|
Nvidia发展战略研究（2024）
原创 常华Andy Andy730 2024年11月19日 07:30 上海
按：本文内容基于NVIDIA Presentations 2024（https://investor.nvidia.com/events-and-presentations/presentations/）总结，不包括财务分析，信息截至2024年10月6日。
概览
NVIDIA作为加速计算领域的领导者，凭借其GPU架构在过去十年将计算速度提升100万倍，确立了不可撼动的技术优势。公司的核心竞争力体现在三个方面：首先是从芯片到系统、软件的全栈技术实力，形成了以GPU、CPU、DPU为核心的完整平台；其次是庞大的生态系统，拥有500万开发者和4万家企业用户，通过CUDA、AI Enterprise等软件平台持续扩大影响力；第三是在AI训练/推理、专业图形和游戏等关键市场的主导地位。这三大优势相互强化，构建了极高的竞争壁垒。
NVIDIA近期呈现出极其强劲的财务表现。2024财年公司实现收入609.22亿美元，而2025财年仅前两季度收入就达到560.84亿美元，增长主要来自数据中心业务（占比87%）。盈利能力持续提升，2025财年上半年营业利润率升至68%，毛利率保持在77%的高位。现金流表现同样亮眼，2025财年上半年自由现金流达284.18亿美元。
NVIDIA在其核心市场领域均占据绝对主导地位。在游戏市场，GeForce平台拥有超2亿用户，在Steam平台最受欢迎的15款GPU中独占全部；在专业可视化领域，工作站图形市场份额超95%，服务4500万设计师和创作者；在高性能计算领域，全球TOP500超级计算机中超75%采用其平台。公司在AI市场的优势尤为显著，目前已有1600多家生成式AI公司采用其平台，生态系统拥有近550万开发者。在自动驾驶领域，DRIVE平台已成为行业标配，获得全球40余家车企采用，包括前30大电动车企中的20家。
关键洞察
1. 计算架构变革
CPU性能增长已降至年均1.1倍，无法支撑高强度计算需求
GPU计算能力保持每年2倍增速，过去十年实现1000倍性能跃升
现有数据证明：2个配备16颗H100的计算节点可替代960台CPU服务器，带来25倍成本优化及84倍能效提升
2. 生成式AI带来的计算需求激增
ChatGPT用户量两月突破1亿，验证了市场需求
与Pascal架构相比，Blackwell架构在2万亿参数GPT模型训练时能耗降低350倍
推理效率提升明显：每Token生成所需能量降低4.5万倍
3. AI基础设施升级
传统数据中心正向AI专用计算设施转型
Blackwell架构、Spectrum-X网络等技术显著提升计算密度
液冷技术优化散热效率，降低运营成本
4. 物理AI应用趋势
自动驾驶、工业机器人等场景已开始规模化部署
仿真环境支持机器人训练与开发
机器人工厂将加速计算与物理AI结合，推动自动化升级
一、NVIDIA发展历程与战略演进
1.整体战略定位
NVIDIA的核心战略定位是“加速计算”领域的技术引领者。公司专注于在后摩尔定律时代，通过并行计算架构突破传统计算性能限制。在2023财年，公司将战略重点转向打造完整的AI计算平台，涵盖从硬件基础设施到软件工具链的全栈式解决方案。
NVIDIA采用“全栈优化”作为核心实施方法论，具体体现在三个维度：1. 垂直整合：在硬件层面，整合了GPU、CPU（Grace）、DPU（BlueField）、网络（Spectrum-X/InfiniBand）等核心组件；2. 平台赋能：在软件层面，通过CUDA生态系统、AI Enterprise套件等，为开发者提供标准化工具；3. 行业渗透：针对自动驾驶（DRIVE）、数字孪生（mniverse）等垂直领域，提供完整的应用解决方案。
