<p>到目前為止，<strong>英偉達</strong>(NVDA 0.27%) 是人工智能 (AI) 熱潮中最大的贏家，但投資者不應忘記，隨着市場的成熟，硬件領導地位可能會迅速轉變。加密貨幣挖礦行業就是一個很好的例子。圖形處理單元 (GPU) 曾經是加密挖礦的主力，至少在專用集成電路 (ASIC) 開發出來之前，挖礦還停留在這個階段。</p>
<p>這些 ASIC 只做一件事，但它們做得更快、更便宜，短時間內，基於 GPU 的比特幣等貨幣挖礦就迅速失去了流行。經濟因素實在是太有吸引力，無法忽視。如果加密礦工想要保持競爭力，他們必須轉向 ASIC，否則就會被市場淘汰。</p>
<p>現在，ASIC 正在為 AI 工作負載而設計。</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>圖片來源：Getty Images。</p>
<h2>ASIC 和 AI</h2>
<p>GPU 一直是訓練大型語言模型 (LLM) 的主流選擇，而英偉達憑藉其強大的軟件平台 CUDA 成為無可爭議的 GPU 之王。該公司圍繞其芯片建立了整個生態系統，這也是英偉達數據中心收入激增的原因。但 AI 工作負載的成本極高且耗能巨大，對於專注於 AI 的大型超大規模公司（擁有龐大數據中心的公司）來説，尋找更便宜、更高效的解決方案的動力巨大。</p>
<p>這正是 <strong>Alphabet</strong> 構建其張量處理單元 (TPU) 的原因，以及 <strong>亞馬遜</strong> 開發其 Trainium 和 Inferentia 芯片的原因。其他公司也在效仿。<strong>Meta Platforms</strong> 和 OpenAI 據報道正在與 <strong>博通</strong> 合作開發自己的定製芯片，OpenAI 被認為是下單了令人驚訝的 100 億美元訂單的客户，交貨時間為明年。與此同時，英偉達的大客户 <strong>微軟</strong> 也在努力創建自己的定製 AI 芯片。</p>
<p>目標很明確：降低成本，減少對英偉達的依賴。與此同時，隨着市場開始向推理轉變，格局也在變化。英偉達在推理方面的護城河遠沒有在訓練方面那麼寬。推理的技術要求沒有訓練那麼高，因此基於 CUDA 的多年代碼並沒有那麼重要。與此同時，推理是一個持續的成本，因此總擁有成本和每次推理的成本是更重要的因素。</p>
<p>當比特幣挖礦的成本曲線迫使轉向 ASIC 時，GPU 在這個領域幾乎一夜之間從必需品變得無關緊要。英偉達今天的巨大估值假設超大規模公司將繼續購買越來越多的 GPU，但歷史表明，他們只會在經濟條件合理的情況下這樣做。</p>
<p>現在，比特幣挖礦和推理之間存在一些重大差異，這對英偉達有利。比特幣挖礦是一項粗暴的重複性任務，而推理則是理解輸入的意圖，比如一個問題，並利用大型語言模型訓練時獲得的信息來執行。新的 AI 技術也在不斷發展，比如推理或多模態 AI，GPU 更能適應這些任務，而 ASIC 可能會更快過時。</p>
<p>英偉達也意識到了這一風險，並採取措施保護自己。其與 OpenAI 的 1000 億美元投資合作就是一個完美的例子。無論是直接還是間接，OpenAI 是英偉達 GPU 的最大用户之一，但它最近開發了自己的 AI ASIC。通過這項投資，英偉達實際上是在支付以確保 OpenAI 繼續使用其 GPU。</p>
<h2>AI ASIC 會取代 GPU 嗎？</h2>
<p>投資者應密切關注 ASIC 威脅，因為這可能是對英偉達增長故事的最大風險。該公司擁有廣泛的護城河，但並非不可打破。超大規模公司有資金和動力來削弱其主導地位，每一美元轉向內部 AI 芯片的資金都是不流向英偉達的一美元。</p>
<p>這並不意味着 GPU 會消失，因為 AI 工作負載仍在不斷演變，GPU 足夠靈活以處理新模型和技術。然而，隨着市場向推理轉變，定製 AI 芯片可能會佔據市場份額。</p>
<p>目前，市場看起來足夠大，可以容納多個未來的 AI 基礎設施贏家，但比特幣展示了經濟如何迅速翻轉，而 AI 可能會遵循類似的模式。投資者在假設英偉達的增長在未來十年是自動駕駛之前，應牢記這一點。</p>

