<p>今天，英伟达的收入主要来自硬件销售。但当人工智能泡沫不可避免地破裂时，这家 GPU 巨头将成为全球最重要的软件公司。</p>
<p>自从 2022 年底 ChatGPT 引发人工智能军备竞赛以来，英伟达已经发货数百万个 GPU，主要用于人工智能的训练和推理。</p>
<p>当音乐停止，金融人士意识到用快速贬值的资产作为数十亿美元贷款的抵押并不是个好主意时，这些芯片将会有很多闲置。</p>
<p>然而，任何暗示这些 GPU 在尘埃落定后将变得毫无价值的人都是天真的。</p>
<p>虽然 GPU 此时可能与人工智能同义，但它们的用途远不止于此。提醒一下，GPU 代表图形处理单元。这些芯片最初是为了加速视频游戏渲染而设计的，而到 90 年代末，视频游戏的渲染已经变得对当时的单线程 CPU 来说过于计算密集。</p>
<p>事实证明，使 GPU 在推送像素方面表现出色的同样原因也使它们特别适合其他并行工作负载——比如模拟氢弹临界状态的物理。英伟达的一些最强大的加速器——如 H200 或 GB300 芯片——早已抛弃了图形管线，以腾出空间用于高性能计算和人工智能所需的更多向量和矩阵数学加速器。</p>
<p>如果一个应用程序可以并行化，那么它很可能会受益于 GPU 加速——前提是你有相应的软件。这就是为什么 GPU 公司如此之少的原因。GPU 需要广泛可编程；而人工智能 ASIC 只需在推理或训练方面表现良好。</p>
<h3>CUDA-X 购买 GPU 的诸多理由</h3>
<p>自 2007 年推出 CUDA 这一低级 GPU 编程环境和 API 接口以来，英伟达已经构建了数百个软件库、框架和微服务，以加速它能想到的任何和所有工作负载。</p>
<p>这些库统称为 CUDA-X，涵盖了从计算流体动力学和电子设计自动化到药物发现、计算光刻、材料设计，甚至量子计算的所有内容。该公司还拥有用于可视化数字双胞胎和机器人技术的框架。</p>
<p>目前，人工智能已成为这些工作负载中最有利可图的，但当炒作列车停下时，硬件仍然可以做很多事情。</p>
<p>例如，英伟达构建了 cuDF，并将其集成到流行的 RAPIDS 数据科学和分析框架中，以加速 SQL 数据库或 Pandas，从而实现了 150 倍的速度提升。难怪数据库巨头甲骨文如此热衷于英伟达的硬件。它无法出租给 OpenAI 以获利的计算能力，可以用来加速其数据库和分析平台。</p>
<p>英伟达并未提供完整的解决方案，这也是故意为之。它的一些库是开源的，而其他则作为更全面的框架和微服务提供。这些构成了软件开发人员用来加速其工作负载的构建块，越来越多的与产生收入的许可方案相关联。</p>
<p>唯一的问题是：到目前为止，这些好处需要购买或租赁昂贵的 GPU，然后将这些框架集成到你的代码库中，或者等待独立软件供应商（ISV）为你完成。</p>
<p>但当泡沫破裂，GPU 价格暴跌时，任何能找到这些闲置资产用途的人都将赚得盆满钵满。英伟达已经构建了实现这一目标所需的软件——ISV 只需集成并销售即可。</p>
<p>在这种背景下，英伟达从构建面向开发者的低级软件库向销售面向企业的微服务的稳步转型开始变得非常合理。采用门槛越低，销售硬件及其相关订阅就越容易。</p>
<p>看起来英伟达甚至可能会将这一软件栈开放给更广泛的硬件供应商生态系统。GPUzilla 已经开始转向一种解耦架构，将工作负载拆分并卸载到第三方硅片上。</p>
<p>本周，英伟达完成了对英特尔的 50 亿美元投资。这家 x86 巨头目前正在开发一种预填充加速器，以加速大型语言模型推理的提示处理。与此同时，英伟达上周签署了一项协议，收购竞争对手芯片供应商 Groq，尽管尚不清楚这家 GPU 制造商打算如何长期整合该公司的技术。</p>
<p>除了自家开发的软件平台外，英伟达在过去几年中还进行了几项战略软件收购，收购了 Run:AI 的基于 Kubernetes 的 GPU 编排和 Deci AI 的模型优化平台。就在本月初，英伟达还增加了 SchedMD 的 Slurm 工作负载管理平台，该平台在 AMD、英伟达和英特尔基于 HPC 和 AI 工作负载的集群中广泛部署，即使你不购买其硬件也能确保盈利。</p>
<ul>
<li>英伟达对英特尔的救助投资 50 亿美元，瞬间变得富有 25 亿美元</li>
<li>人工智能在现金自助餐上面临关门</li>
<li>英伟达迅速在中国推销 H200</li>
<li>英伟达承诺更多开放性，同时吸收 Slurm</li>
</ul>
<h3>生成性人工智能将持续存在</h3>
<p>明确来说，今天我们所知的生成性人工智能不会消失。过去三年推动人工智能发展的资金可能会蒸发，但其底层技术，尽管不完美，仍然足够有价值，企业将继续使用它。</p>
<p>与其追逐人工通用智能的幻影，这项技术的应用将更加平凡。</p>
<p>事实上，英伟达的一些更全面的微服务广泛使用了特定领域的人工智能模型，用于天气预报或物理模拟。</p>
<p>当互联网泡沫破裂时，人们并没有停止构建网络服务或购买交换机和路由器。这一次，人们也不会停止消费人工智能服务。它们只是购买 GPU 的几个原因之一。®</p>

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>Nvidia，主要以硬件销售闻名，正准备成为一家领先的软件公司，因为人工智能泡沫正在消退。随着数百万个 GPU 被用于人工智能应用，该公司在 CUDA-X 品牌下开发了广泛的软件库，使其能够在人工智能之外实现多样化应用。随着泡沫后 GPU 价格的下跌，Nvidia 现有的软件基础设施将使开发者能够有效利用这些资产。最近的投资和收购表明，Nvidia 的战略是增强其软件产品并扩大其生态系统，为未来在后人工智能时代的增长做好准备</p>

<p>Today, Nvidia’s revenues are dominated by hardware sales. But when the AI bubble inevitably pops, the GPU giant will become the single most important software company in the world.</p>
<div class="lb-trans"><p>今天，英伟达的收入主要来自硬件销售。但当人工智能泡沫不可避免地破裂时，这家 GPU 巨头将成为全球最重要的软件公司。</p>
</div><p>Since ChatGPT kicked off the AI arms race in late 2022, Nvidia has shipped millions of GPUs predominantly for use in AI training and inference.</p>