2.发展关键时间轴
1999年：NVIDIA发布了世界上第一款GPU，GeFrce 256。这标志着计算领域的一个里程碑。
2006年：NVIDIA发布了CUDA，这是一个革命性的编程模型。
2012年：研究人员发现了深度学习的潜力，并发现了CUDA。NVIDIA与AI的首次深度接触，这是一个具有里程碑意义的日子。NVIDIA与科学家们合作，使深度学习成为可能，AlexNet取得了计算机视觉领域的巨大突破。
2016年：NVIDIA推出了DGX，这是世界上第一台AI超级计算机。OpenAI成为第一个DGX的客户。
2017年：Transfrmer架构崛起，它使研究人员能够训练海量数据，并识别和学习长时间序列的模式。
2022年11月：OpenAI在由成千上万台NVIDIA GPU组成的巨型AI超级计算机上训练了ChatGPT。ChatGPT的发布标志着世界首次见证了生成式AI的力量。
2024年：
1月：NVIDIA推出了BiNeM，这是一个生成式AI平台，为药物发现提供开发、定制和部署基础模型的服务。
2月：NVIDIA发布了GeFrce RTX 40 SUPER系列GPU和新的RTX 40系列AI笔记本电脑，为广泛的尺寸规格带来了高性能游戏和AI功能。
4月：NVIDIA推出了Blackwell平台，使组织能够以比其前身低25倍的成本和能耗，在数万亿参数的大型语言模型上构建和运行实时生成式AI。
5月：NVIDIA推出了NVIDIA Inference Micrservices（NIM），它提供了由NVIDIA CUDA加速的、性能优化的安全容器。
6月：NVIDIA在台北国际电脑展上宣布了Blackwell平台。
8月：NVIDIA宣布NVIDIA NIM现已全面上市，并被超过150家合作伙伴采用。
3.战略演进过程
初始阶段：游戏显卡的成功奠基（1999-2006）
NVIDIA以GeForce系列显卡进军游戏显卡市场，并在PC游戏领域取得成功，为其奠定了技术和市场基础。通过在GPU技术上的积累，NVIDIA为后续跨领域扩展提供了关键支撑。
战略转折：从游戏到加速计算平台（2006-2012）
NVIDIA意识到GPU在并行计算中的巨大潜力，于2006年推出了CUDA并行计算编程模型，并逐步将其引入计算生态系统，开辟了高性能计算和深度学习等新兴市场。2010年，NVIDIA在医疗保健领域的GPU计算收入达到10亿美元。这一阶段标志着NVIDIA从单一硬件供应商向计算能力提供者的战略转型。
深度学习推动业务结构重塑（2012-2018）
2012年，深度学习技术的兴起引发了对计算能力的指数级需求。NVIDIA凭借GPU在并行计算方面的天然优势，迅速确立了其在AI市场的领先地位，并通过DGX系列等解决方案进军高端市场。NVIDIA在2016年向OpenAI交付了世界上第一台AI超级计算机DGX。这一阶段推动了NVIDIA收入结构从游戏硬件向多元化计算平台转变。
全栈布局与生态系统构建（2018-2022）
为了应对AI和高性能计算需求的全面增长，NVIDIA开始纵向扩展产品线，通过优化架构（Tensor Core）、开发互联技术（NVLink）以及战略收购（如Mellanox），构建了从硬件到软件的一体化平台。到2020年，NVIDIA拥有470万名CUDA开发者和3200个GPU加速应用程序。这种生态系统化的布局不仅巩固了NVIDIA的技术护城河，还增强了用户粘性。
生成式AI：爆发式增长催化剂（2022-至今）
生成式AI的普及加速了NVIDIA业务模式的演变。NVIDIA的AI计算平台成为了行业基础设施，助力客户实现从数据分析到内容生成的全流程转型，推动NVIDIA从传统硬件销售向平台订阅服务模式转变。截至2024年，已有超过1600家生成式AI公司在NVIDIA平台上进行开发。
