市值1个月蒸发230亿美元，英伟达怎么了？

日前，全球AI芯片*股英伟达在发布了不及预期的2019财季第三季度财报及第四季度业绩展望后，股价一度暴跌近20%，而在过去一个月中，英伟达股价已经下跌超过14%。

那么问题来了，这两年股价一直暴涨，颇有AI芯片“妖股”之称的英伟达缘何出现股价暴跌？

众所周知，以PC图形芯片（GPU）为核心的英伟达之所以股价和市值暴涨，最根本的原因是其自身和外界赋予了英伟达AI芯片（公司）的名头，而AI被外界公认为是未来芯片产业的发展方向。

尽管如此，从英伟达的财报看，传统的PC图形芯片依然是其营收和利润的主要来源（至少营收依然占到了一半）。

而此次财报发布后股价的暴跌，究其原因，也主要与其图形芯片库存的增加和“挖矿”芯片需求的减少而导致业绩未达预期密切相关。

虽然与AI真正相关的数据中心和智能驾驶等等芯片业务营收的处在增长之中，但鉴于其在英伟达整体营收的比重不足以影响整体的业绩表现，所以仍未能成为影响其股价走势的主要因素。

实际上不仅是刚刚过去的第三季度，从过去接近一年英伟达传统PC图形芯片业务一直占据其一半营收左右的事实，至少从短期看，英伟达仍不能称之为AI芯片公司或者说按照AI芯片公司衡量其股价和市值。

而就在英伟达发布财报之后，曾经因为AI而看好英伟达股价的高盛将从其“确信名单”中剔除，声称它“显然看错了这只股票”，低估了该公司库存积压的严重性，也从侧面证实了业内审视英伟达的标准开始发生变化（至少不能完全以AI企业的标准来衡量）。

如果说上述是英伟达实际业务构成和表现显现出，其作为全球AI芯片*股盛名难副的话，那么即便是将其放置当下和未来的AI芯片中，也远非外界普遍认为的那般强大，至少存有一定的误区。

曾几何时，在英伟达、媒体和分析机构等的大力鼓吹和宣传下，英伟达似乎成为了AI芯片，甚至是整个AI产业的代表。

但事实远非如此。我们仅以目前AI芯片市场规模*，也是英伟达GPU应用最为广泛的数据中心支撑的云计算为例，具体到所谓AI芯片的应用，主要分为云端训练（Training）和云端推理（Inferencing），也理应是业内现在和未来以AI之名衡量英伟达股价和市值的主要依据。

其中在强调算力重要性的云端训练方面，由于GPU具备的算力的天然优势，英伟达目前占有**的市场份额。

但在云端推理方面，先不说传统的CPU目前就可以承担接近一半AI相关应用的负载，从AI芯片的角度，与英伟达的GPU在云端训练方面近乎一家独大不同，其呈现的百花齐放之势，且芯片大佬云集。例如基于FPGA的全球FPGA芯片巨头赛灵思(Xilinx)和英特尔（并购来的Altera）。

对此，美国投资研究机构MorningStar分析师Abhinav Davuluri分析称，英特尔与赛灵思之所以在云端的推理阶段具备优势，首先是在推理方面，并不需要GPU强大的算力（更注重功率效率），其次英特尔和赛灵思有比英伟达更广泛的芯片选择，包括CPU、FPGA、协处理器和特殊应用集成电路(ASIC)等。

例如在CPU方面，虽然在云端训练方面的算力上不及GPU，但在注重功率效率的云端推理上则有望超越GPU。

以CPU市场的老大英特尔为例，在斯坦福大学更新的DAWNBenchmark测试成绩显示，英特尔的ResNet模型(Caffe框架)，即完全由Xeon处理器构建的亚马逊EC2平台，推理延迟和推理成本上都拿下*。

具体来说，英特尔平台处理10000张图片的延迟是9.96ms，成本0.02美元，相比之下，英伟达基于MXNet框架的K80显卡+4 CPU平台的成本是0.07美元、延迟29.4ms。

