美投

美投君专访清华芯片大神：英伟达真正威胁竟然是它？这 4 大颠覆性风险，你必须了解！
2024.11.04
播放量 38.9k
所以今天我们邀请Arnold来参加这个采访，来给大家分享一些，Arnold对于英伟达的一些看法，我们主要会聊一些关于英伟达的面临的一些威胁，对于AI的一些看法。这个过程中我们会互相交流，互相碰撞。#NVDA
开通服务即可查看评论～
文字稿
今天感谢Arnold来参加我们采访，跟Arnold认识，其实也很荣幸，Arnold有很强的技术背景以及学术背景。
之前我们在一次用户访谈的时候，结识了之后，发现大哥了解特别多的关于英伟达的这部分技术方面的，包括 Business方面的一些东西，然后我先说能不能把您给放了，我说我们得多多聊一聊，后来又聊过几次，这觉得很多东西特别值得跟大家分享一下。
所以今天再度邀请Arnold来参加这个采访，来给大家分享一些
Arnold对于英伟达的一些看法，我们主要会聊一些关于英伟达的面临的一些威胁，对于AI的一些看法。这个过程中我们会互相交流，互相碰撞，再次感谢Arnold来参加
谢谢美投君的邀请。
要不您先简单介绍一下您自己，给大家介绍一下
我叫Arnold，然后这个是美图君忠实的粉丝，从开始就一直听很受益。
然后我自己本身专业方面是学无线电，就是通讯，然后后来读了MBA什么，然后工作方面我比较多是在，属于technical的technical sales和technical marketing这些领域里边，所以是比较偏科技类的产品，基本上都是我本专业相关了。
所以就对于通讯芯片，包括大数据处理这东西是有一些经验，然后也很有兴趣。
对我准备初衷我们开启采访也是因为，我觉得我们团队美投这个团队，我们看投资看金融这些方向比较多，我们去研究一只股票，可能受限于自己本身专业的局限，也只能看到一些一部分的东西。对于您来说，你平时接触的这些关于技术关于business这些层面的东西，有很多，我觉得这会是一场非常互补的一一一场采访的交流。
我本人也非常期待。
我也是这么，我对我自己在投资其实真的是没有说特别的，专业或者经验，我自己主要是在对于技术层面会很有兴趣，因为我工作的原因，所以我对于 Marketing包括 business model这些东西也是了解客户需求，了解市场需求这些东西上会比较敏感，比较愿意去分析。
虽然说您主要是对技术对商业方面有想法，先得为难您一下，让您先聊一聊对于投资的投资英伟达的看法。是从什么时候开始投资的英伟达？
我投资英伟达得有好几年了，我最早那个时候弄英伟达是因为挖矿，因为我本身对这个就是数字货币对于去中心化，就是decentralization，这个我觉得从理念上我非常非常认可，然后从技术上也就非常有兴趣，所以我那时候也是花了蛮多的时间去研究这个东西。
所以我了解真正投资英伟达，就是在英伟达的产品，用于矿机比特币矿机里边那段时间那是最早开始去投英伟达的。
那挺有意思，了解大家最开始怎么接触到英伟达的
我最一开始接触英伟达，我其实特别看不上这家公司，我就觉得一个做游戏显卡的，然后后来又去挖矿，我就觉得这是不务正业的是吧？
﻿
然后我真正接触英伟达是我在20年的时候，我当时参加一个创业营，然后创业营的这个我的导师，他是美国当时 研究AI可能 Top five的其中之一，他是美国智库能直接给总统递上话的那种一个专家，然后他在谈论AI的时候，那个时候我突然意识到， AI所面临的这种颠覆性的革命，对于对我们到底影响有多大，包括算力这个事情，对于AI这个事情发展的，它的决定性能有那么强，你也很难想象在我在那个情况下，所以那个时候我真正开始关注了英伟达。
但是实话讲那个时候的英伟达还跟AI对还不是特别，大家还觉得那是一个大饼，我也没有想到AI这么快就到就到来了，
既然说咱们说这个投资英伟达对于您来说，从这个矿机后来到AI，您对AI我们之前也聊过非常深入的一些理解，在您想象中就是说英伟达这笔投资它最终能达到一个什么样的上限？
我首先说我觉得 Ai目前看不见上限，市场的需求，我觉得现在是完全看不见上限的。那么在这个市场里边，目前英伟达是占据了一个非常特别的位置，就是这个大家都讲了嘛，所有人投资给AI infrastructure的钱，基本上全让英伟达给挣了。所以我说为什么很特别，英伟达的上线，目前我觉得就很难讲因为我是觉得，在 GPU这个赛道上面一定会出来这个颠覆性的技术，就像GPU颠覆了CPU一样，在我们算力这个领域里面，一定会有什么东西出来去颠覆GPU，因为我们后面会聊到， GPU其实从技术角度来讲，它已经打快接近它物理的极限了，在一定程度上。它未来的上涨的空间其实是相对有限的，但是我们在 AI的发展上面，现在 AI还是在发展的阶段是非常非常早期，换句话讲就是，未来如果我们想实现我们对AI的终极期望的话，那么它对于算力的需求，我认为肯定是GPU是满足不了的，一定会有something除了要颠覆这个东西，不然的话我们就真的是可能达不到我们期望的 AI。但是在这个真的颠覆性的东西出现之前，我觉得英伟达还是一个非常非常好，从投资角度来讲是一个非常非常好的位置。
有没有您心中的一个数字，一个量化的东西，它大概是一个什么样的样子？
这东西很难讲，我觉得可能就比3万亿double一下，这样大概可能，应该是可以的翻个倍。
那对英伟达来说可能也保不齐就是俩个月的事，从过往的经验来看，当然这都是玩笑话，那咱们长期的聊完了，再说一说短期的您对于这个投资英伟达的一些看法，因为我们也看到了就是从上一次财报发布之后，其实整个市场包括我们之前的分析就觉得，现在英伟达处于一个青黄不接的这么一个状态，其实对他的质疑声可以说是就已经到达了一个，我说过去开始以来应该是一个最高峰的状态，那对于短期的你看英伟达青黄不接也好，利润率的压缩也好，包括有很多华尔街人说你投资看不到回报也好，有很多这样的质疑声，您对于这个短期的英伟达的投资怎么看？
短期内我是比较乐观，咱们可以做分开从供给端和需求端来看，供给端就相对简单一点，因为最新的消息是说英伟达的Blackwell已经开始量产，然后第三季度可以开始出货，第四季度继续出货，像从台积电的反馈以及从我记得当时是 Hpc和戴尔，他们这边就是AI产业链上相关这些，大家的反馈都是说这块的需求是非继续保持非常非常的强，所以这块应该是短期内应该是没什么问题。
那从英伟达客户这边来看，就包括上一次季报的时候，我们听到说像这些Hyper Scaler都说很大幅度的加大对AI的这个投资，像最近刚出的你像Google，Microsoft的季报，在这个方面我没有听到说很大的变化，因为实际上我觉得我也，我不太期望说，现在有哪一个这种大的企业站出来说，我觉得这个投资AI我们可以减少力度了。
当你说我要加大力度的时候，你明天的股价可能跌5%，你要说我减少力度了，明天怎么样不知道成什么样了，
再跌的更多。
另外包括很多像sovereign，就是国家AI，在国家层面的，实际上在这一块也在加大投资，因为可能很多国家除了中国跟美国之外，大家都觉得说AI是接下来一个很具革命性的一个技术力量。你要么你反正搭上这趟车，你要么搭不上这趟车，这跟企业之间一样的，就是现在你不去花钱去弄这个事情，你注定是要落后。
他这个投资对于AI的投资，对于芯片的一个投资，已经不再是说一个未来半年一年能赚多赚少的问题，这个成本好看不好看的问题，但其实是一个生死存亡的问题，对吧？
要是不做，别人做了，你可能就玩完了，这肯定不是一个简简单单的看ROI的这个决策
而且大家其实都能看到这个，名片的确定性摆在这，基本上达成了，在我觉得不管是投资界还是商业界应该是一个共识了现在。
“确实我赞成您的这个看法，就是说需求上确实还是很强的，而且未来也很高，其实我这块我就说说我对它的担忧吧，”短期上的，我觉得英伟达之所以能够，在过去这两年有一个爆发性的，其实这种事我们其实也在很多公司上见过，它不仅仅是需求端的大幅的提升，还是一个它在整个行业内议价能力以及地位的一个大问题。