<div class="lb-trans"><p>自从 2022 年底 ChatGPT 引发人工智能军备竞赛以来，英伟达已经发货数百万个 GPU，主要用于人工智能的训练和推理。</p>
</div><p>That’s a lot of chips that are going to be left idle when the music stops and the finance bros come to the sickening realization that using a fast-depreciating asset as collateral for multi-billion dollar loans wasn’t such a great idea after all.</p>
<div class="lb-trans"><p>当音乐停止，金融人士意识到用快速贬值的资产作为数十亿美元贷款的抵押并不是个好主意时，这些芯片将会有很多闲置。</p>
</div><p>However, anyone suggesting those GPUs will be rendered worthless when the dust settles is naive.</p>
<div class="lb-trans"><p>然而，任何暗示这些 GPU 在尘埃落定后将变得毫无价值的人都是天真的。</p>
</div><p>GPUs may be synonymous with AI by this point, but they’re much more versatile than that. As a reminder, GPU stands for graphics processing unit. These chips were originally designed to speed up video game rendering, which, by the late ‘90s, was quickly becoming too computationally intensive for the single-threaded CPUs of the time.</p>
<div class="lb-trans"><p>虽然 GPU 此时可能与人工智能同义，但它们的用途远不止于此。提醒一下，GPU 代表图形处理单元。这些芯片最初是为了加速视频游戏渲染而设计的，而到 90 年代末，视频游戏的渲染已经变得对当时的单线程 CPU 来说过于计算密集。</p>
</div><p>As it turns out, the same thing that made GPUs great at pushing pixels also made them particularly well suited for other parallel workloads — you know, like simulating the physics of a hydrogen bomb going critical. Many of Nvidia’s most powerful accelerators — chips like the H200 or GB300 — have long since ditched the graphics pipeline to make room for more vector and matrix math accelerators required in HPC and AI.</p>
<div class="lb-trans"><p>事实证明，使 GPU 在推送像素方面表现出色的同样原因也使它们特别适合其他并行工作负载——比如模拟氢弹临界状态的物理。英伟达的一些最强大的加速器——如 H200 或 GB300 芯片——早已抛弃了图形管线，以腾出空间用于高性能计算和人工智能所需的更多向量和矩阵数学加速器。</p>
</div><p>If an app can be parallelized, there’s a good chance it’ll benefit from GPU acceleration — if you have the software to do it. This is why there are so few GPU companies. A GPU needs to be broadly programmable; an AI ASIC only needs to do inference or training well.</p>
<div class="lb-trans"><p>如果一个应用程序可以并行化，那么它很可能会受益于 GPU 加速——前提是你有相应的软件。这就是为什么 GPU 公司如此之少的原因。GPU 需要广泛可编程；而人工智能 ASIC 只需在推理或训练方面表现良好。</p>
</div><h3>CUDA-X many reasons to buy a GPU</h3>
<div class="lb-trans"><h3>CUDA-X 购买 GPU 的诸多理由</h3>
</div><p>Since introducing CUDA, its low level GPU programming environment and API interface, in 2007, Nvidia has built hundreds of software libraries, frameworks, and micro-services to accelerate any and every workload it can think to.</p>
<div class="lb-trans"><p>自 2007 年推出 CUDA 这一低级 GPU 编程环境和 API 接口以来，英伟达已经构建了数百个软件库、框架和微服务，以加速它能想到的任何和所有工作负载。</p>
</div><p>The libraries, collectively marketed under the CUDA-X banner, cover everything from computational fluid dynamics and electronic design automation to drug discovery, computational lithography, material design, and even quantum computing. The company also has frameworks for visualizing digital twins and robotics.</p>
<div class="lb-trans"><p>这些库统称为 CUDA-X，涵盖了从计算流体动力学和电子设计自动化到药物发现、计算光刻、材料设计，甚至量子计算的所有内容。该公司还拥有用于可视化数字双胞胎和机器人技术的框架。</p>