下一步：拥抱机器人与物理AI（未来）
NVIDIA正在布局物理AI和机器人技术，目标是在下一代技术浪潮中保持领先地位。通过推出Isaac和Omniverse等平台，NVIDIA正在向智能设备开发和现实交互领域拓展。Omniverse平台已被用于开发“地球二号”项目，该项目旨在创建一个地球的数字孪生体，以预测未来的气候变化。
二、技术与产品体系
1.产品路线图
GPU
Rubin（2026年）：预计将采用8S或12S HBM4显存，并与NVLink 6交换机和CX9 SuperNIC协同工作。
Blackwell-Ultra（2025年）：将提供更多AI算力，并采用288GB HBM3e显存。
Blackwell（2024年）：支持FP4精度，算力为20,000 TFLOPS，采用双芯片设计，通过10TB/s的链接连接，拥有2080亿个晶体管，支持第五代NVLink技术，具有安全AI功能和可靠性引擎。Blackwell平台还包括HGX B200服务器平台，该平台包含八个B200 GPU，并通过NVLink互连。Blackwell的训练速度比H100快4倍，推理速度比H100快30倍。与Hopper相比，在功耗受限的数据中心中，AI吞吐量提高了3到5倍。与Pascal相比，训练GPT-4模型所需的能量减少了350倍，生成GPT-4模型的每个Token的能耗降低了45,000倍。
Hopper（2022年）：支持FP8精度，算力为4,000 TFLOPS，采用6S HBM3/HBM3e显存，并支持NVLink 5技术。Hopper GPU在一年内推理性能提升了5倍。
Ampere（2020年）：支持FP16精度，算力为620 TFLOPS。
Volta（2018年）：支持FP16精度，算力为130 TFLOPS。
Pascal（2016年）：支持FP16精度，算力为19 TFLOPS。
NVLink
NVLink 6 Switch（2026年）：带宽为3600 GB/sec。
NVLink 5 Switch：带宽为1800 GB/sec。
NVLink Switch：带宽为900 GB/sec。
CPU
Vera CPU（2026年）：将与代号为“Rubin”的下一代GPU平台协同工作。
Grace CPU（2022年）：旨在与GPU协同工作，为AI和高性能计算提供强大的计算能力。
DPU/NIC
CX9 SuperNIC：支持1600G带宽。
CX8 SuperNIC：支持800G带宽。
CX7 SuperNIC：带宽为400G。
BlueField-3 SuperNIC：支持400G带宽。
交换机
Spectrum-X1600（2026年）：带宽为102.4T，支持512个Radix。
Quantum-X800 InfiniBand Switch（2024年）
Spectrum-X800 Ultra（2025年）：带宽为51.2T，支持512个Radix。
Spectrum-X800 Ethernet Switch（2024年）：带宽为51.2T，支持256个Radix。
Quantum-X400 InfiniBand Switch。
2.产品与服务
硬件
GPU：
GeFrce：面向游戏玩家的GPU产品线，包括Turing、Ampere和Ada等架构。
Tesla：面向数据中心的GPU产品线，包括Hpper和Blackwell等架构。
H100：Hpper架构的旗舰产品，被广泛应用于大型语言模型的训练和推理。
H200：H100的升级版，性能和能效进一步提升。
Blackwell：下一代GPU架构，预计将在2024年第四季度开始量产。
GB200：Blackwell架构的旗舰产品，采用多节点、液冷、机架式系统设计，将36个GB200超级芯片组合成一个巨型GPU。