体现到财报上，我觉得很简单，就是利润，它的利润和营收一个双引擎同步增长。一旦任何一家公司发生了营收和利润双引擎增长，都是一个暴涨的，这个是我们在之前的，不管是聊天还是在特斯拉对吧？就是20年21年的特斯拉身上我们都能看得到。
但这其实我觉得也会带来一个风险，就是说没有公司是能够营收利润一直双引擎一直增长下去的，一般营收利润双引擎增长都是一个阶段性东西，这个时候会带来股价暴涨带来新的变化。最先触顶的肯定是利润，这个需求还是会不断增加，但利润什么时候触顶，这才是一个投资者片面的角度来讲，我觉得会是一个我比较现阶段短期之内比较担心的事情。
就是第一它产品会有青黄不接，第二它未来产能的这个提升，包括它不断迭代的这些过程，不确定蛮强的
只能是说，我们不会看到一个大幅的下行，的这么一个情况，但是它能不能继续增长在利润上，我现在心里没有一年前那么稳，就是那么笃定，
对一年前它暴涨了之后，我跟大家说，我觉得估值虽然这个翻了多少倍，这个估值我依然觉得是ok的，我觉得风险是很低的，我觉得它利润还能涨，它还处于供不应求，它还能提价。
现在我不太敢，就没有那么敢说这句话，
我觉得短期内目前因为刚开始，布莱克尔刚开始出货，那布莱克尔在开始出货这段时间的话，它相对于 h100，我觉得利润率，咱们说利润，一个是利润，一个是利润率，我觉得利润率应该可以保持的住。
﻿
因为前一段时间你记得说它利润率下降，其实主要是因为青黄不接，就在从h100到blackwell过渡时间的时候，那么它事实上它这个利润率会有一定的下降。
那么它转到这个blackwell以后，我觉得利润率应该是可以保持住，这是一个。
另外一个那当然你说它，真的出货量或者说它的这个 revenue，和它的这个利润，这两个东西当然一定程度上可能是受制于那个，台积电那边的这个
这个可能是个限制因素，因为我觉得市场需求在接下来一年内，我觉得应该看不到说这个就是到顶，还是那话，因为AI现在是处于一种早期的这个建设阶段，就是建设早infrastructure。
那就好像说我们比如说建高速公路，建铁路，建机场，你在开始的时候事实上是肯定是往上冲的，因为你离你真正的需求到顶还远远没到，至少我觉得接下来一年，应该是看不到，肯定还在往上冲，这个时候你可能限制它的， Top line和bottom line的这个东西，可能还是产能部分，这可能是有一点点限制，可能确实比较实际的。
我从刚才您对于这个，英伟达投资的过程中，我的理解我感受就是您对于他的这个最终会面临的一些威胁，还是心里头会还是有一些打鼓，但这一会我会继续聊，但是在那是一个相对比较遥远，然后最终的一个状态，但是在这之前，在AI的发展的过程中，英伟达的这个 position，它的确定性，以及整个AI给行业带来的这些需求上，也都是非常看好。
我是比较乐观，对我是比较乐观，
对就市场上的质疑我没有听到就是说，很就很make sense的质疑，因为大家觉得更多就是说你比如说，投了这么多的AI上面对吧，那你没有见到回报，这个东西我们都讨论过了，这个不是一个这个应该讨论的质疑是吧？
没错，但这确实是华尔街分析，就是华尔街分析师他，因为他特别注重于风险，所以这些东西他不得不去考虑，但是他们也被逼无奈的会思想很短视，这个咱们也能看得到，对，
我觉得在可能就是在几个月以前，两三个月以前，我还能听到说华尔街人讲说 AI还是这个是个hype
现在我看已经不太能听到了，因为这个东西它越来越证明说这个东西有用，
这个用处我们已经看到它一方面是说，它可以提高这个人类能做的事情，但是它提高你的效率。
还有实际上我们其实现在还有很多没看到，原来人干不了，我们干不了的事，现在他可以干了。
这个实际上我们比如说在bio比，如说在bio在health care，在这领域里边很多东西其实，说的并不是太多的，现在说的比较多的，反而是说提升这个工作效率的这个部分，
有很多环节我们已经看到了确定性的，一些一点一点的去验证，这个事已经不再是一个镜花水月，说5年后啪突然能实现的事儿，对吧？
行我觉得差不多英伟达投资这一部分，咱们就算聊的差不多了，咱们接下来就是move on 到下一个阶段，就是聊一聊英伟达的AI，        
我觉得这毫无疑问，我们现在聊英伟达你肯定就是AI这个事儿
先看看整体来讲，您对于AI这一部分是怎么看待这个事儿，就是说刚才咱们也简单说过一些，就是说市场对于AI有一个看法是吧？那 咱们说技术的人士可能也有一个自己的看法，投资者可能散户或者也有一个自己的看法
从您的专业角度来看，就是你对于AI这个事情到底是一个怎么样的大致的看法，长期短期发展 。
就咱们前面聊到，我觉得首先呢就是说，AI是一个非常非常，想不出一个合适的词，但是一个非常非常独特的一个技术革命，就以我自己我平常我相信你也大家都一样的，就是说我们自己的经验，比如说以前我想去找什么信息的时候，通常你会用Google对吧？
你说我我search是一个什么东西，我输入关键词，然后我按Google，Google出来一系列的内容，然后我一个个去看，找去找我想要的内容。
这是我们以前嘛在AI出现之前是这样做，当然在互联网出现之前就是去图书馆了，对吧？你就上图书馆去检索去找什么东西，互联网出现之后就有了搜索引擎，那么到AI处理到chatGPT出现的时候，这时候你就可以不仅仅是一个key word，你可以是问问题，他现在给你一个回答，然后最新的一个发展就是chatGPT，我自己用的是chatGPT4，然后o1这个版本，那么当这个版本出来以后，我已经看到说整个发展的一个趋势就是，第一chatGPT-4o1你再进去搜索的时候，它实际上给你一个叫做chain of thought，它给你一个我忘记中文是怎么样翻的，就是chain of thought，它是说它不仅仅是告诉你一个这个答案是什么，它会告诉你说整个的过程是什么，他怎么样思考这个事情的过程，这是第一个不一样的。
那么第二一个我注意到就是说 chatGPT-4o1，它事实上会有的时候会给出你两组回答，
同样一个你问的问题，他问你喜欢你更喜欢哪个回答？这个呢事实上是一个很重要的发展是什么呢？以前的chat GPT是当你问他问题的时候，他给你的回答是完全基于什么？完全基于这个以前他在培训，我们知道大语言模型是培训，培训完以后发布，是这样的。那么发布过以后，那么他自己不会再学习了，他就停留在它被发布出来的状态，但现在最新的chat GPT呢，事实上它在自己学习，他的self-learn，然后他根据 Self-learn的过程呢，它实际上会有一个叫fine-tune的这么一个过程，所以这个比之前的那个，事实上已经是有一个很大的一个进步。
因为我们想比如说，我们觉得 AI的这个发展的方向，那我们可能觉得机器智能的发展的为终极目标就是跟人一样，AGI，
chatGPT目前它的很大的一个局限就是说，它事实上没有办法跟我们进行一个正常像人与人之间一样正常对话，就是因为他的这个学习在他发布的时候就已经停止了。
你问他他只能去按照他以前学习中，给你一个回答，所以一定程度上呢，它还是像图书馆一样，你问他个东西他去检索，只不过对比图书馆的检索，或者甚至比Google的检索要快得多，要全面得多。
但是今天最新版本的这个chat GPT呢，它实际上已经有了一个飞跃，我觉得就是说它可以开始在它发布以后，它还在不断的学习，这样就是像人类智能这样等于又接近了一步。
﻿
但是现在这一版离人类智能当然我们都看得见，其实还差的还是很远，你比如说它它事实上现在这个，基本上还是以文本，基于文本的这么一个状态，当然我知道chat GPT它对于这个图片，它已经开始有一些这个处理能力，但对于这个比如说video，实际上它的学习的这个能力，还是相对的是比较弱的。
