<p>今天，英偉達的收入主要來自硬件銷售。但當人工智能泡沫不可避免地破裂時，這家 GPU 巨頭將成為全球最重要的軟件公司。</p>
<p>自從 2022 年底 ChatGPT 引發人工智能軍備競賽以來，英偉達已經發貨數百萬個 GPU，主要用於人工智能的訓練和推理。</p>
<p>當音樂停止，金融人士意識到用快速貶值的資產作為數十億美元貸款的抵押並不是個好主意時，這些芯片將會有很多閒置。</p>
<p>然而，任何暗示這些 GPU 在塵埃落定後將變得毫無價值的人都是天真的。</p>
<p>雖然 GPU 此時可能與人工智能同義，但它們的用途遠不止於此。提醒一下，GPU 代表圖形處理單元。這些芯片最初是為了加速視頻遊戲渲染而設計的，而到 90 年代末，視頻遊戲的渲染已經變得對當時的單線程 CPU 來説過於計算密集。</p>
<p>事實證明，使 GPU 在推送像素方面表現出色的同樣原因也使它們特別適合其他並行工作負載——比如模擬氫彈臨界狀態的物理。英偉達的一些最強大的加速器——如 H200 或 GB300 芯片——早已拋棄了圖形管線，以騰出空間用於高性能計算和人工智能所需的更多向量和矩陣數學加速器。</p>
<p>如果一個應用程序可以並行化，那麼它很可能會受益於 GPU 加速——前提是你有相應的軟件。這就是為什麼 GPU 公司如此之少的原因。GPU 需要廣泛可編程；而人工智能 ASIC 只需在推理或訓練方面表現良好。</p>
<h3>CUDA-X 購買 GPU 的諸多理由</h3>
<p>自 2007 年推出 CUDA 這一低級 GPU 編程環境和 API 接口以來，英偉達已經構建了數百個軟件庫、框架和微服務，以加速它能想到的任何和所有工作負載。</p>
<p>這些庫統稱為 CUDA-X，涵蓋了從計算流體動力學和電子設計自動化到藥物發現、計算光刻、材料設計，甚至量子計算的所有內容。該公司還擁有用於可視化數字雙胞胎和機器人技術的框架。</p>
<p>目前，人工智能已成為這些工作負載中最有利可圖的，但當炒作列車停下時，硬件仍然可以做很多事情。</p>
<p>例如，英偉達構建了 cuDF，並將其集成到流行的 RAPIDS 數據科學和分析框架中，以加速 SQL 數據庫或 Pandas，從而實現了 150 倍的速度提升。難怪數據庫巨頭甲骨文如此熱衷於英偉達的硬件。它無法出租給 OpenAI 以獲利的計算能力，可以用來加速其數據庫和分析平台。</p>
<p>英偉達並未提供完整的解決方案，這也是故意為之。它的一些庫是開源的，而其他則作為更全面的框架和微服務提供。這些構成了軟件開發人員用來加速其工作負載的構建塊，越來越多的與產生收入的許可方案相關聯。</p>
<p>唯一的問題是：到目前為止，這些好處需要購買或租賃昂貴的 GPU，然後將這些框架集成到你的代碼庫中，或者等待獨立軟件供應商（ISV）為你完成。</p>
<p>但當泡沫破裂，GPU 價格暴跌時，任何能找到這些閒置資產用途的人都將賺得盆滿缽滿。英偉達已經構建了實現這一目標所需的軟件——ISV 只需集成並銷售即可。</p>
<p>在這種背景下，英偉達從構建面向開發者的低級軟件庫向銷售面向企業的微服務的穩步轉型開始變得非常合理。採用門檻越低，銷售硬件及其相關訂閲就越容易。</p>
<p>看起來英偉達甚至可能會將這一軟件棧開放給更廣泛的硬件供應商生態系統。GPUzilla 已經開始轉向一種解耦架構，將工作負載拆分並卸載到第三方硅片上。</p>
<p>本週，英偉達完成了對英特爾的 50 億美元投資。這家 x86 巨頭目前正在開發一種預填充加速器，以加速大型語言模型推理的提示處理。與此同時，英偉達上週簽署了一項協議，收購競爭對手芯片供應商 Groq，儘管尚不清楚這家 GPU 製造商打算如何長期整合該公司的技術。</p>
<p>除了自家開發的軟件平台外，英偉達在過去幾年中還進行了幾項戰略軟件收購，收購了 Run:AI 的基於 Kubernetes 的 GPU 編排和 Deci AI 的模型優化平台。就在本月初，英偉達還增加了 SchedMD 的 Slurm 工作負載管理平台，該平台在 AMD、英偉達和英特爾基於 HPC 和 AI 工作負載的集羣中廣泛部署，即使你不購買其硬件也能確保盈利。</p>
<ul>
<li>英偉達對英特爾的救助投資 50 億美元，瞬間變得富有 25 億美元</li>
<li>人工智能在現金自助餐上面臨關門</li>
<li>英偉達迅速在中國推銷 H200</li>
<li>英偉達承諾更多開放性，同時吸收 Slurm</li>
</ul>
<h3>生成性人工智能將持續存在</h3>
<p>明確來説，今天我們所知的生成性人工智能不會消失。過去三年推動人工智能發展的資金可能會蒸發，但其底層技術，儘管不完美，仍然足夠有價值，企業將繼續使用它。</p>
<p>與其追逐人工通用智能的幻影，這項技術的應用將更加平凡。</p>
<p>事實上，英偉達的一些更全面的微服務廣泛使用了特定領域的人工智能模型，用於天氣預報或物理模擬。</p>
<p>當互聯網泡沫破裂時，人們並沒有停止構建網絡服務或購買交換機和路由器。這一次，人們也不會停止消費人工智能服務。它們只是購買 GPU 的幾個原因之一。®</p>

