小编：几天前，Nvidia再次创造了历史。 7月3日，NVIDIA市场价值短暂攀升至3.92万亿美元，超过苹果
几天前，Nvidia再次创造了历史。 7月3日，NVIDIA的市场价值提高了3.92万亿美元，超过了苹果以前的3.915万亿美元记录，该公司已成为具有市场价值的最高历史记录公司。人工智能计算能力的快速增长将这家GPU制造商推向了前所未有的高位。尤其是自2024年底以来，布莱克韦尔的平台销售业绩（既跃升为能源的表现和效率）都打破了世界以外的疑问。 NVIDIA创始人兼首席执行官Huang Renxun在最新的收入电话会议中说，仅在2025年第一季度，这个新平台贡献了NVIDIA数据收入的近70％。但是，随着NVIDIA市场成本及其混合物的增加，生态系统也出现了裂缝。最常见的例子是Nvidia -Openai的重要客户。 Openai Insider引用的信息几乎是NVIDIA市场成本，Openai说Openai使用Google的TPU芯片自由提供计算能力SU SU用于CHATGPT和其他产品的PPORT。 TPU服务器，照片/Google，即使Openai在随后的响应中故意降低了“转向”，并强调这是一项测试，并且“没有很大的收养计划”。但是对于曾经定义新AI时期的公司而言，即使是“测试”也足以触发高市场敏感性。同时，它还使第七代Google，Ironwood再次成为重点。这是一个专用的AI芯片，可定制用于识别场景。它不仅直接指向了布莱克韦尔（Blackwell）的每一个WAT，而且还表现出对成本和扩张费用的强烈吸引力。更重要的是，面对结构性挑战的真正使NVIDIA的原因是ASIC芯片营地，其强调“效率”而不是“通用”。诸如Google，Amazon和Meta之类的巨型云继续增加他们对自发加速器的投资，以避免NVIDIA GPU的高成本；虽然小脑和图形等初创公司re - 从芯片体系结构和系统设计的角度来定义“ AI特异性计算”，试图开发与GPU完全不同的技术路径。对于Nvidia而言，第一世界的宝座是不稳定的。 ASIC攻击成为NVIDIA的“主要问题”，以扩展整个文本
就像俗话说，谁知道一个人的最好的人通常是他的对手。
5月19日，NVLink Fusion是一种新的互连体系结构，被称为“合作平台的AI工程”。通过允许NVLINK芯片间互连（C2C）和模块的集成转移，第三方制造商可以将其自开发的加速器或CPU连接到由计算系统领导的NVIDIA。
与过去的NVLINK设计相比，Fusion的“似乎包括半开放态度，但本质仍然需要合作伙伴附加到NVIDIA Ecology Track。任何定制的芯片都应连接到NVIDIA产品，并且它只选择打开900GB/ 900GB//的界面s nvlink-c2c。 NVLINK融合似乎是表面上的开放态度，这实际上不仅仅是一种防御动作：
防御Ualink联盟。
照片/Ualink联盟
2024年10月，Ualink Alliance Co与AMD，Intel，Google，Meta，Microsoft，AWS，ATBP合作。
今年4月，Ualink发布了1.0标准互连，支持多达1,024个加速器节点，800GBPS带宽互连以及开放的内存 - 仪表协议，而不是仅此通信技术，而是针对“ de-nvidia”的系统布局。 NVIDIA对AI CHIP架构的相互关联比其他任何人都能理解：
真正应得的观看不是特定的制造商，而是整个ASIC营地开始摆脱GPU希望并试图重建硬件订单。
真正应得的观看不是特定的制造商，而是整个ASIC营地开始摆脱GPU希望并试图重建硬件订单。
与GPU的一般体系结构不同，SICS是针对特定活动定制的芯片，在AI期间，它们可以完全优化用于理解，培训和推动等主要计算路径。现在，在Microsoft，Meta和Amazon等巨人中实现了这一概念，并探索了从NVIDIA GPU平台到自我开发的AI ASIC芯片的过渡。
Google是最好的例子，TPU系列自发射以来已经在第七代Ironwood开发了，该系列是为识别任务而设计的，其性能直接超过了NVIDIA Blackwell的每瓦。 Openai研究人员认为，Ironwood的作用与GB200相当，甚至在X平台上稍好一些。更重要的是，TPU系列支持从训练到远见的大型双子座模型的巨大应用大小。
照片/Google
