用于训练和推理的 GPU 加速系统的高昂成本，以及近急于在海量企业数据中寻找黄金的行为，结合在一起，对数据中心景观产生了结构性影响，并推高了新的喜马拉雅山脉——其中 Nvidia 是其陡和峰。
　　这是一件值得一看的事情。也许是害怕。但进步是我们重要的产品，因此世界将把经济力量投向生成式人工智能，我们将不得不看看这一切将如何发展。在某种程度上，令人欣慰的是，当世界相信某件事时，它可以毫不犹豫地花费数千亿美元。
　　看看这张图表：
　　从该曲线推断，显而易见的是，在过去三个季度中，Nvidia 已经能够显着扩大其“Hopper”H100 GPU 加速器的可用性，并且能够维持甚至可能提高这些设备的价格。当 Nvidia 今年能够在需要数百万个 GPU 的世界中生产大约 500,000 个 GPU 时，这并不奇怪。
　　在截至 10 月份的季度中，Nvidia 的收入增长了两倍多，达到 181.2 亿美元，净利润同比增长了 13.6 倍，达到惊人的 92.4 亿美元。是的，请注意，Nvidia 目前每赚 1 美元，就有 51 美分作为净利润进入底线，而不是营业收入的中线。Nvidia 拥有它想要的 IT 市场。
　　它不会持续下去，因为像这样的不自然的状况——尤其是像这样的——不可能持续下去。经济替代和竞争压力将会到来，价格将会下降，销量将会增加，而这一切都将随着英伟达在利润丰厚的加速计算大陆上占据份额而得到解决。在其假定的漫长经济寿命中，英伟达不能也不会再拥有这样的市场份额。但是，该死的，Nvidia 可以坚持一段时间，这是一件令人惊奇的事情。
　　Nvidia 的数据中心部门，或许更准确地说是计算和网络部门，是 Nvidia 巨大增长的主要推动力。
　　在几年前的任何一个正常季度中，当计算/网络和图形业务以大致相同的收入率运行时，如果 Nvidia 报告其图形业务部门的销售额为 34.8 亿美元，增长 64.3%，那么每个人都会松一口气，因为在 2022 年急剧下降之后，世界各地的游戏玩家和创作者正在增加支出，基本上将该业务削减了一半，并使计算和网络业务的增长超过了它并首次超越了它——这在很大程度上要归功于几年前收购 Mellanox Technologies。
　　如果生成式人工智能的繁荣没有在 2022 年底发生，我们可能会谈论 HPC 市场如何处于繁荣周期，而 Nvidia 正在分一杯羹，各种机器学习也在不断进步，为 Nvidia 的数据中心业务带来了好处要想有一天能够与 20 世纪 60 年代和 1970 年代 System/360 大型机鼎盛时期的 IBM 等公司相媲美，还有很长的路要走。
　　如果 Nvidia Hopper 和 Blackwell HGX 平台在 IT 预算和经济彻底转型中的相对重要性方面无法与 System/360 和 System/370 相媲美，那么就没有什么能比得上。Unix 革命促进了某种程度的开放性、应用程序可移植性以及性价比，而 X86 和 Linux 革命则进一步扩展了这一点。但这是一种全新的计算范式，恰好需要大量的计算、网络和存储才能工作——即使它并不完美。
　　在截至 10 月的 2024 财年第三季度，计算与网络部门的销售额为 146.4 亿美元，与去年同期相比增长了 3.83 倍，而数据中心部门（这并不是一个完美的重叠，因为一些Nvidia 的计算和网络产品销售用于数据中心之外的用途）销售额为 145.1 亿美元，同比增长 3.78 倍。
　　数据中心部门本季度销售额占公司总销售额的80.1%，创历史新高，这一状况可能在很多年内都不会改变。因此，现在没有人真正关心游戏部门的销售额为 28.6 亿美元，增长了 81.4%，可视化部门的销售额为 4.16 亿美元，增长了 108%。汽车部门的规模为 2.61 亿美元，从长远来看可能很重要，但目前其 4% 的增长率和其规模较小的比率仅此而已。有一天，这对英伟达来说将是一项价值数十亿美元的业务，它将抵消数据中心业务的一些困难，终会趋于平稳，甚至可能会下降，这取决于英伟达不断创新的程度和竞争的激烈程度。现在很难看出这一点，但它发生在 IBM 身上，发生在 Sun Microsystems 身上，也发生在英特尔身上——所有这些公司都失去了疯狂专注的创始人，并且为了长期的创新而放弃了自己的责任。每个季度都取悦华尔街。
　　也许英伟达可以有所不同。这一切都取决于联合创始人兼执行官黄仁勋，他似乎与在之前的 IT 造山运动中创造自己的山脉的创始人有着相同的背景。但所有创始人终都会退休。一种方式或另一种方式。考虑到黄仁勋的活力和相对年轻，英伟达至少还有十年的时间来苦苦挣扎，也许此后还有十年的时间可以通过纯粹的惯性赚大钱。所以华尔街，放松点。