然后他还不能什么呢，他现在的差距还不能跟你进行一个对话，你只能是你问他他回答，他不会问你问题
我觉得现在他最大的问题就是他不会问问题
不会问问题，所以他后续他自己的这个学习能力，事实上还是很弱，其实如果我们想一下，那为什么他学习能力弱？就是他发布一旦发布了以后，他为什么不能再学习了？
其实你想它这还是跟什么呢，一个是根据你数据的质量很有关，因为我们每个人给他输的东西都是，你很难保证质量，这是一个。
还有一个就是，如果这个大数据模型，它只是在回答你的问题，他去检索他以前的东西，回答你的问题，这个对于算力的需求是一个level的，如果他在跟你回答你问题的时候，他同时学习你输输入给他的信息，同时进行他自己的不断的更新，这个时候对他的这个算力的需求，我相信就不是一个量级的事儿。
所以这也是我觉得就是说咱们前面想说的， AI的这个未来的发展，我觉得上限搞不清楚多少，我觉得上限可能很高很高，的确是他现在，我觉得它对于人类的这个工作效率的提升已经是非常惊人了。即使现在这个阶段已经是非常惊人了。
看一组数据说微软那个叫什么的 copilot，给程序员提高这个生产效率，能达到60%~80%。我说这太厉害了，我觉得相当于说，你可以裁掉现在市面上60%~80%的程序员了已经。
就是说你看当大家讨论说这个， AI带来什么回报，你想一下如就像你刚才讲，如果他能给程序员的效率提高这个60%，那我们就说我们现在这个团队原来有100人，我们现在裁掉30个可以吧，咱们不用说裁到60个，裁掉30个可以吧？
这30个每个人一年挣多少钱，你可以算一下。对吧，就是你这一年光付给这个人力成本，这些钱如果全部去给到英伟达，或者是给到跟AI Infrastructure相关的这些公司的话，这些公司的市场市值得提升多少，
来促进他们的这个未来的研发，来促进他们的产品的迭代。
对，确实你让我去选，其实这里头还是有一些社会问题，
社会问题咱们先不讨论，哈哈哈
咱们就说这个科技发展的趋势，它一定是不势不可挡的，所以在这个趋势下是吧，它会越来越多的动力资源输入到这个里面，然后让大家看到效果。
但我也觉得，怎么讲呢，我觉得就是看到效果的地方还是少，我不知道您觉不觉得。
提高生产力呢，当然我们现在觉得少，可能我觉得是因为to c的应用，基本上都还不太有，所以咱们后面会讲到那个Edge AI。这个Edge AI可能我觉得可能没有那么快，因为比如你看新出的iPhone，它要怎么加 AI的feature，说老实话，我没有太看出来比较亮点的东西，最主要他说要跟那个chatGPT集成，但是我觉得好像目前用还没什么问题，因为你只是停留在文本层面，你停留在文本层面的话，我需要查什么东西，目前的算力也好，或者包括你通讯的带宽什么的，这个都没什么
Edge AI的要发展的话，它一定得等一些什么killer APP出来，这个东西现在反正看不到，所以我觉得现在可能AI的，带来主要的benefit更多的还是在 to b或者在Enterprise应用上面。
在这个领域里面其实是已经有蛮多的，如果你单纯不是说只看说这个chatGPT，那么刚才对编程的影响，包括说比如说你对一些这个处理文本工作，包括你像咱们提到palantir这一类公司，当然palantir那类公司，严格来说它不是大家一般讲AI的范畴内的，它更多的是数据就是data analytics，
但是data analytics，从本质上来说，其实它也是，简单讲它也是英伟达的客户，它一样是需要到大量的算力，需要GPU的来操作，那种对于这个行业的影响，对于这个，企业运转效率上面带来的就是，通过这个建立数字孪生，建立这种东西，对于从产品设计端到整个企业管理带来的影响，是非常非常巨大的。
我理解您刚才咱们回到最开始的那个问题了，就是说您整体对于AI的看法，因为我们刚才其实前面说到了，就是说投资者对这个觉得，哎呀你投那么多钱在这里面是不是能见到回报是吧？然后可能一些普通的这些技术的专家又觉得，你看AI这个发展的指数化的这个增加又很厉害，上限很高，然后可能也会想到颠覆，然后普通的散户其实可能不知道云里雾里，就觉得这东西上限高的可以投。
我从刚才聊的所有内容中，我的感受就是说从您的角度，从一个我觉得您是比较务实的一个状态，就是说看到的现在已经，在不断的有一些生产力的提升了，而且这些生产力的提升，可能在很多我们散户看不到的，比如to b的这个环节上已经一步一步逐步在实现了。
我相信有这些局部的这种验证之后，我觉得这个是您的看法，就是说我 理解，他会按部就班不断的去增长，它不是一个镜花水月，可能未来5年10年才会出来的一个东西，而是一个会不断循序渐进，在过程中可能还会有更激烈的爆发，就这么一个成长过程
我觉得是这样的
对，然后咱们聊完这些，就是说咱们整体的AI，我觉得咱们还得再落地到一些 AI发展具体的趋势上，这样咱们投资者，普通人能更明白说AI这么大一块蛋糕，我们能在这里头看到一些什么可能的方向，可能的趋势，您对这方面有没有什么你有什么看法？
这样美投君，我稍微退一步就是说，我们看这个AI呢， AI在刚才我讲比如说2022年，或者2023年是AI好像爆发的一个元年，那么就是说AI为什么会在这个时间，那我们看就是说对于AI的enabler，三个东西，一个是说算力，一个是大语言模型，算法，还有一个是数据。
有了这三个东西之后，在这个点上面突然说哦AI它的这个应用，我们看到了chatGPT，真的一个实际的这种应用，这三个东西事实上是缺一不可。
除了这三个东西之外，其实还有一个是什么很重要，还有一个是说对于终端客户，也就目前来看就是Enterprise对于企业客户来讲，他们怎么样能够真正说用到AI model。它事实上还有一个第四个东西，这其实就是AI Enterprise，它事实上需要一个软件的 platform，它不是一个简单的东西，就是一整套一个plan，或者一个suite of软件的 tools，那么终端客户需要这些tools，才能真正用到这个 AI model以及AI的这种application。
所以AI Enterprise，英伟达的 这个AI Enterprise，更多的就是属于像是刚才说的第四个东西，就是这个一个software的platform，但刚才你讲方向的话，我理解是说，其实刚才我们讲说这个算力算法，大语言模型，数据，以及刚才讲的这个 AI Enterprise这一类的，software platform，其实在这4个category里边，那其实每1个category里面都有，multiple的这个 player，都会有非常非常这种具有具备竞争力的这样的投资机会，我是这么理解。
咱们分别来说一说这几个部分要不好吧。比如说从这个算力的角度来说。
现在就是算力这些芯片厂商对吧？他大概市面上也有，很多不同类型的吧，在GPU上我们看到有一些公司还有其他各种类型的公司，在这个领域里，您大概觉得它会是一个怎样的发展？
在算力里边呢，大家可能比较公认的是说AMD是二号二号选手， AMD的这个二号选手离一号就是差的距离有点太大了，最近的季报出来，我觉得可能大家可能更确认了这一点
就是说AMD我还想说他能够catch up一下，我一看了一下我之后，这一点机会都没有
在GPU这一块，想追上去的机会真是很难。
Amd的它的机会就是什么？就是从客户的角度来讲，我需要一个这个 Backup的supply。
我真觉得这可能就是他的机会了，其他的因为你看它，因为不光是说你的这个GPU本身的算力跟英伟达你是差了一代，至少是一代吧，差了一代的这个关系，那么除了这个之外，你其他的这种配套的东西，是肯定也是跟不上，因为你像英伟达的那个CUDA已经发超过10年的发展了，
对
整个在英伟达CUDA这个平台上面，已经有全世界有多少百万的，多少million的，program和developer在用。