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>Nvidia，主要以硬件銷售聞名，正準備成為一家領先的軟件公司，因為人工智能泡沫正在消退。隨着數百萬個 GPU 被用於人工智能應用，該公司在 CUDA-X 品牌下開發了廣泛的軟件庫，使其能夠在人工智能之外實現多樣化應用。隨着泡沫後 GPU 價格的下跌，Nvidia 現有的軟件基礎設施將使開發者能夠有效利用這些資產。最近的投資和收購表明，Nvidia 的戰略是增強其軟件產品並擴大其生態系統，為未來在後人工智能時代的增長做好準備</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，英偉達的收入主要來自硬件銷售。但當人工智能泡沫不可避免地破裂時，這家 GPU 巨頭將成為全球最重要的軟件公司。</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>自從 2022 年底 ChatGPT 引發人工智能軍備競賽以來，英偉達已經發貨數百萬個 GPU，主要用於人工智能的訓練和推理。</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>當音樂停止，金融人士意識到用快速貶值的資產作為數十億美元貸款的抵押並不是個好主意時，這些芯片將會有很多閒置。</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，任何暗示這些 GPU 在塵埃落定後將變得毫無價值的人都是天真的。</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>雖然 GPU 此時可能與人工智能同義，但它們的用途遠不止於此。提醒一下，GPU 代表圖形處理單元。這些芯片最初是為了加速視頻遊戲渲染而設計的，而到 90 年代末，視頻遊戲的渲染已經變得對當時的單線程 CPU 來説過於計算密集。</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>事實證明，使 GPU 在推送像素方面表現出色的同樣原因也使它們特別適合其他並行工作負載——比如模擬氫彈臨界狀態的物理。英偉達的一些最強大的加速器——如 H200 或 GB300 芯片——早已拋棄了圖形管線，以騰出空間用於高性能計算和人工智能所需的更多向量和矩陣數學加速器。</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>如果一個應用程序可以並行化，那麼它很可能會受益於 GPU 加速——前提是你有相應的軟件。這就是為什麼 GPU 公司如此之少的原因。GPU 需要廣泛可編程；而人工智能 ASIC 只需在推理或訓練方面表現良好。</p>
</div><h3>CUDA-X many reasons to buy a GPU</h3>
<div class="lb-trans"><h3>CUDA-X 購買 GPU 的諸多理由</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 這一低級 GPU 編程環境和 API 接口以來，英偉達已經構建了數百個軟件庫、框架和微服務，以加速它能想到的任何和所有工作負載。</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>這些庫統稱為 CUDA-X，涵蓋了從計算流體動力學和電子設計自動化到藥物發現、計算光刻、材料設計，甚至量子計算的所有內容。該公司還擁有用於可視化數字雙胞胎和機器人技術的框架。</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，人工智能已成為這些工作負載中最有利可圖的，但當炒作列車停下時，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，英偉達構建了 cuDF，並將其集成到流行的 RAPIDS 數據科學和分析框架中，以加速 SQL 數據庫或 Pandas，從而實現了 150 倍的速度提升。難怪數據庫巨頭甲骨文如此熱衷於英偉達的硬件。它無法出租給 OpenAI 以獲利的計算能力，可以用來加速其數據庫和分析平台。