同时，除了其前竞争对手AMD外，包括Meta和AWS在内的MGA新芯片制造商还试图“赶上” Nvidia GPU。基于它的collMeta的第一个AIC芯片MTIA T-V1与Broadcom的灌溉已被宣布有可能超过Nvidia的下一代Rubin芯片的细节。 AWS根据与Marvell的合作推出了另一个版本的Trainiu。 M V3的发展有望在2026年产生质量。
根据野村证券较早发布的最新报告，2025年的Google TPU传输约为150万至200万，AWS Trainium和Phebentia约为140万至150万。到Meta和Microsoft开始大规模部署时，预计它将在2026年首次超过NVIDIA GPU（500万至600万）。
就初创企业而言，脑部是世界上最大的芯片的“独角兽”，它开发了世界上最大的芯片，并用晶圆 - 规模的引擎（WSE）领导了芯片芯片的不断变化的建筑，并在许多科学和科学研究的项目上实施了它。虽然服用GraphCore SOFTbank经历了曲折，它仍然坚持在网络处理（IPU）的体系结构中找到突破。诸如紧张和叛乱之类的新移民继续积累客户，并运送到AI推理和计算边缘等子区域。
世界上最大的芯片，图片/脑脑
Nvidia必须了解这一点，因此她选择对NVLINK融合做出反应。但事实是，更多的球员不再对演奏支持论文感到满意。 ASIC的增长不仅是对技术路线的重复，而且是由联盟促进并由生态系统推广的巨人提出的系统挑战。尽管NVIDIA很强大，但面对这样的对手时，它仍然是警惕的。
在峰值下，NVIDIA的三个弱点
当市场价值达到3.92万亿美元时，NVIDIA达到了全球资本市场中最受欢迎的时刻。但是在这个令人眼花的高度下，越来越多的问题开始n表面。从工业希望到产品结构，再到生态学方法，NVIDIA往往会因其创造的成功逻辑而适得其反。
一个是对超大客户的集中期望。 NVIDIA的当前收入来自数据中心业务，大多数集中在少数巨型云计算的手中：Microsoft，AWS，AWS，Alibaba，Meta，Google和Essential OpenAI。 ITO不仅拥有AI本身，而且组成了Ualank联盟的客户，这个人会削弱Nvidia GPU的主导地位。
Google拥有TPU，亚马逊有火车，Meta和Microsoft分别推出了MTIA和MAIA系列加速器。尽管Openai也在尝试Google TPU，但自我开发的AI芯片的消息仍在继续泄漏。这些客户不需要NVIDIA，但不想“仅”依靠Nvidia。
第二个是成本效益。 Blackwell平台几乎带来了Computin的改进G力量，尤其是训练和了解GB200体系结构的性能的跳跃。但与此同时，本一代产品的复杂性，电力消耗以及本一代产品的生产也攀升了。根据汇丰银行的说法，GB200 NVL72服务器的价格为近300万美元，削弱了Marour客户。
GB200 NVL72，图片/NVIDIA
这种设计的最终方法实际上锁定在高端市场上，但它也带来了两种副作用：一个将使中小型客户离开门外，另一个是推动客户寻找更便宜，更替代的节能替代品。当AI推理成为一项主要任务时，成本效益通常比全部性能更重要，这是ASIC这样的专业芯片很棒的地方。
此外，对于云制造商等基本客户，他们愿意在早期阶段支付绩效。但是，随着比例SCA的扩展LE，模型的标准化以及预算的收紧，即使大型制造商越来越希望拥有更多的自主权和沟通空间。当Nvidia变得“需要使用它”时，这意味着工业链开始寻找“不使用它”的选项，而Google TPU的成功却不多。
第三是Nvidia的生态障碍。 NVIDIA CUDA目前是该行业中最强大的AI编程生态系统，但是高水平的关闭也使其逐渐成为一个“属于Nvidia”的世界。在开放生态系统（例如Ualank Alliance，Oneapi和MLIR）的背景下，越来越多的开发人员和系统设计师开始追求跨平台和异质合作，而不是将其命运与公司工具链的命运联系起来。
库达（Cuda）是Nvidia的前护城河，但现在它已成为“生态高墙”，在一定程度上限制了开发人员的自由流动。正如制造商期望的那样为了在不同的建筑之间移动灵活，CUDA屏障也可能导致转弯。
作为回报，NVIDIA仍然是当今AI芯片的最强大制造商，一直处于技术，产品和市场价值的高潮。但是高潮永远不会结束，这是面临更多挑战的唯一起点。更重要的是，NVIDIA不会面临技术更换的风险，而是面临以客户为主导的权力下放的风险。如前所述：Nvidia是世界数字，不稳定。回到Sohu看看更多
当前网址：https://www.ajitaro.com//a/keji/785.html