RTX：支持光线追踪和AI技术的GPU产品线，面向游戏玩家和创作者。
CPU：
Grace CPU，旨在与GPU协同工作，提升AI和高性能计算的性能和能效。
DPU：
BlueField：NVIDIA的DPU产品线，包括BlueField-3等产品。
网络设备：
InfiniBand：高性能网络互连技术，被广泛应用于超级计算机和AI工厂。
以太网：NVIDIA也开始提供以太网解决方案，旨在将AI技术引入到更广泛的数据中心环境中。
Spectrum：NVIDIA的以太网交换机产品线，包括Spectrum-X800和Spectrum-X1600等产品。
CnnectX：NVIDIA的以太网网卡产品线，包括CnnectX-8等产品。
系统：
DGX：面向AI训练和推理的超级计算机系统。
HGX：面向高性能计算的GPU服务器平台。
MGX：模块化服务器系统，可以灵活地配置GPU、CPU、DPU和网络设备。
AGX：面向自动驾驶和边缘计算的嵌入式系统。
IGX：面向医疗保健、物流和制造等领域的工业级系统。
软件
CUDA：NVIDIA的并行计算平台和编程模型，是加速计算的基础。
CUDA-X：一系列加速库，涵盖了从深度学习到基因测序的各种应用领域。
cuDNN：深度神经网络库，用于加速神经网络的训练和推理。
cuQuantum：量子计算仿真系统，用于设计量子计算机和量子算法。
Mdulus：AI物理库，用于模拟流体动力学等物理现象。
Aerial：5G无线电库，用于软件定义和加速电信网络。
Kith：计算光刻平台，用于芯片制造中的掩模制作。
Parabricks：基因测序库，用于加速基因组分析。
cuPT：组合优化库，用于解决路线规划等优化问题。
cuDF：数据处理库，用于加速数据分析和机器学习。
NVIDIA AI Enterprise：面向企业的AI软件平台，提供企业级安全、API稳定性、可管理性和支持。
NVIDIA BiNeM：用于药物发现的AI平台，提供预训练模型、框架和云服务。
NVIDIA Clara：用于医疗保健的AI平台，提供用于医学影像、基因组学和药物发现的工具和服务。
NVIDIA DRIVE：用于自动驾驶的AI平台，提供用于感知、规划和控制的软件和硬件解决方案。
DRIVE Hyperin：自动驾驶汽车的传感器架构。
DRIVE rin：自动驾驶汽车的AI计算平台。
DRIVE Thr：下一代自动驾驶汽车的AI计算平台。
NVIDIA Isaac：用于机器人的AI平台，提供用于感知、导航和操作的软件和硬件解决方案。
NVIDIA mniverse：用于创建和运行虚拟世界的平台，可以用于模拟、协作和AI训练等应用场景。
NVIDIA GeFrce NW：云游戏服务，让用户可以在各种设备上玩PC游戏。
平台服务
NVIDIA DGX Clud：云服务，让用户可以访问NVIDIA DGX超级计算机的强大计算能力，用于训练和推理AI模型。
NVIDIA BiNeM训练即服务：云服务，让用户可以使用NVIDIA BiNeM平台训练大型生物分子模型。
3.产品与技术关键数据
加速计算性能
1000倍性能提升：从2016年的Pascal架构到2024年的Blackwell架构，NVIDIA的AI计算性能提升了1000倍。
训练GPT-4模型能耗降低350倍：从Pascal架构到Blackwell架构，训练拥有2万亿参数、8万亿Tokens的GPT-4模型所需的能量减少了350倍。
生成GPT-4Token能耗降低4.5万倍：从Pascal架构到Blackwell架构，生成一个GPT-4Token的能耗降低了4.5万倍。
Blackwell架构
NVLink域规模：Blackwell系统的NVLink域可连接144个GPU，分布在72个GB200封装中。