所以就是这一点你从当你是客户的时候，比如说现在我用的是英伟达，我现在说 AMD要catch up，如果你是客户，你想想说什么情况下让你能够下决心说，我得从英伟达转到AMD上，这个时候呢绝对不是说， AMD说我可以给你报一个比英伟达便宜50%的价钱，你就换，这个不是那个概念，因为就像咱们前面讲的，大家做AI的目的不是为省钱嘛
我要做AI是为省钱的，对你能便宜50%我肯定跟你，但不是这样的，因为你这去switch的时候，它会直接影响到说你的这个，就从客户角度来讲，你做AI是为了deliver更好的产品的性能，feature等等等等给你的客户
如果你为了省这50%的成本，延误了你去给你的客户deliver更好的东西的话，那这个账你是怎么都算不过来的。
没错，在这一点上呢现在没办法，谁谁也没办法跟英伟达去竞争。
而且我其实原本觉得，你看之前我们说，最近英伟达因为他那个 black well 系列的延后，他有一点青黄不接这个产品，我觉得他有一个产品断层的这么一个过程，这个时候其实，就是AMD你好歹你在这个时候你努把力吧，但它其实我们发现即便是青黄不接，我还是会等你英伟达的芯片，而不会去选择一个alternative去做任何，就没有任何一家，我们看到说去选择一个alternative的，选完了之后等你出来了，我再用英伟达，不是，就是他的这个软硬结合啊，所有的这些竞争力啊，包括未来可能给你带来的上限，我觉得还确实没有人敢在这里有一丝丝的松动。
我觉得美投君就是说，因为咱们现在这个中国散户投资者讲嘛，你作为个人消费者跟企业消费者，你的这个 decision making的， criteria和process，这个差别是非常大的。
比如说我们都会用比如用电脑，用手机，家里的电器这些东西对吗？如果现在有一个，你现在用的是某一个品牌的东西，然后突然说有一个竞争对手品牌，你不用50% ，30%，然后他各方面的指标啊什么都差不多，
我相信你可能很容易就会switch，但是企业是做不到的。
因为这里边有一个直接的最根本的原因就是说，我们用某种产品，我们用某种产品的这个目的，更多不是为挣钱吧？我们是消费者，但企业用东西是为挣钱的，你想的是，我这省30%就等于对我个人来讲，我就等于多了30%的钱，但是对企业来说，我这省50%，我那可能亏得更多。
所以这个是从个人决策和企业决策，我觉得是一个很根本的差别。
没错，我觉得您说的这个点，其实是我们散户很多普通人意识不到的这些问题。确实企业决定有时候很，包括我觉得华尔街大部分分析师，他都注意不到这一点，他总是想着这东西能不能短期给我们，带来利润带来是吧？现金流，然后这些不是简单的一个数字游戏，策略上的这些东西，长期的这些变化，其实你可能拉长到两年三年来看，你现在省的是50%，未来可能亏得更多对吧？
那您觉得像这种后起之秀，像比如我们知道国通银行，不是在给这个大科技都做那种定制的这些芯片，大科技的水平咱也知道，经常你像苹果咔嚓出一个m系列芯片，就恨不得就一下给 intel就一下就给干废了。那您觉得就是这种大科技做的这种定制化的这种芯片，对于英伟达来说会不会也是一个冲击？
我觉得肯定是有一定冲击，我其实在这个看过一个挺几年前的一个分析，当然大家人家分析说他觉得那个，他特别提到 Google，当然他是说这种Hyper Scaler他们自己自研芯片，他特别提到了 Google的自然芯片TPU，而Google的那个TPU事实上从这个性能，但因为他没办法讨论性价比，因为 这个Google他的东西不卖嘛，所以你没办法讨论价格问题。
但是从性能角度来说，他认为是优于这个英伟达的 GPU的。
而且当时他觉得这个东西，因为这个东西，你说英伟达未来会这个，是 AI界的这个扛把子，所以这个是一个，他是完全不认可这个东西，这是几年前说的话，但后来的发展，我们看到事实上英伟达确实变成了这个扛把子，这里边的原因呢，我去看过，就是说当然Google，一个一方面他自己本身是说，他认为自己可能不是做芯片的，他做这东西他就是为了这个自己用，而且它的TPU呢不是这种像英伟达的GPU一样，它属于那种 general purpose的计算芯片，它是针对某一些的 workload，它的performance会更好。
除了这个之外，当然英伟达是属于general purpose，它除了比如说对，我们现在说的各种各样的AI应用，它对于在数据中心里边，其他的这种通用化的它都非常好，它都非常强，可能这是一个因素。
﻿
另外一个因素就是说，我觉得英伟达它围绕着它的GPU这个产品线，它给它所有这些配套的一些东西，它给它配套的这些东西做的是非常非常强，我指配套，咱们上次聊过比如说networking，对吧？你光芯片好，你这个传不出去，这不解决问题对吧？然后你的这个软件，你光硬件好，你没有这个软件，为了这些硬件优化的一个软件开发东西那也不行，就这一系列的东西。
而且这里边有一个呢就是，当然你像谷歌它肯定是不行的，包括这些hyper scaler它都不行，就是说它就算有自研的芯片，但是它的networking部分它一定是用以太网的，因为它自己没办法再有了对吧，然后软件它可能会是自己的软件，但是这一整套的东西，它怎么把它整合优化到最好，而且这个优化最好还是说不是只是你自己用优化到最好，你是说我把它优化好就给别人来用，你要优化到最好，这中间还是有差距，
所以说它其实不仅仅这个是性能的问题，
它整个的配套设施，整个的这个，哪怕人才的周边的这些配套是吧？
软件包括各种硬件的连接，networking，其实可能有些观众不一定特别知道，对您解释一下
networking就是说，比如说咱们说这个马斯克 X-AI刚刚建立了一个，ten thousand GPU的英伟达h100的那个数据中心嘛，那么这ten thousand GPU它中间是分了多少个cluster，然后每个cluster里边分了多少个node，每个node里边我记得当时是8个GPU，所以我们可以简单算，也就是这个1万个除下来的话是一共是多少cluster，然后有多少个node。
那么这里边就有一个互联的问题，就是GPU和GPU之间的互联，以及node和node之间的互联，以及cluster和cluster之间的互联，这就是我指的 networking的这个意思。因为很明显你GPU算的速度再快，如果你的数据传输速度不够的话，而且这个不是说几个芯片的互联，这是1万个芯片的互联。
所以 networking这个东西对于，这个其实是常常是大家在讨论AI数据中心，这个硬件里边相当会被忽略的一个地方，大家觉得 GPU很好怎么样，很少听人讲说我就连接速度多快多块，
但这个是一个非常非常重要的一个因素，
所以说博通好像有一块业务专门搞这个的是吧？
博通的AI业务这一块是给，大公司做那个定制化 GPU的，还有一块很重要是它的那个互联业务，
一会我们还得再探讨探讨这个具体的技术，其实大概Arnold的意思就是说，芯片的性能周围有太多太多的这些技术，是需要是需要配套的，不是一个芯片出来就能够颠覆的，不过我也看到我觉得，刚才您说有一个点也非常好，就是说这些大公司为什么要搞自己的芯片，我觉得他们的目的可能也不是为了说，我要颠覆英伟达，搞出一个多牛逼的芯片，让英伟达没生意做。
他实际上可能，比如我看特斯拉，你看他就是说我就是纯视觉的，因为你英伟达的芯片你是说all purpose对吧，General purpose。然后那我这边就纯视觉计算，可能我这芯片我别的都不需要，我就把视觉算明白就行。那可能别的Google Meta他们有自己的特定的需求，他搞这么一个，还有一个可能就是说，我别过于依赖英伟达，因为我觉得它仅仅是如此，那你说这个东西会不会颠覆英伟达，我觉得我看法跟您是一样的。
除了配套之外，我觉得这些大公司做这个事儿，它的初衷也不是为了颠覆英伟达。