亞馬遜

英偉達

2 倍做多英偉達 ETF - GraniteShares

南方兩倍做多英偉達

南方兩倍做空英偉達

英偉達期權收益策略 ETF - YieldMax

1 倍做空英偉達 ETF - Direxion

2 倍做多 NVDA ETF - T-Rex

2 倍做空 NVDA ETF - T-Rex

半導體 3 倍做多 - Direxion

<p>英偉達在人工智能熱潮中蓬勃發展，但隨着定製人工智能芯片的出現，面臨失去硬件領導地位的風險。專用集成電路（ASIC）正由谷歌母公司 Alphabet 和亞馬遜等主要參與者開發，這對英偉達在人工智能工作負載中的主導地位構成威脅。儘管英偉達的 GPU 在訓練方面表現出色，但向推理的轉變可能會削弱其競爭優勢。該公司正在投資於合作伙伴關係，例如與 OpenAI 達成的 1000 億美元交易，以保持相關性。投資者應保持謹慎，因為市場動態可能會迅速變化，類似於加密貨幣挖礦從 GPU 轉向 ASIC 的情況</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>到目前為止，<strong>英偉達</strong>(NVDA 0.27%) 是人工智能 (AI) 熱潮中最大的贏家，但投資者不應忘記，隨着市場的成熟，硬件領導地位可能會迅速轉變。加密貨幣挖礦行業就是一個很好的例子。圖形處理單元 (GPU) 曾經是加密挖礦的主力，至少在專用集成電路 (ASIC) 開發出來之前，挖礦還停留在這個階段。</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>這些 ASIC 只做一件事，但它們做得更快、更便宜，短時間內，基於 GPU 的比特幣等貨幣挖礦就迅速失去了流行。經濟因素實在是太有吸引力，無法忽視。如果加密礦工想要保持競爭力，他們必須轉向 ASIC，否則就會被市場淘汰。</p>
</div><p>Now, ASICs are being designed for AI workloads.</p>
<div class="lb-trans"><p>現在，ASIC 正在為 AI 工作負載而設計。</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>圖片來源：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 一直是訓練大型語言模型 (LLM) 的主流選擇，而英偉達憑藉其強大的軟件平台 CUDA 成為無可爭議的 GPU 之王。該公司圍繞其芯片建立了整個生態系統，這也是英偉達數據中心收入激增的原因。但 AI 工作負載的成本極高且耗能巨大，對於專注於 AI 的大型超大規模公司（擁有龐大數據中心的公司）來説，尋找更便宜、更高效的解決方案的動力巨大。</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>這正是 <strong>Alphabet</strong> 構建其張量處理單元 (TPU) 的原因，以及 <strong>亞馬遜</strong> 開發其 Trainium 和 Inferentia 芯片的原因。其他公司也在效仿。<strong>Meta Platforms</strong> 和 OpenAI 據報道正在與 <strong>博通</strong> 合作開發自己的定製芯片，OpenAI 被認為是下單了令人驚訝的 100 億美元訂單的客户，交貨時間為明年。與此同時，英偉達的大客户 <strong>微軟</strong> 也在努力創建自己的定製 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>目標很明確：降低成本，減少對英偉達的依賴。與此同時，隨着市場開始向推理轉變，格局也在變化。英偉達在推理方面的護城河遠沒有在訓練方面那麼寬。推理的技術要求沒有訓練那麼高，因此基於 CUDA 的多年代碼並沒有那麼重要。與此同時，推理是一個持續的成本，因此總擁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>當比特幣挖礦的成本曲線迫使轉向 ASIC 時，GPU 在這個領域幾乎一夜之間從必需品變得無關緊要。英偉達今天的巨大估值假設超大規模公司將繼續購買越來越多的 GPU，但歷史表明，他們只會在經濟條件合理的情況下這樣做。</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>現在，比特幣挖礦和推理之間存在一些重大差異，這對英偉達有利。比特幣挖礦是一項粗暴的重複性任務，而推理則是理解輸入的意圖，比如一個問題，並利用大型語言模型訓練時獲得的信息來執行。新的 AI 技術也在不斷發展，比如推理或多模態 AI，GPU 更能適應這些任務，而 ASIC 可能會更快過時。</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>英偉達也意識到了這一風險，並採取措施保護自己。其與 OpenAI 的 1000 億美元投資合作就是一個完美的例子。無論是直接還是間接，OpenAI 是英偉達 GPU 的最大用户之一，但它最近開發了自己的 AI ASIC。通過這項投資，英偉達實際上是在支付以確保 OpenAI 繼續使用其 GPU。</p>
</div><h2>Will AI ASICs replace GPUs?</h2>
<div class="lb-trans"><h2>AI ASIC 會取代 GPU 嗎？</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>投資者應密切關注 ASIC 威脅，因為這可能是對英偉達增長故事的最大風險。該公司擁有廣泛的護城河，但並非不可打破。超大規模公司有資金和動力來削弱其主導地位，每一美元轉向內部 AI 芯片的資金都是不流向英偉達的一美元。</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>這並不意味着 GPU 會消失，因為 AI 工作負載仍在不斷演變，GPU 足夠靈活以處理新模型和技術。然而，隨着市場向推理轉變，定製 AI 芯片可能會佔據市場份額。</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，市場看起來足夠大，可以容納多個未來的 AI 基礎設施贏家，但比特幣展示了經濟如何迅速翻轉，而 AI 可能會遵循類似的模式。投資者在假設英偉達的增長在未來十年是自動駕駛之前，應牢記這一點。</p>
</div>

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

- Nvidia 在人工智能領域的領導地位面臨 ASIC 威脅。  
- 大型科技公司正在開發自有 AI 芯片以降低成本。  
- 市場轉向推理，可能影響 Nvidia 的未來增長。  

歷史顯示，這是 NVIDIA 面臨的最大風險之一，並且可能即將重演