达 GPU 的最大用户之一，但它最近开发了自己的 AI ASIC。通过这项投资，英伟达实际上是在支付以确保 OpenAI 继续使用其 GPU。</p>
<h2>AI ASIC 会取代 GPU 吗？</h2>
<p>投资者应密切关注 ASIC 威胁，因为这可能是对英伟达增长故事的最大风险。该公司拥有广泛的护城河，但并非不可打破。超大规模公司有资金和动力来削弱其主导地位，每一美元转向内部 AI 芯片的资金都是不流向英伟达的一美元。</p>
<p>这并不意味着 GPU 会消失，因为 AI 工作负载仍在不断演变，GPU 足够灵活以处理新模型和技术。然而，随着市场向推理转变，定制 AI 芯片可能会占据市场份额。</p>
<p>目前，市场看起来足够大，可以容纳多个未来的 AI 基础设施赢家，但比特币展示了经济如何迅速翻转，而 AI 可能会遵循类似的模式。投资者在假设英伟达的增长在未来十年是自动驾驶之前，应牢记这一点。</p>

亚马逊

英伟达

2 倍做多英伟达 ETF - GraniteShares

南方两倍做多英伟达

南方两倍做空英伟达

英伟达期权收益策略 ETF - YieldMax

1 倍做空英伟达 ETF - Direxion

2 倍做多 NVDA ETF - T-Rex

2 倍做空 NVDA ETF - T-Rex

半导体 3 倍做多 - Direxion

<p>英伟达在人工智能热潮中蓬勃发展，但随着定制人工智能芯片的出现，面临失去硬件领导地位的风险。专用集成电路（ASIC）正由谷歌母公司 Alphabet 和亚马逊等主要参与者开发，这对英伟达在人工智能工作负载中的主导地位构成威胁。尽管英伟达的 GPU 在训练方面表现出色，但向推理的转变可能会削弱其竞争优势。该公司正在投资于合作伙伴关系，例如与 OpenAI 达成的 1000 亿美元交易，以保持相关性。投资者应保持谨慎，因为市场动态可能会迅速变化，类似于加密货币挖矿从 GPU 转向 ASIC 的情况</p>