对就这样
咱们这算力这块聊到这，咱们再move on到下一个section，大语言模型或者说算法，还有这部分，那这部分你有看到一个，怎么样的一个发展趋势也好，或者说在这个趋势下有没有什么威胁，或者可能发生了变化这样的？
语言模型，大语言模型其实包括就像美国啊，包括中国做大语言模型其实蛮多的，然后大语言模型里边呢，开源的越来越多，最有名的就是那个Meta的Llama开源的大语言模型，当然还有很多其他是不开源的，你比如说像chatGPT这些就，openai也是不开源的，包括你看那个英伟达的大语言模型，它是应该说是开源，但是它有一些这个 feature是不开源的，所以大概算是hybrid吧，所以我觉得大语言模型这一部分的，顶端的一些东西，肯定是还是说要需要人去花很大的力量去研发，但是未来的发展上我觉得可能是开源的会越来越多，而且就是中小模型可能会很多。
因为这里面有一个费用问题，可能咱们之前聊的比如说中小企业来讲，它可能不需要那么强的这个模型，因此他可能会用一些简单的模型，就看你的应用了，怎么样去用一个普通的模型就可以去实现你的这个目标，也没问题。
那英伟达的这部分也是说它，其实除了刚才说咱们说硬件的部分，它实际上在这一块它也是有自己的这个大语言模型，有它自己的这个 deep learning的 这个framework等等，它这一套东西它都也是挺全。
之前我看到一个就是说VC他们聊的方向就是，现在做这个大语言模型的人其实越来越少，做大模型的人越来越少，大家其实现在都是聊应用聊小模型能聊这些是吧？
因为这个快，因为大模型这个东西就像说，你不会听到有很多人说我决定重新开发一个GPU因为这个东西是属于是第一，你的投资会非常大，第二时间会很长，第三能不能见效，或者说你做出来的东西能比现在上能好多少，这个谁也不知道，换句话讲这东西风险太大。
刚才咱们说，比如说你像是这个万亿参数的大语言模型，咱们前面讲你目前AI的发展，离我们期望的可能还是差距很嘛大，是不是？所以这中间肯定对更高级的大语言模型一定是有需求的，但问题是这个需求，不是说谁想干都能干得了，整个市场对这个的需求很大，但是可能只有那么有限的几个player，他有这个能力去干这个事情，毕竟风险太大了。
您说，比如研究大语言模型，搞算法，搞AI训练，那他肯定是说特别需要 英伟达的芯片，你说我们换一个假设，在这市面上就OpenAI这么一个大语言模型它做完了，大家就都用这个了。
其他的可能之后往下发展，就是说我更多的是去往AI的推理中去，我就是用一些已经训练好的模型，然后或者是我就要开发小语言模型，可能算力用不着那么大。
从这个趋势上看，您觉得会不会也是对于英伟达的一个，它的需求上的一个可能的一些问题？
我觉得一定是
我觉得一定是对英伟达的一个威胁，但是在现阶段，我觉得威胁还不是，不是那么大，为什么？我觉得第一个是因为，还是回去咱们刚才讲AI市场这一块，就是AI市场现在的发展阶段还是在很早期，还是在很早期，这个AI的infrastructure，现在还是处于是非常非常far from enough的状态，大家还在建，那么你说建到一定程度，就是咱们去讲infrastructure，就好像在说这个高速公路、铁路、机场这就都是Information，那你说我在建这个infrastructure建到一定程度，是不是会达到一个某种饱和的这种状况？
我觉得一定会
我觉得只不过现在离那个【饱和】，我觉得还有相当长的一段时间，
其实你觉得现在还是没够用，是吧？因为infrastructure刚起步，不会因为这种趋势而扭转现在的需求的关系。
这里边很重要就是，我说的是，我不是说永远会这样，我说的是在现阶段，以及接下来的接下来的，比如说2到3年，我觉得还是比较safe，过了三年，我觉得nobody knows。
比如说你看下马斯克，做的 X-AI的数据中心就10万10万张GPU的，他用的是h100，他用的是h100，同时你会听到说Blackwell比h100又提高了几倍，它的算力各方面，Blackwell说接下来12个月已经都卖完了，都已经被book掉了。这里边有一个就是说，一方面你要用现有的、你可以拿到的 GPU，去算你的、去培训你的大模型，对吗？
你培训完了以后，通常来说你不会停在这里的，因为就好像chatGPT一样，那天我看到OpenAI有一个5级的，有一个5级的 AI的模型，第一级叫做什么呢，叫做chatbot和conversational AI，这个就有点像是说是，咱们可能chatGPT最早刚出来的chatGPT3，你问他一个问题，他回答你一下。第二层是什么呢？第二层叫做reasoner，reasoner是指的是说他可以开始inference，他真的可以开始推理，
然后，业界认为就是chatGPT，4o1也就是最新版本的chatGPT才刚刚到 Reasoner，到reasoner这个级别，就是它不是一个简单的依据，他以前被培训的内容去回答你，他是在他培训完、release、客户开始用了以后，他自己还具备一些叫做self learning和fine tune的这种能力，它可以依据你的选择，它进一步的去优化它自己的模型，优化它的 inference的能力，
就是是最新版本的chatGPT，只不过在第二级而已。
那么接下来，我记得第三级是叫做agent。那agent的那一级是说，这一个软件，你可以给他发一个指令，他自己可以接下来自动的去执行一些工作，他自己可以去执行一些工作。
你想这就比刚咱们说的reasoner，很明显又上了一层，这还是第三层，咱们离还有距离。不是说第四层、第五层是他我记得当时是叫，好像是叫organization还是叫什么，它具备了一个组织去管理一个组织的能力，那就开始越来越接近人类的智能了。
有点像【漫威电影的】奥创，一个大boss管一堆小弟那种【智能】
所以我就想就是说这个，你好比你今天用了1万张h100的卡，我train了一个模型，你不会停在这里，就像咱们刚才讲，咱们这现在是个race，right？我一定得做的，一方面当然我考虑我客户的需求，我们做企业都是什么？一方面你会考虑你客户需要什么，但是，好的企业你一定不会仅仅停留在说，你就是去满足你客户现在的需求，对不对？你一定要look beyond that，然后你一定会看，说我得比我的竞争对手，我要比他做得更好才行。
所以当你在，现在你用1万张h100卡培训的你的模型，比如说咱们你这个模型是可以做 Reasonoer的，right。What about agent？如果你想去培训一个agent的智能模型，你要怎么样做？你会不会想说我是不是得把我那1万张h100，换成100张blackwell，外加1万张blackwell
所以我不是说这个会永远的持续下去，肯定不会的，肯定不会，只是说还是回来说在现阶段，我觉得对这种算力的需求一定是持续增长。
因为很简单，我们现在 AI的今天，离我们想要它达到的差的太远了，可能现在咱们的AI就是一个小学毕业生，
我们想要的是一个博士，
对的，而且很关键的是我们还能看到一条大概，从小学升初中、升高中、到大学的这么一条路径是吧？
他不是突然有一天10年之后啪我就成为博士了
因为我们现在只是想让机器像人一样，人什么样我们都知道了，
对对队，还是挺有得期待的。
这个模型从目前来看，就是说这个需求在很长一段时间内，其实都还是在不断迭代，不断往上升级的一个过程。你无所谓现在说，现在是不是少了一些初创企业去研究模型，无所谓，这些大模型向小模型的这些变化，其实这都是一个，这些change都还不足以改变整个需求的格局。