NVLink带宽：单个Blackwell机架的NVLink总带宽高达259TB/s，比Hpper架构高出约10倍。
Blackwell单芯片性能：Blackwell架构的单芯片AI性能达到20,000TFLPS，采用FP4精度。
Spectrum-X以太网
Spectrum-X800交换机：支持51.2T的带宽和256个Radix，可连接数万个GPU。
Spectrum-X800Ultra交换机：支持51.2T的带宽和512个Radix，可连接数十万个GPU。
Spectrum-X1600交换机：支持102.4T的带宽和512个Radix，可连接数百万个GPU。
软件生态系统
CUDA开发者数量：NVIDIA拥有超过500万CUDA开发者。
CUDA库数量：NVIDIA拥有超过350个CUDA库。
NVIDIA AI Enterprise年收入：预计到2024年底，NVIDIA AI Enterprise的年收入将达到20亿美元。
市场地位
TP500超级计算机占比：NVIDIA的平台为超过75%的TP500超级计算机提供动力。
工作站图形市场份额：NVIDIA在工作站图形市场占有超过95%的份额。
三、解决方案与生态系统
1.行业应用场景
数据中心
核心计算组件：H100/B200 GPU、Grace CPU、DPU
网络架构：InfiniBand、Spectrum-X以太网
软件生态：CUDA平台、358个领域优化库
案例：
AWS/Azure/GCP：AI专用超算中心建设
政府项目：日本/韩国/新加坡国家级AI中心
企业客户：Meta大规模训练集群、特斯拉自动驾驶训练场
游戏产业应用
RTX光追技术：支持250+3A游戏，实现实时光线追踪
DLSS 3.5超采样：已集成至UE5/Unity等主流引擎
GeFrce NW云游戏：
支持1500+PC游戏实时串流
全球25个数据中心覆盖
主流平台全覆盖（PC/Mac/移动设备/智能电视）
专业可视化与工业设计
工业应用场景：
汽车设计：比亚迪/宝马数字工厂规划
建筑设计：采用mniverse进行协同设计和渲染
工业仿真：杜邦/西门子工业流程优化
生成式AI集成：
3D资产快速生成
场景自动布局与优化
材质与光照智能调节
智能驾驶与机器人
DRIVE平台应用：
自动驾驶：感知、规划、控制全栈方案
智能座舱：驾驶监控、语音交互、车载娱乐
已知采用方案的车企：蔚来、小鹏、理想、比亚迪
Isaac机器人平台：
工业机器人：柔性制造、智能装配
服务机器人：物流配送、清洁服务
仿真训练：物理引擎高精度还原真实环境
医疗创新应用
BiNeM平台：
药物研发：分子设计、性质预测、筛选优化
临床应用：医学影像分析、诊断辅助
医疗设备：智能影像设备、手术机器人
具体落地案例：
辉瑞：新药研发流程优化
飞利浦：医学影像设备升级
Intuitive Surgical：手术机器人系统开发
其他行业拓展
金融：风险分析、交易策略优化
零售：智能选品、需求预测
制造：质量控制、预测性维护
能源：智能电网调度、设备监控
2.合作伙伴生态体系
云服务商（CSP）：NVIDIA与所有主要的云服务商合作，包括亚马逊、谷歌、微软、甲骨文等。NVIDIA的加速计算平台在云端得到广泛应用，为AI训练和推理、高性能计算等提供支持。
原始设备制造商（EM）：NVIDIA与众多EM厂商合作，包括服务器制造商、PC制造商、汽车制造商等。NVIDIA的GPU、DPU等产品被集成到EM厂商的产品中，为各种应用提供加速计算能力。
软件开发商：全球有超过500万开发者使用NVIDIA的CUDA平台进行软件开发。NVIDIA提供了丰富的软件库和工具，帮助开发者优化和加速各种应用。
行业合作伙伴：NVIDIA与各行各业的企业合作，将AI和加速计算应用于实际场景，例如医疗保健、金融服务、制造业、零售业、交通运输等。