　　本季度，云服务提供商（我们称之为云构建商）约占数据中心部门销售额的一半，另一半来自消费互联网公司（我们称之为超大规模企业）和企业客户。（其中还包括政府和学术界。）我们希望 Nvidia 能够让企业摆脱超大规模提供商和云构建商的束缚，我们想知道 Nvidia 如何将销售分配给微软、谷歌，甚至在一定程度上提供亚马逊网络服务的公司云服务，并且还拥有自己的应用程序在云中运行，这些应用程序可以（带有广告支持）或收费。可以说，超大规模厂商和云构建商占 Nvidia 数据中心销售额的 50% 以上，远高于整个 IT 市场 50% 左右的份额。英伟达主要集中在超大规模计算公司和云构建商中的计算高层。
　　但随着生成式人工智能在企业中成为主流，这种情况将会改变。这只是山地建设的第一阶段，如果英伟达终反映了整个市场，那么公司和国家都希望建立自己的“主权人工智能云”，正如黄在与华尔街讨论数字时所说的那样。英伟达从来不相信公司会把一切都转移给云构建商，它自己对本土超级计算机的持续投资以及向世界高性能计算中心销售类似机器就证明了这一点。
　　当我们通过电子表格魔术将 Nvidia 在电话会议上所说的内容呈现出来时，我们估计计算和网络的计算部分销售额为 119.4 亿美元，比一年前增长了 4.24 倍，而网络部分的销售额为 25.8 亿美元，同比增长2.55倍。黄仁勋表示，本季度 InfiniBand 网络销售额增长了 5 倍，我们认为这一数字将达到 21.4 亿美元，占所有网络销售额的 83.1%。网络业务的以太网/其他部分占 4.35 亿美元，下降了 25.2%。但同样，随着企业不断建设生成型人工智能基础设施，我们预计用于人工智能集群的 Spectrum-X 以太网销售将会增长，因此以太网的起伏更多是因为这些产品向超大规模企业、云构建商、电信公司和其他服务提供商比其他任何东西都重要。关键是，网络业务目前本身就已是一项价值 100 亿美元的业务，大约是 Nvidia 收购时规模的八倍。
　　人们对销往中国的 GPU 的出口管制非常担忧，过去几个季度，中国的 GPU 占数据中心收入的 20% 至 25%。由于美国政府试图遏制人工智能和高性能计算在中国的崛起，这项业务在下个季度“将大幅下滑”，但英伟达目前可以销售其 GPU 的其他地区的需求如此之大，以至于它不会影响销量。英伟达的 GPU 销量仍然远多于其产量，因此很难看出这些大惊小怪的原因何在。从长远来看，英伟达并不希望中国出现本土 GPU 市场，但美国政府正在确保这一点。因此，从长远来看，英伟达可能会面临来自能够在全球销售的中国制造商的更大竞争，而英伟达、AMD和英特尔则无法向中国销售产品来与他们竞争，或者更好的是，从一开始就阻止他们发展和竞争。
　　无论如何，中国将拥有人工智能和高性能计算超级大国，因为它是一个经济超级大国，而美国的外交政策似乎并不理解这一点。
　　因此，这就留下了一个大问题：Nvidia 能否在 2024 年和 2025 年发展其数据中心业务？（我们这里讨论的是日历年。）
　　“相信数据中心能够在 2025 年之前实现增长，”黄仁勋在电话会议上被问及这个问题时说道。“当然，这有几个原因。我们正在大幅扩大供应。我们已经拥有世界上广泛、、有能力的供应链之一。” 黄继续谈论 HGX 系统板中的 35,000 个不同组件，其中只有 8 个是 GH100 GPU 本身，然后他说道：“我们看到从初创企业和 CSP 开始的生成式 AI 浪潮，转向消费互联网公司，转向企业软件平台，转向企业公司。终，你们看到我们花费大量精力的领域之一与工业生成人工智能有关。这就是 Nvidia AI 和 Nvidia Omniverse 的结合之处，这是一项非常非常令人兴奋的工作。因此，我认为我们正处于向基于加速计算的生成式人工智能的全面工业转型的开始。这将影响每家公司、每一个行业、每一个国家。”
　　根据您希望在 2024 财年一个季度实现增长的目标，Nvidia 终应该从数据中心部门获得 420 亿至 460 亿美元的收入。考虑到对生成式 AI 计算引擎和网络的需求，预计 2025 财年收入将达到 600 亿至 700 亿美元，而销售额将在更正常的增长轨迹上达到平衡，2025 财年将达到 800 亿至 900 亿美元，这并非不合理。2026 财年，Nvidia 的营收可能在 2027 财年突破 1000 亿美元。
　　将这个数字加倍即可获得 Nvidia 计算和网络组件将带来的系统收入，然后将该系统数字的一半乘以 2.5 倍即可获得云构建商在三年内按小时兜售该系统的标记，现在将其除以仅 2027 年一年，人工智能计算和网络的消耗就达到 1850 亿美元。Nvidia 可能仍占据 65% 至 70% 的市场份额，这将略低于 3000 亿美元左右的计算和网络消耗。
　　现在，如果您还没有考虑如何延长现有服务器组的使用寿命，从而节省一些 IT 预算来重新投资于生成式 AI，那么您一定是的一个。因为这就是我们在市场上看到的情况。但从长远来看，传统工作负载将不得不进行平台升级，人工智能将不会是一个匆忙的科学项目，而是一个拥有巨大预算的新平台。
　　这里还有很多钱有待赚。我们甚至还没有讨论 Nvidia 在服务器和客户端 CPU 方面的潜力。。。。