行，咱们再move on到下一个框架下，就是数据这一部分，数据咱们看到的肯定是说你需求会越来越大，然后对吧？但是我们也看到这个数据其实，光说从小变大，它是一个维度，我们也看到这个数据有很多，比如说没有用的数据是吧？糟糕的数据，然后也看到各种形式的数据，有视觉数据、音频数据whatever，就是有很多形式的数据，在这个发展的过程中，您觉得比如刚才我们也有谈到这些云的发展、边缘计算的发展，在这个数据增长的过程中，您有看到什么样的趋势，有什么样的一个机会和变化在这里。
数据这一块现在已经有一些公司，有一些这种初创公司，他们专门是去，他们叫生成数据，
有。
他要去generate这种high quality的 data，然后把这种data然后feed给这个【AI】，因为你就有点像说，比如说我原来是用小学教育的数据，培训的是一个小学生，那我现在这个小学生我要上初中了，因此你要给他更high level的一点的数据，一步步往上走，如果我们说我们从原来的一个chatbot，他现在变成一个reasoner，然后我从reasoner，我要变成一个agent，这时候你对数据的质量的这种要求，各方面也在不断的提高。
而且我看到，我们之所以是说在这几年，AI会有一个很好的发展，实际上因为其实它的根本是，我们经历了20年的互联网的大发展，如果没有互联网大发展的话， AI是没办法发展，
没有那么多数据学习
没有那么多数据，首先是有了互联网大发展，所以你才有了数据，有了数据你才培训了大模型，然后你才有了现在的 AI，你接下来想进一步发展的时候，你是需要产生出更多这种高质量的数据。
那天我跟我国内的一个朋友聊天，他是在华为做大语言模型的team，然后他就跟我讲，他说我不知道这能不能讲，他就说这个中国华为也好，中国这些大预言模型就是，永远跟国外匹敌，就是匹敌不了，弄不了，这就是好，不过人家的一个原因是因为数据质量不行，因为说人家拿的都是英文原版的，比如说论文什么的去学习，我们首先好多拿不着，然后拿着了也是先把人英文的东西翻译成中文，然后再学，这个过程中，它就会有一些数据质量的可能丢失，对。
而且他们说有些话你又不让说，有些话，对吧就是？语言模型咱们学习语言的时候，你既然不能看到一个完整的语言框架，完整的思维表达的时候，你的这个模型自然推出来就会赶不上
你提到这一点，我之前还看到有一个蛮有趣的一个采访，首先他说AI未来的发展，一定是软件层面的竞争，一定是数据数据分析，这个层面的竞争。
那么他说为什么，你看全世界软件发展最好的国家是谁？毫无疑问是美国，
中国的软件比比不过美国。包括印度，大家都知道印度是个软件大国，印度的软件也比不过美国。他说这个里边其实更多的是一种文化层面，这种文化层面是一种制度层面的一种差别，他甚至讲到他说促进软件繁荣，软件行业繁荣的一种文化和制度，和促进比如说制造业繁荣的文化和制度，是完全不一样的。
这个我一说，大家其实都明白。
对对对对，确实。
所以未来这个数据往往后发展，真的要关注的点还是蛮多的。之前我们也聊到还有数据的安全性、数据的私有化，这些东西都是我们未来可能需要关注的点，已经不仅仅是数据量的问题。
是，是。
然后软件平台这是咱们刚才说的第四大块，AI Enterprise，yup。软件平台这个事蛮有意思的，我想想咱们要不留到后面讲，留到后面讲。可以。在 Ai发展的后面讲，因为我觉得现在咱们AI的这个，大的框架先给大家摆在这里。
然后咱们再细到英美达的本身上，刚才咱们说行业，然后咱们现在聊聊英伟达的一些具体的硬件也好，软件也好，咱们再展开聊聊这部分东西
英伟达，先从刚才之前我跟Arnold聊天，我从Arnold这儿获取了很多关于技术上我以前，不太了解的东西，比如GPU上，GPU的发展受到很多限制，这是我之前其实，我觉得很有意思，就这部分可能你不搞技术的人，天天看报表的人你是不可能知道的。
然后我想让Arnold咱们观众朋友们也介绍一下，就是说GPU这个未来，咱们看到的它发布的这些技术迭代，说一年要迭代两回，这未来速度这么快，但是，在这迭代过程中，其实技术发展也有它天然的一些限制是吧？您给大家讲讲就是说，英伟达GPU它具体面对硬件上具体面对什么限制 ？
大家都知道半导体行业一个很著名的叫摩尔定律，这个摩尔定律，当年也是创建英特尔的一个one of the co founder提出来，就是说，他讲的是说，芯片的发展速度是18个月吧，每18个月可以翻1倍，那么它指的是什么？
它指的是说，你的这个芯片里边，可以放进去 transistor的数量。现在有不同的讲法，它一种是讲里边的那个，因为半导体是个偏节，他讲到里边的尺寸，或者是以另外一种说法，是说在芯片里边你可以放进去的transistor的密度，那意思差不多就是说，我这个芯片它的计算能力、它这个提升，那么很明显就是说，在过去这几十年的半导体的发展过程中，这个密度是在飞速的、在飞速的增加，应该是五几年吧，五几年六几年，那时候一个计算机，一个computer，是占了几间屋子那么大，但那一个占了几间屋子，那么大的一个计算机，它的算力甚至还不如你的手机。
你可以想象，按照摩尔定律，它这个发展的是一个，非常非常快速的一个发展，那么，当然这种发展，它是有它一定的物理极限，就是当你的芯片里边拼接它的尺寸小到一定程度的时候，小到一定程度的时候，你实际上就会产生很多其他比如像量子的噪音各方面的因素，就会影响说你没有办法再这么无限制的这么小下去。
所以我们可以看到说这个台积电，现在做到已经是最近台积电的季报是，它3纳米、5纳米已经是量产，然后两纳米主要开始在进入量产阶段了，基本上这个已经快接近，从之前比如说六十几纳米，二十几纳米，十几【纳米】，咱们国内现在是14纳米，然后7纳米、5纳米，3纳米、2纳米，再往下走，说1纳米这个已经就越来越接近物理的一个极限，就是你再往下做的时候，就不是一个简单说我就把尺寸往小了做了，我就可以放出更多的transitor，它不是这样的，它就小不下去了。
那么，目前它现在这种算力的提升空间，可能还有个15%- 20%，通过缩小这个东西，
这个是指的是说，就它从这种密度提升上面，当然其他的还有包括你像散热，散热上面的这种影响，但是刚才咱们讲为了应对现在这种大数据的处理， 马斯克那个1万个GPU，那1万个GPU放在一起的时候，它现在目前已经全部是水冷，就是泡在液体里面。
散热这个层面也是接近说，因为你用这个散热液，用液体去散的时候，它也有它的物理极限，它不是说你，你就直接就连下去，越怎么都能散得出去，不是这样的。
每一种材料它散热的这个指数也是定的，当然我们可以说不断的提高散热，但是目前也是接近于说，差不多就这样了，没办法再让它高了。
像这个 Networking刚才咱们说互联的这一块，因为互联这一块其实更简单，因为你传输的速度极限就是光速，你不可能比它再快了，对吧？既然是这个速度已经定了，那么当你越连越多的时候，越来越多，自然你的距离会越来越大，是没办法避免的。
所以那么你的传输数据信号的延迟，也是在不断的在增加。
他们都是一个无限扩大，就是这个连1万个、连10万个就更牛逼对吧？
对的，对。
这些东西是没有突破的办法。有没有什么解决方案，或者说靠比如散热，现在咱们说用水冷，有没有什么其他的方法，能看到说再给极限再多加一点的 ？
像散热这一块，大家事实上现在在研究一种新的，咱刚才不说是水冷，但是我说水冷它不是说水就是liquid，liquid cooling，那么这个liquid，大家都在研究说用什么样更好的这种什么配方，我可以让liquid它的散热能力更强。
像另外一个就是刚才咱们说，芯片本身制造的极限的时候，像blackwell，它事实上把两个芯片给做在一块，
坐到一块的时候，他首先就等于是减少了一个互联的问题
然后还有一个就是说它在把芯片进行三d的一个堆叠，比如说我在二d层面上我没办法再更密了，我把它摞起来，摞起来等于我自然的计算能力就会加强，对吧？
同时我又可以、因为让它这样从生产工艺上角度来讲，我可以保证它的信号的 integrity，各方面的连接，我都可以做得更好一点。