</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>英偉達並未提供完整的解決方案，這也是故意為之。它的一些庫是開源的，而其他則作為更全面的框架和微服務提供。這些構成了軟件開發人員用來加速其工作負載的構建塊，越來越多的與產生收入的許可方案相關聯。</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>唯一的問題是：到目前為止，這些好處需要購買或租賃昂貴的 GPU，然後將這些框架集成到你的代碼庫中，或者等待獨立軟件供應商（ISV）為你完成。</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>但當泡沫破裂，GPU 價格暴跌時，任何能找到這些閒置資產用途的人都將賺得盆滿缽滿。英偉達已經構建了實現這一目標所需的軟件——ISV 只需集成並銷售即可。</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>在這種背景下，英偉達從構建面向開發者的低級軟件庫向銷售面向企業的微服務的穩步轉型開始變得非常合理。採用門檻越低，銷售硬件及其相關訂閲就越容易。</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>看起來英偉達甚至可能會將這一軟件棧開放給更廣泛的硬件供應商生態系統。GPUzilla 已經開始轉向一種解耦架構，將工作負載拆分並卸載到第三方硅片上。</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>本週，英偉達完成了對英特爾的 50 億美元投資。這家 x86 巨頭目前正在開發一種預填充加速器，以加速大型語言模型推理的提示處理。與此同時，英偉達上週簽署了一項協議，收購競爭對手芯片供應商 Groq，儘管尚不清楚這家 GPU 製造商打算如何長期整合該公司的技術。</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>除了自家開發的軟件平台外，英偉達在過去幾年中還進行了幾項戰略軟件收購，收購了 Run:AI 的基於 Kubernetes 的 GPU 編排和 Deci AI 的模型優化平台。就在本月初，英偉達還增加了 SchedMD 的 Slurm 工作負載管理平台，該平台在 AMD、英偉達和英特爾基於 HPC 和 AI 工作負載的集羣中廣泛部署，即使你不購買其硬件也能確保盈利。</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>英偉達對英特爾的救助投資 50 億美元，瞬間變得富有 25 億美元</li>
<li>人工智能在現金自助餐上面臨關門</li>
<li>英偉達迅速在中國推銷 H200</li>
<li>英偉達承諾更多開放性，同時吸收 Slurm</li>
</ul>
</div><h3>GenAI is here to stay</h3>
<div class="lb-trans"><h3>生成性人工智能將持續存在</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>明確來説，今天我們所知的生成性人工智能不會消失。過去三年推動人工智能發展的資金可能會蒸發，但其底層技術，儘管不完美，仍然足夠有價值，企業將繼續使用它。</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>與其追逐人工通用智能的幻影，這項技術的應用將更加平凡。</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>事實上，英偉達的一些更全面的微服務廣泛使用了特定領域的人工智能模型，用於天氣預報或物理模擬。</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>當互聯網泡沫破裂時，人們並沒有停止構建網絡服務或購買交換機和路由器。這一次，人們也不會停止消費人工智能服務。它們只是購買 GPU 的幾個原因之一。®</p>
</div>

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

The Register

英偉達

當人工智能泡沫破裂時，Nvidia 將一夜之間成為最重要的軟件公司