<p>So far, <strong>Nvidia</strong>(NVDA 0.27%) has been the biggest winner of the artificial intelligence (AI) boom, but investors should not forget how quickly hardware leadership can shift when a market matures. The cryptocurrency mining industry is a great example. Graphics processing units (GPUs) were once the workhorse of crypto mining, at least until application-specific integrated circuits (ASICs) were developed to take mining to the next level.</p>
<div class="lb-trans"><p>到目前为止，<strong>英伟达</strong>(NVDA 0.27%) 是人工智能 (AI) 热潮中最大的赢家，但投资者不应忘记，随着市场的成熟，硬件领导地位可能会迅速转变。加密货币挖矿行业就是一个很好的例子。图形处理单元 (GPU) 曾经是加密挖矿的主力，至少在专用集成电路 (ASIC) 开发出来之前，挖矿还停留在这个阶段。</p>
</div><p>These ASICs did only one thing, but they did it faster and cheaper, and in short order, GPU-based mining for currencies like <strong>Bitcoin</strong> fell far out of vogue. The economics were simply too compelling to ignore. If a crypto miner wanted to stay competitive, they had to switch to ASICs or get priced out.</p>
<div class="lb-trans"><p>这些 ASIC 只做一件事，但它们做得更快、更便宜，短时间内，基于 GPU 的比特币等货币挖矿就迅速失去了流行。经济因素实在是太有吸引力，无法忽视。如果加密矿工想要保持竞争力，他们必须转向 ASIC，否则就会被市场淘汰。</p>
</div><p>Now, ASICs are being designed for AI workloads.</p>
<div class="lb-trans"><p>现在，ASIC 正在为 AI 工作负载而设计。</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MzQ2NzkvZ2V0dHlpbWFnZXMtMTQ5MjMxOTg4NC5qcGcmdz03MDA" alt="" original-src="https://g.foolcdn.com/image/?url=https%3A%2F%2Fg.foolcdn.com%2Feditorial%2Fimages%2F834679%2Fgettyimages-1492319884.jpg&amp;op=resize&amp;w=700"/></p>
<p>Image source: Getty Images.</p>
<div class="lb-trans"><p>图片来源：Getty Images。</p>
</div><h2>ASICs and AI</h2>
<div class="lb-trans"><h2>ASIC 和 AI</h2>
</div><p>GPUs have been the dominant choice for training large language models (LLMs), and Nvidia has been the undisputed GPU king thanks to its powerful software platform, CUDA. The company has built an entire ecosystem around its chips, and it is the reason Nvidia's data center revenue has exploded. But AI workloads are massively expensive and energy-hungry, and for the largest hyperscalers (companies that own massive data centers) focused on AI, there is a huge incentive to find something cheaper and more efficient.</p>
<div class="lb-trans"><p>GPU 一直是训练大型语言模型 (LLM) 的主流选择，而英伟达凭借其强大的软件平台 CUDA 成为无可争议的 GPU 之王。该公司围绕其芯片建立了整个生态系统，这也是英伟达数据中心收入激增的原因。但 AI 工作负载的成本极高且耗能巨大，对于专注于 AI 的大型超大规模公司（拥有庞大数据中心的公司）来说，寻找更便宜、更高效的解决方案的动力巨大。</p>
</div><p>This is exactly why <strong>Alphabet</strong> built its Tensor Processing Units (TPUs), and why <strong>Amazon</strong> developed its Trainium and Inferentia chips. Others are now following suit. <strong>Meta Platforms</strong> and OpenAI have reportedly been working with <strong>Broadcom</strong> to develop their own custom chips, with OpenAI believed to be the customer that made a surprising $10 billion order for next year. Meanwhile, large Nvidia customer <strong>Microsoft</strong> has also been working to create its own custom AI chip.</p>
<div class="lb-trans"><p>这正是 <strong>Alphabet</strong> 构建其张量处理单元 (TPU) 的原因，以及 <strong>亚马逊</strong> 开发其 Trainium 和 Inferentia 芯片的原因。其他公司也在效仿。<strong>Meta Platforms</strong> 和 OpenAI 据报道正在与 <strong>博通</strong> 合作开发自己的定制芯片，OpenAI 被认为是下单了令人惊讶的 100 亿美元订单的客户，交货时间为明年。与此同时，英伟达的大客户 <strong>微软</strong> 也在努力创建自己的定制 AI 芯片。</p>
</div><p>The goal is clear: lower costs and reduce reliance on Nvidia. Meanwhile, with the market beginning to shift more toward inference, the landscape is changing. Nvidia's moat around inference isn't nearly as wide as the one it has for training. Inference isn't as technically demanding as training, so the years of code built on top of CUDA aren't as impactful. Meanwhile, inference is a continuing cost, so the total cost of ownership and cost per inference are much more important factors.</p>