这种方法听起来感觉可能散热就不太好了，
一是这样的。
是吧？所以说咱之前因为说，散热它延迟了blackwell的发布，确实是不是跟这个也有关系。
所以这种方法就是说，都是可以在短期内去，一定程度上解决咱们刚才谈的那些这种限制的东西，但是这些方法它不是一个根本上，它不是一个根本上的解决了，那就是说好我可以在短期内我可以缓解，一方面我提高算力，另一方面我缓解这些问题，所以让我整体的solution的 Performance，比现有的肯定是更好，但是这种提升它毕竟是有限的。
咱们刚才聊硬件，然后聊AI发展的一些趋势，就是感觉到说英伟达在硬件上，它还是有一些局限，比如不管是物理极限的这些限制也好，还是说在这个训练上他特别厉害，但是在推理上在一些其他的地方上，或者说一些专门比如说视觉训练上，可能不太需要那么厉害的算力的时候，可能它就不是最有竞争力的那一个了是吧？
其实它在硬件上，确实还是有很多天然的一些限制，一些局限，在软件发展上也是现在市场蛮期待的一个情况。
您怎么看说黄仁勋他现在把这个重点从硬件，然后也慢慢的开始在软件上去去发力，现在AI Enterprise已经变现了。
是的，我觉得这是，非常非常棒的一个move，从 business model的角度来讲，你经常讲的微笑曲线，就在这讲微笑曲线就是讲，原来一般讲的微笑曲线都指的是说，中国作为一个 manufacture，你是处于微笑曲线的最低端，那么从一个企业的发展来讲，如果你是从做最低端的，那么你都是希望从最低端向微笑曲线的两端去发展，左边指的是什么？左边指的是这个研发，右边是指的是品牌，也就是你要跟客户去直接的联络。
如果我们看英伟达它原来的在市场中的定位，如果我们就说英伟达是做GPU，没关系，我们把它软件也说上，他是做产品的，那么它的产品本来它的主要客户群是谁？是这些cloud，这些cloud service provide就像amazon，像miscrosoft，像Google，包括oracle，他是把产品卖给他们，然后由这些cloud service provider，把AI作为cloud service中的一部分，再去提供给Enterprise customer原来是这么一个供应链。那enterprise customer事实上，他们是真正的end customer。
所以在供应链里边，如果英伟达他就把自己是定位成说，我是做那个产品的那个人，我把产品供给别人，别人再作为把它作为service一部分供给终端客户，那么英伟达实际上跟终端客户，实际上是没有一个直接联系的，所以在这个里边，英伟达实际上等于是处于微笑曲线的，一定程度上吧，在微笑曲线的最下边，当然英伟达没有profit margin的问题，在现在这个阶段，但是从它这个business发展上来讲，他现在直接去把自己变成 service provider，因为他本身有 tactical的能力，他把自己直接做成 service，provider，一方面我觉得非常好是解决了什么呢，咱们讲财务报表，你如果光是硬件的话，任何硬件产品都会有一些cycle，那你现在说我变成service provider，而且是subscription-base，那么这样实际上对于评议你的cycle上，是很有帮助的一件事情，这是最直接的我能看得见的。
另外一个是说从你的business model来讲，你不再是说不再仅仅是一做产品的一个人，你是把你的产品变成以service的形式，提供给你的客户，这样的好处是说，我从sales角度来理解，你是让你可以直接接触到终端客户，你清楚终端客户要什么，英伟达实际上等于把自己变成了，一定程度上我觉得，他实际上把自己变成了像 cloud service provider，以及甚至像Palantir这样的公司，变成他们的一个竞争对手，这个是他模式上的一个我觉得很大的一个转变。
而且从英伟达已经取得了已经去蛮多的进展，包括他跟 Accenture，包括和 salesforce，还有 ServiceNow这种软件类的企业，形成这种partnership，从英伟达的角度来讲，它事实上，把它的整个的商业模式往前迈了一大步，对他来讲，我觉得未来的发展是会非常有帮助。
其实相当于以前，大家很质疑他几大客户都是大科技，【业绩】过于依赖，现在他相当于把这个扩展到真正的end customer，而且反馈回来的这些需求，本质上也是对于他们继续去做产品做。
而且英伟达现在它很特别就是，通常你从产品，特别是硬件产品的生产商，你像 service转变的时候，有一个面临着很大的问题就是说你会变成了你现在大客户的竞争对手，
就像你看比如我们讲以前的Foxconn，就是富士康，红海他坚定是只做代工，包括台积电也是只做代工，我不会去说再向上去发展，因为你一旦发展了，就变成是你跟你的客户是竞争对手，这个就搞得很麻烦。
英伟达现在它很特别，就是说我就是你竞争对手了，so what对吧？反正我产品这一部分也没人能跟我打的了，
他也走一些自己那个私有云的路线上，稍微的还是说跟公有云的公司还稍微偏开一点，但我猜那些公有云的公司，他们也肯定想要有一天进军私有云的【市场】
这公有云肯定是要进军私有云没错，对，
所以早晚有一天他们可能狭路相逢就也得遇上。
对，反正他现在有恃无恐是吧？这英伟达
它这个有恃无恐，是给他争取时间，因为他从他原来的业务模型转到新的时候，他实际上也需要时间的。
但是他原有的竞争优势给他争取时间，让他有时间去建立这些东西，我觉得这个事真是挺厉害的一个一招。
确实，我感觉黄仁勋在思考这个事情的时候，让我想起了他之前在做CUDA时候的那个感受是吧？
那个时候他还是一个卖游戏芯片的公司，那时候也没有什么挖矿这那的，他要搞CUDA这么一个平台，我记得是07年还是08年的，
很早，对。
很早的时候，然后那东西也很花钱，然后也很费力，谁也看不到它未来的真正的应用到底在哪，股东看不着，董事会看不着，然后他还是那么坚定的搞这个事情，然后到现在10多年的时间了，终于说投资者意识到了说，哦，原来当时亏了那么多钱，干的事儿也是很有必要的，而且CUDA一直也不赚钱对吧？
英伟达，我记得他的科研团队好像是50%都是软件人员，所以就是说，你要说因为说黄仁勋在比所有人提前10年就看见了 Ai的趋势，这有点太神了，但是你要说他完全是凭运气，这个我也不太相信，那你不能你显卡的运气，你挖矿你也运气，然后你人工你又运、你全运气。
我有这么一个看法，从第一性原理出发去思考，这种技术的颠覆性是吧？就是思考你怎么找到第二曲线创新，我觉得黄仁勋他脑子里可能就是有这么一种危机感一直存在。就是说，不管是GPU咱们刚才谈到的这些物理极限的限制也好，还是游戏显卡的这种应用场景的限制也好，就是我觉得他脑海里，一直有一种说我现在发展挺好，但是我得我得想想我这物理极限怎么处理，是吧？
我得想想我的应用场景怎么处理，所以他脑海里有一种说我要去，找到第二曲线创新的这么一个mindset在那，但是说你第二曲线创新最后是压住了哪条赛道，它可能没有那么，我10年之后要压住这个赛道，我觉得这不重要，就像我觉得贝佐斯说，总有人问我说这未来10年会发生什么变化？
其实真正重要的是未来10年真正不变的那些事情。
我觉得黄仁勋他有这个，从第一性原理思考的这种思维，就是说不变的可能就是那些物理极限也好，那些上限的那些限制也好，商业模式的这些局限也好，这些东西是一定会发生的。
那在这种情况下，他就一定会找到下一条增长曲线，然后去布局下一条增长，然后等天时地利人和来了之后，又增长起来，我觉得他mindset可能是的，让我真的很佩服，就现在他的 AI Enterprise，其实咱们上面说了硬件也好，还有AI行业也好，趋势的变化也好，这些限制这些威胁，也许黄仁勋早早就看到了，所以我们走出一条第二曲线，然后刚好在现在这个阶段，可能他就发挥了一些优势，我觉得很厉害，我觉得英伟达的管理层，黄仁勋的这些【mindset】，这可能是这家公司，我觉得最厉害的护城河是