需要说明的是，DAWNBench是一套用于端到端深度学习训练和推理的基准套件，提供了一套通用的深度学习评价指标，用于量化训练时间、训练成本、推理延迟以及推理成本，并通过不同的优化策略、模型体系结构、软件框架、云和硬件来计算推理成本。

除了CPU外，英特尔在今年美国旧金山举办的人工智能开发者大会上，还推出了基于ASIC专为机器学习设计的神经网络处理器芯片Nervana NNP-L1000（Spring Crest），有分析称这款NNP将大幅超越GPU。

同样，作为全球FPGA芯片巨头的赛灵思不久前也宣布推出专为云端推理设计的AI芯片，这款名为Versal的芯片将FPGA与两个更高性能的ARM处理器相结合，再加上一个专用的AI计算引擎，与现有硬件相比，可以实现更高的吞吐量、更低的延迟和更高的功效。

对此有分析师表示，赛灵思推出这款Versal芯片是将矛头对准了英伟达及其已经成为AI工作负载标准的GPU。

通过上述的分析，我们不难发现，在所谓AI芯片应用*的云计算市场，按照云端训练和推理竞争的AI应用衡量，芯片厂商竞争的核心无非是芯片的处理能力（算力）和功率效率。而英伟达的优势目前只是体现在了云端训练的算力上，在注重功率效率的云端推理上显然并不具备*的优势，且面临强大的竞争对手。

而众所周知的事实是，一个完整的AI云端解决方案，从训练走向推理是必然，而英伟达能否将在云端训练上的优势扩展到云端推理，业内一直存有相当的争议，这也让英伟达在*的AI芯片应用市场的未来能否是*的老大充满了变数。

如果说上述是英伟达在*AI芯片应用市场面临激烈竞争能否延续既有优势存疑的话，那么在既有的算力优势上，英伟达的挑战已经到来。而且这些挑战者均是目前英伟达GPU用户的非芯片企业。

其中最典型的就是谷歌已经发展了三代的TPU。

相比于传统GPU图形芯片，TPU使用8位低精度计算以节省晶体管，对精度影响很小但可以大幅节约功耗，而若把多个TPU集成在一起，在增强性能的同时，功耗也会低于多个GPU集成。具体到今年发布的第三代TPU，据称，其新运算阵列TPUv3 Pod 的计算能力远远超过了100 Petaflops，这无疑使得英伟达在今年NVIDIA GTC 2018大会上发布的可容纳16块Tesla V100 GPU的DGX-2提供的2Petaflops的算力相形见绌。

而更让英伟达感到不安的是，谷歌宣布今年宣布开放自己的TPU算力和生态，这无疑又会间接影响到目前在云端使用英伟达GPU作为AI芯片的企业，减少对于其GPU的采购和使用。

不仅是谷歌，像诸如微软、亚马逊、中国的华为、阿里巴巴、百度等这些英伟达的大客户均已经发布和准备涉足AI芯片（主要是面向云端的AI应用）。

例如微软正在开发基于FPGA的Brainwave，华为更是在日前举行的华为全链接2018大会上发布了两款AI芯片：昇腾910、昇腾310。其中昇腾910作为单芯片计算密度*的AI芯片，算力远高于谷歌研发的TPU V3、NVIDIA V100芯片，达到了惊人的256TFLOPS；而阿里巴巴正在研发一款神经网络芯片Ali-NPU，该芯片将运用于图像视频分析、机器学习等AI推理计算。

综上所述，我们看到，无论是从英伟达现在的营收构成，还是未来的AI芯片产业中，其全球AI芯片*股盛名难副的迹象已经显现，就像知名做空机构香椽今年8月份在做空英伟达时所言：每次有新的人工智能技术亮相，在提到竞争对手时，都会提到英伟达的名字。

言外之意，英伟达已经成为AI芯片领域的众矢之的（统计数据显示，有多达40家公司都在设计定制化的AI芯片，其中许多都锁定了数据中心和云端应用），不管是芯片产业的真正竞争对手（主要是芯片厂商），还是合作伙伴（英伟达的客户），它们或出于竞争，或出于自身业务发展的考量，在技术、商业模式等方面直接或者间接地影响着未来英伟达在AI芯片领域的地位。（本文仅代表作者观点）