<div class="lb-trans"><p>目标很明确：降低成本，减少对英伟达的依赖。与此同时，随着市场开始向推理转变，格局也在变化。英伟达在推理方面的护城河远没有在训练方面那么宽。推理的技术要求没有训练那么高，因此基于 CUDA 的多年代码并没有那么重要。与此同时，推理是一个持续的成本，因此总拥有成本和每次推理的成本是更重要的因素。</p>
</div><p>When the cost curve in Bitcoin mining forced the shift to ASICs, GPUs went from must-have to irrelevant almost overnight in the space. Nvidia's massive valuation today assumes that hyperscalers will keep buying ever more GPUs, but history says they will only do so as long as the economics make sense.</p>
<div class="lb-trans"><p>当比特币挖矿的成本曲线迫使转向 ASIC 时，GPU 在这个领域几乎一夜之间从必需品变得无关紧要。英伟达今天的巨大估值假设超大规模公司将继续购买越来越多的 GPU，但历史表明，他们只会在经济条件合理的情况下这样做。</p>
</div><p>Now, there are some major differences between Bitcoin mining and inference that work in Nvidia's favor. Bitcoin mining is a brute force repetitive task, while inference is understanding the intent of an input, like a question, and using the information the LLM was trained on to execute. New AI techniques are also constantly being developed, like reasoning or multimodal AI, and GPUs are more adaptable to handle these tasks compared to ASICs, which can become obsolete more quickly.</p>
<div class="lb-trans"><p>现在，比特币挖矿和推理之间存在一些重大差异，这对英伟达有利。比特币挖矿是一项粗暴的重复性任务，而推理则是理解输入的意图，比如一个问题，并利用大型语言模型训练时获得的信息来执行。新的 AI 技术也在不断发展，比如推理或多模态 AI，GPU 更能适应这些任务，而 ASIC 可能会更快过时。</p>
</div><p>Nvidia also sees this risk and is taking steps to protect itself. Its recent $100 billion investment partnership with OpenAI is a perfect example. Whether directly or indirectly, OpenAI is one of the biggest users of Nvidia's GPUs, but it has recently developed its own AI ASICs. With this investment, Nvidia is effectively paying to ensure OpenAI keeps using its GPUs.</p>
<div class="lb-trans"><p>英伟达也意识到了这一风险，并采取措施保护自己。其与 OpenAI 的 1000 亿美元投资合作就是一个完美的例子。无论是直接还是间接，OpenAI 是英伟达 GPU 的最大用户之一，但它最近开发了自己的 AI ASIC。通过这项投资，英伟达实际上是在支付以确保 OpenAI 继续使用其 GPU。</p>
</div><h2>Will AI ASICs replace GPUs?</h2>
<div class="lb-trans"><h2>AI ASIC 会取代 GPU 吗？</h2>
</div><p>Investors should watch the ASIC threat closely because it could be the single biggest risk to Nvidia's growth story. The company has a wide moat, but it is not unbreakable. The hyperscalers have the money and motivation to chip away at its dominance, and every dollar that moves to in-house AI chips is a dollar that doesn't go to Nvidia.</p>
<div class="lb-trans"><p>投资者应密切关注 ASIC 威胁，因为这可能是对英伟达增长故事的最大风险。该公司拥有广泛的护城河，但并非不可打破。超大规模公司有资金和动力来削弱其主导地位，每一美元转向内部 AI 芯片的资金都是不流向英伟达的一美元。</p>
</div><p>That doesn't mean GPUs are going away, as AI workloads are still evolving, and GPUs are flexible enough to handle new models and techniques. However, as the market shifts to inference, custom AI chips will likely take share.</p>
<div class="lb-trans"><p>这并不意味着 GPU 会消失，因为 AI 工作负载仍在不断演变，GPU 足够灵活以处理新模型和技术。然而，随着市场向推理转变，定制 AI 芯片可能会占据市场份额。</p>
</div><p>Right now, the market looks big enough for there to be multiple future AI infrastructure winners, but Bitcoin showed how quickly the economics can flip, and AI could follow a similar pattern. Investors should keep that in mind before assuming Nvidia's growth is on autopilot for the next decade.</p>
<div class="lb-trans"><p>目前，市场看起来足够大，可以容纳多个未来的 AI 基础设施赢家，但比特币展示了经济如何迅速翻转，而 AI 可能会遵循类似的模式。投资者在假设英伟达的增长在未来十年是自动驾驶之前，应牢记这一点。</p>
</div>

History Says This Is 1 of the Biggest Risks Nvidia Faces, and It Could Be About to Repeat Itself

- Nvidia 在人工智能领域的领导地位面临 ASIC 威胁。  
- 大型科技公司正在开发自有 AI 芯片以降低成本。  
- 市场转向推理，可能影响 Nvidia 的未来增长。  

历史显示，这是 NVIDIA 面临的最大风险之一，并且可能即将重演