研究机构：NVIDIA与全球的大学和研究机构合作，推动AI和加速计算领域的创新。
NVIDIA的合作伙伴生态系统呈现出以下特点：
全栈式合作：NVIDIA不仅仅提供硬件产品，还提供软件、工具、服务和专家支持，与合作伙伴进行全栈式合作，共同构建完整的解决方案。
广泛的行业覆盖：NVIDIA的合作伙伴生态系统涵盖了几乎所有主要的行业，推动了AI和加速计算在各行各业的应用。
四、未来发展与重点布局
NVIDIA认为加速计算和生成式AI是未来计算行业的两大趋势，并将重塑全球各行各业。
1.持续投入加速计算平台，保持全栈技术领先优势。
为了应对AI训练和推理的指数级增长需求，NVIDIA将持续投入研发，不断推出性能更强、成本更低的加速计算平台。
NVIDIA的加速计算平台不仅包含GPU，还包括CPU、DPU、NVLink、网络交换机以及全栈软件。
NVIDIA将继续保持一年一代的芯片迭代速度，并不断推出新的网络技术。
NVIDIA的加速计算平台将在云端、数据中心、边缘计算、PC和机器人等领域得到广泛应用。
2. 构建AI工厂，引领生成式AI时代。
NVIDIA认为未来的数据中心将演变为AI工厂，专门用于生产AI模型和Token。
NVIDIA将提供全栈解决方案，帮助客户构建和运营AI工厂，包括硬件、软件、网络以及专业服务。
NVIDIA的AI工厂将采用模块化设计，客户可以根据需求灵活选择配置。
NVIDIA相信AI工厂将成为国家级基础设施，帮助各国实现AI主权。
3. 推动AI应用落地，赋能各行各业。
NVIDIA将与各行业合作伙伴紧密合作，推动AI在医疗、金融、制造、零售、交通、能源等领域的应用落地。
NVIDIA将重点发展以下AI应用：
生成式AI：包括用于文本、图像、视频、代码、蛋白质等内容生成的AI模型。
物理AI：包括用于机器人、自动驾驶、天气预测等领域的AI模型。
AI代理：包括用于客户服务、医疗诊断、教育培训等领域的AI代理。
数字孪生：包括用于工厂、城市、地球等场景的数字孪生平台。
NVIDIA将提供NVIDIA AI Enterprise软件平台，帮助企业部署和管理AI应用。
4. 拓展PC AI生态，打造全新用户体验。
NVIDIA将把GeFrce RTX GPU打造成PC AI平台，支持用户在PC上运行生成式AI应用和数字人类代理。
NVIDIA将与微软等合作伙伴合作，优化Windws操作系统，提升PC AI性能。
NVIDIA将推动NVIDIA ACE技术在游戏和其他应用中的应用，为用户带来更智能、更沉浸的体验。
?
微信扫一扫
关注该公众号
关于我们
北京汉深流体技术有限公司是丹佛斯中国数据中心签约代理商。产品包括FD83全流量自锁球阀接头；液冷通用快速接头UQD & UQDB；OCP ORV3盲插快换接头BMQC；EHW194 EPDM液冷软管、电磁阀、压力和温度传感器及Manifold的生产。在国家数字经济、东数西算、双碳、新基建战略的交汇点，公司聚焦组建高素质、经验丰富的液冷工程师团队，为客户提供卓越的工程设计和强大的客户服务。
公司产品涵盖：丹佛斯液冷流体连接器、EPDM软管、电磁阀、压力和温度传感器及Manifold。
未来公司发展规划：数据中心液冷基础设施解决方案厂家，具备冷量分配单元（CDU）、二次侧管路（SFN）和Manifold的专业研发设计制造能力。
- 针对机架式服务器中Manifold/节点、CDU/主回路等应用场景，提供不同口径及锁紧方式的手动和全自动快速连接器。
- 针对高可用和高密度要求的刀片式机架，可提供带浮动、自动校正不对中误差的盲插连接器。以实现狭小空间的精准对接。
- 基于OCP标准全新打造的液冷通用快速接头UQD & UQDB ;OCP ORV3盲插快换接头BMQC , 支持全球范围内的大批量交付。
|