这个领导层这种【mindset】，咱们叫居安思危是吧？
那咱们既然还聊到这个软件，其实我觉得软件上也有可聊的地方还蛮多的。
这英伟达从CUDA到现在的AI Enterprise，他走的是一个非开源的这种软件的模式，也有很多人诟病他这一点，就是说你这套东西绝对不是未来的趋势，未来都是开源怎么样，您觉得开源和不开源软件的平台的发展，会是一个颠覆性的一个变化，还是说两者都会存在？
我觉得都没问题，就是因为这个市场很大，那么当你讲市场需求的时候，这么大的市场，市场里边某一部分的需求跟另外一部分的需求不一样，我觉得这是非常正常的事。
比如说咱们讲咱们前面说大模型的时候，大模型你有trillion parameter的大模型，你有几十个billion的大模型，也有小于10个billion的大模型，都有需求，然后大模型有开源的，有闭源的，这都有需求。然后你说deep learning有开源的，有闭源的，也都有需求，所以我觉得这个不见得是什么问题，咱们身边的例子说你一个是 apple的手机，一个是安卓手机，这就是一个开源，一个不开源。对吧？那你说这两个一定有说，第一谁好谁不好，其实说，你说谁好谁不好，这都很难讲。
所以我觉得开源不开源，我觉得都没问题。不开源的好处是说，因为他这个体系里边的所有东西他都是为他自己配套的，所以通常这样能做出来的东西本身的 Performance会比较好，比较丝滑，因为它都是自己跟自己配，比较丝滑。那你开源的，因为大家都是基于同一个标准，自己做自己的东西，然后往一块配，好处也明显，因为好处就是说我的灵活性肯定强，灵活性肯定强，然后发展的空间就比肯定会大。
所以各有各的需求，在不一样的使用场景下，
对，我觉得各有各的需求，我觉得不矛盾。
我总结下来看，我觉得咱们今天聊了这些点，其实从AI到英伟达本身、GPU、到它的软件，我感觉首先就是说整体的咱们威胁看到的有很多。
就是有行业上的，有它的产品上的，有软件上的，但您整体来讲看，这些所有的威胁在短期之内，首先应该是不会带来太大的变化，对于整个市场，对于需求，长期来说，我们看到的是管理层也好，还有它的下一条曲线，比如说软件上的这些，更多的这些创新的一些变化，虽然不知道未来是什么，但是现在可能，因为基于他的这些管理层的信任，然后基于他下一个赛道布局的这么早的这么一个状态，其实也是对他有一定的信心。
我不知道我总结的这样是不是
我最基本是这个意思，就是在接下来，但还是那话对于科技类企业，特别是在这种科技革命比较早期的时候，我们肯定是要密切关注这个行业的变化，然后随时做调整吧，只能这么说
其实我像我们投资者做决策，也不是说今天啪做一决策，买，然后10年之后再看，看你是对了还是错了，对吧？我们肯定是不断去关注，而且不断去调整。但是
最后我想再跟您聊聊一个具体的环节，我知道您有很多朋友在在中国也做创业，然后在中国学术方面也有一些造诣。对于中国我觉得我们很多观众也特别的好奇，就是中国芯片发展的怎么样？
他们的大模型也好，他们的芯片的创新也好，现在是一个什么阶段？有的人在这儿特别厉害是吧？说中国要怎么干，还有人说中国不行。在您看来有没有什么关于中国这方面的芯片发展的，这部分的一些insider【信息】能跟大家分享？有没有什么威胁在那一部分？
反正我就只能挑我能说的说，我觉得中国在在芯片咱们分两块，一块芯片，一块是软件或者说是AI大语言模型这两部分，但芯片这一块那么确实是受制裁的影响，确实是影响比较大。
因为很多先进的这种技术我们用不了，我知道国内大家就会想各种各样的 Work around，去规避一些问题，但是你用这种work around的时候我觉得，好处是肯定会进一步增强我们自己的这种研发的、自己的科技力量，这肯定是好的。
但另一方面，发展新产品的时候，比如讲你说，因你制裁，就要开发芯片，在设计和生产的过程中，你是会需要到很多这种工具的，那么这些工具我们现在都没有，这个工具都是欧洲和美国的，如果你没有这些工具，你还要做这个东西，不是说不能，第一你要走很多弯路，第二你的成本会很多，但是你能做出来，不是说你做不出来，具体到芯片这个东西来讲，你做出来了，可能你的良率，简单说就是良率，因为你我不知道你有没有注意过说像台积电，说他在做3纳米，台积电做3纳米的良率已经超过95%，还有好像是99%了已经是，事实上三星就不行，三星的良率好像还是在60%， 这就是差别，这不是说你做不出来，我们一样，我们可能做这个东西，比如说咱们以前7纳米的麒麟【芯片】，我们做得出来，不是做不出来，而且这边专门有那种叫什么，就是把机器、手机拆了，然后去研究报告这种，拆完了之后事实上是发现说，这个还真是没有用被这种美国进的那些设备上，他就是用其他一些方法做出来的，确实做出来了，但是预计就是这么做出来的，产品的良率可能是在30%，还是那话，所以不是说做不出来，
但是你这个东西你去商用，实际上是没什么意义的，
就是耗费大量资源相当于是。
那举国之力呢，
但是我觉得从中国角度来讲，没办法，那也得干，如果是站在中国人角度来说肯定得干，这已经走到现在这一步了，对吧？这已经不是一个考虑成本的问题了，或者说不是考虑说这一个产品的成本的问题，就像咱们前面讲，你放在一个更大的picture里面，这个成本这不是事儿。
这芯片那么如果是大语言模型的话，我是看到一些消息，就是国内的其实做说是，我们的大语言模型做的还是蛮好的，尽管说到因为你语言模型的你培训什么，也是要有硬件支持的，你没有这些【硬件】，我们现在比如用英伟达芯片，可能你不用blackwell了，比 h100还差好多，你用那样的简单讲小米加步枪，但是你也能、也能干，就也能做一个语言模型，语言模型我们说做的还是不错的，在很多指标上面吧，咱们是可以算到国际一流，
限制稍微没有芯片那里限制那么大，对吗？
之前咱们聊的说这个，可能会颠覆矩阵运算，颠覆GPU的这个事儿，还有没有什么可以更多的聊，就是透露的地方就是说。
确实没法多说，因为老是讲不清。
这个东西因为属于非常confidential的东西了，无论是从企业层面，还是从甚至说上到国家层面，是非常非常，说实话我也并不知道很多，我只是去学非常粗浅的，而且但是这个东西实际上我觉得，对于我们眼前的投资来说，倒也没有那么关键，简单直接的讲，因为说老实话这东西成不成，但最终是做出了什么样的产品，在商业角度来讲能不能够competitive，这Nobody knows。
所以也就是回到我们刚才讲对英伟达的威胁的时候，我们觉得英伟达肯定是面临很多威胁，只不过这些威胁，哪一个什么时候能够materialize？We will see，I say no。
就是说其实摆在硬件面前的一个，我觉得终极的挑战就是说，GPU完全被颠覆掉，对吧？就这一天应该说也是会到来的。
您觉得是说一定会到来是吧？它一定会到，只不过是可能还距离很远，不确定性非常强的一件事，对吧？这个其实也能理解，因为我觉得就像您最开始说的，就是技术本来就是用来颠覆用来创新的，它没有一个技术说能够长久永远维持不变的。
你真的看纳斯达克上面这些大的公司，20年前互联网泡沫的时候，那时候已存在的公司到今天在、还大的，比如说Microsoft，比如说Amazon，他虽然还是Microsoft，但是他已经不是那个时候的Microsoft
没错。
就这么回事
确实。
其实今天要聊的差不多就聊完了。非常感谢您，我觉得今天聊了很多比上一次更深入的一些东西，真的是特别感谢，我觉得这些内容真的一定会，也会让咱们的美投PRO的这些观众朋友，获得不小的收获。
再次感谢Arnold今天参加咱们这个采访，也希望以后咱们有机会再多交流，
有机会多交流。谢谢美投君， 好bye bye  
#AI #英伟达 #个股