</div><p>For now, AI has turned out to be the most lucrative of these, but when the hype train runs out of steam, there’s still plenty that can be done with the hardware.</p>
<div class="lb-trans"><p>目前，人工智能已成为这些工作负载中最有利可图的，但当炒作列车停下时，硬件仍然可以做很多事情。</p>
</div><p>For example, Nvidia built cuDF and integrated it into the popular RAPIDS data science and analytics framework to accelerate SQL databases or Pandas, attaining a 150x speed up in the process. It’s no wonder database giant Oracle is so keen on Nvidia’s hardware. Any compute it can’t rent out to OpenAI for a profit, it can use to accelerate its database and analytics platforms.</p>
<div class="lb-trans"><p>例如，英伟达构建了 cuDF，并将其集成到流行的 RAPIDS 数据科学和分析框架中，以加速 SQL 数据库或 Pandas，从而实现了 150 倍的速度提升。难怪数据库巨头甲骨文如此热衷于英伟达的硬件。它无法出租给 OpenAI 以获利的计算能力，可以用来加速其数据库和分析平台。</p>
</div><p>Nvidia doesn’t offer a complete solution, and that’s by design. Some of its libraries are open sourced, while others are made available as more comprehensive frameworks and micro-services. These form the building blocks by which software developers can use to accelerate their workloads, with a growing number of them being tied back to revenue-generating licensing schemes.</p>
<div class="lb-trans"><p>英伟达并未提供完整的解决方案，这也是故意为之。它的一些库是开源的，而其他则作为更全面的框架和微服务提供。这些构成了软件开发人员用来加速其工作负载的构建块，越来越多的与产生收入的许可方案相关联。</p>
</div><p>The only problem: up to this point, these benefits required buying or leasing a pricy GPU and then integrating these frameworks into your code base or waiting for an independent software vendor (ISV) to do it for you.</p>
<div class="lb-trans"><p>唯一的问题是：到目前为止，这些好处需要购买或租赁昂贵的 GPU，然后将这些框架集成到你的代码库中，或者等待独立软件供应商（ISV）为你完成。</p>
</div><p>But when the bubble bursts and pricing on GPUs drops through the floor, anyone that can find a use for these stranded assets stands to make a fortune. Nvidia has already built the software necessary to do it — the ISVs just need to integrate and sell it.</p>
<div class="lb-trans"><p>但当泡沫破裂，GPU 价格暴跌时，任何能找到这些闲置资产用途的人都将赚得盆满钵满。英伟达已经构建了实现这一目标所需的软件——ISV 只需集成并销售即可。</p>
</div><p>In this context, Nvidia’s steady transition from building low-level software libraries aimed at developers to selling enterprise-focused micro-services starts to make a lot of sense. The lower the barrier to adoption, the easier it is to sell hardware and the subscriptions that go with it.</p>
<div class="lb-trans"><p>在这种背景下，英伟达从构建面向开发者的低级软件库向销售面向企业的微服务的稳步转型开始变得非常合理。采用门槛越低，销售硬件及其相关订阅就越容易。</p>
</div><p>It appears that Nvidia may even open this software stack to a broader ecosystem of hardware vendors. GPUzilla has begun transitioning to a disaggregated architecture that breaks up workloads and offloads them to third-party silicon.</p>
<div class="lb-trans"><p>看起来英伟达甚至可能会将这一软件栈开放给更广泛的硬件供应商生态系统。GPUzilla 已经开始转向一种解耦架构，将工作负载拆分并卸载到第三方硅片上。</p>
</div><p>This week, Nvidia completed a $5 billion investment in Intel. The x86 giant is currently developing a prefill accelerator to speed up prompt processing for large language model inference. Meanwhile, Nvidia signed a deal last week to aqui-hire rival chip vendor Groq that it — though it remains to be seen how the GPU slinger intends to integrate the company’s tech long term.</p>
<div class="lb-trans"><p>本周，英伟达完成了对英特尔的 50 亿美元投资。这家 x86 巨头目前正在开发一种预填充加速器，以加速大型语言模型推理的提示处理。与此同时，英伟达上周签署了一项协议，收购竞争对手芯片供应商 Groq，尽管尚不清楚这家 GPU 制造商打算如何长期整合该公司的技术。</p>
</div><p>In addition to its home-grown software platforms, Nvidia has made several strategic software acquisitions over the past few years, acquiring Run:AI’s Kubernetes-based GPU orchestration and Deci AI’s model optimization platforms in 2024. Earlier this month, Nvidia added SchedMD’s Slurm workload management platform, which is widely deployed across AMD, Nvidia, and Intel-based clusters for HPC and AI workloads, ensuring a profit even if you don’t buy its hardware.</p>
<div class="lb-trans"><p>除了自家开发的软件平台外，英伟达在过去几年中还进行了几项战略软件收购，收购了 Run:AI 的基于 Kubernetes 的 GPU 编排和 Deci AI 的模型优化平台。就在本月初，英伟达还增加了 SchedMD 的 Slurm 工作负载管理平台，该平台在 AMD、英伟达和英特尔基于 HPC 和 AI 工作负载的集群中广泛部署，即使你不购买其硬件也能确保盈利。</p>
</div><ul>
<li>Nvidia spends $5B on Intel bailout, instantly gets $2.5B richer</li>
<li>AI faces closing time at the cash buffet</li>
<li>Nvidia wasting no time to flog H200s in China</li>
<li>Nvidia pledges more openness as it slurps up Slurm</li>
</ul>
<div class="lb-trans"><ul>
<li>英伟达对英特尔的救助投资 50 亿美元，瞬间变得富有 25 亿美元</li>
<li>人工智能在现金自助餐上面临关门</li>
<li>英伟达迅速在中国推销 H200</li>
<li>英伟达承诺更多开放性，同时吸收 Slurm</li>
</ul>
</div><h3>GenAI is here to stay</h3>
<div class="lb-trans"><h3>生成性人工智能将持续存在</h3>
</div><p>To be clear, generative AI as we know it today isn’t going away. The cash that’s fueled AI development over the past three years may evaporate, but the underlying technology, imperfect as it is, is still valuable enough that enterprises will keep using it.</p>
<div class="lb-trans"><p>明确来说，今天我们所知的生成性人工智能不会消失。过去三年推动人工智能发展的资金可能会蒸发，但其底层技术，尽管不完美，仍然足够有价值，企业将继续使用它。</p>
</div><p>Rather than chasing the mirage that is artificial general intelligence, applications of the tech will be far more mundane.</p>
<div class="lb-trans"><p>与其追逐人工通用智能的幻影，这项技术的应用将更加平凡。</p>
</div><p>In fact, many of Nvidia’s more comprehensive micro-services make extensive use of domain-specific AI models for things like weather forecasting or physics simulation.</p>
<div class="lb-trans"><p>事实上，英伟达的一些更全面的微服务广泛使用了特定领域的人工智能模型，用于天气预报或物理模拟。</p>
</div><p>When the dot-com bubble burst, people didn’t stop building web services or buying switches and routers. This time around, people aren’t going to stop consuming AI services either. They’ll just be one of several reasons to buy GPUs. ®</p>
<div class="lb-trans"><p>当互联网泡沫破裂时，人们并没有停止构建网络服务或购买交换机和路由器。这一次，人们也不会停止消费人工智能服务。它们只是购买 GPU 的几个原因之一。®</p>
</div>

When the AI bubble pops, Nvidia becomes the most important software company overnight

The Register

英伟达

当人工智能泡沫破裂时，Nvidia 将一夜之间成为最重要的软件公司