3 月 5 日讯，一个记者的提问，让黄仁勋在 2019 年 12 月一场媒体沟通会上，二话不说拿起话筒朝头顶狠狠敲了好几下。对了，巨大的回音可以证明他是用力砸的。

　　这个略显可爱的举动和他接下来的话，让包括我在内的全部记者都笑出声来：

　　“完了，听到这个问题，我在台上滴水未进，嗓子冒烟的两个小时算是白费了。”

　　这个记者的问题有些含糊，但也问出了很多人心中的疑惑——

　　英伟达这次为何没发芯片？

　　这样理解其实也没错。2019 年末，当“英特尔们”每隔几天就通过收购、发布新产品等方式，向外界 360 度无死角“吹风”自己的 AI 芯片战略时，所有人都在等着英伟达如何在自己的 GTC 技术大会上，“回应”向自己挑衅的各路人马。

　　然而，这场会上，除了一块名为 Orin 的自动驾驶专用芯片，这家全球最具价值的人工智能芯片巨头发布的产品全都是“软件”。而且 Orin，还要等到 2022 年才会投产。

　　这场会议，完美契合了他在 2019 年 Q3 季度财报业绩电话会议上的一个重要观点——

　　“英伟达已经成为了一家软件公司。”

　　这家“软件公司”，在 2020 年 2 月中旬公布了 2020 财年第四季财报后，市值一度摸高至接近 2000 亿美元，创了历史新高。尽管现在已回落至 1600 多亿美元，但过去两年，英伟达毫无疑问是华尔街上传奇般的“金股”。随着市场对数据中心越来越强劲的需求，英伟达跟新旧芯片玩家之间的战争，注定将越发血腥。

　　无可比拟的软件优势

　　由于英伟达越来越多地“露骨”地开始利用其软件实力来销售那些看上去只是硬件的产品，因此我们有理由相信，这家芯片公司已经开始奉行“软件第一”战略。

　　英伟达每年在数十份 AI 芯片公司的 PPT 里被“吊打”的“压倒性劣势”中，股价还能稳步走高了。

　　据自动驾驶公司文远之行技术总监钟华回忆，十几年前还在卡内基梅隆念书时，那个时候给 GPU 编程需要用机器码深入到显卡内核才能完成任务，非常困难。

　　“我们用汇编语言写代码，写起来真的非常烧脑。英伟达推出了 Cuda 以后，相当于把复杂的显卡编程包装成了一个简单的接口，造福了广大程序员。现在主流的深度学习框架基本都是基于 Cuda 进行 GPU 并行加速。”

　　2007 年，英伟达正式推出 GPU 统一计算架构平台 Cuda。这一架构的里程碑意义在于，让 GPU 不再单独存在于个人用户的显卡中，仅为自己的“一亩三分地”工作；而是让 GPU 通用化，把“个人计算机”变成可以并行运算的“超级计算机”。

　　一位不具姓名的自动驾驶技术人士做如上表示。他称，国内不少人工智能公司就是搭了英伟达的便车发展起来的：“所以你看，英伟达一下子占领了两块儿，一块儿是训练端，一块儿应用端。短期内，不可能有人撼动他们的地位。”

　　下一个十年的支撑点

　　2020 年 2 月，美国财经网站用“华尔街为之震惊”，来形容英伟达 2020 财年 Q4 财报上数据中心板块的强势表现——

　　英伟达的芯片销售额达到创纪录的 9.68 亿美元。

　　虽然“游戏”是图像处理与满足神经网络计算的应用与创新源头，也是英伟达必须守住的老本行。

　　但趋于饱和、不断被移动端挤压的 PC 游戏市场，远没有新兴市场带给英伟达的诱惑力更大。

　　根据游戏市场研究机构 Peddie Research 的最新数据，过去近 5 年里，英伟达在 PC 独立显卡市场，一直占据着 70%以上的市场份额，特别是其 Geforce 系列显卡，极受游戏与挖矿产业的欢迎。

　　云，才是人工智能发展的重心，也是英伟达的下一个野心。

　　2019 年年底的 GTC 上，英伟达与阿里、百度等中国企业的高调合作，进一步凸现了 GPU 在云端人工智能算法训练中扮演的重要角色—— “搜索的时代已经结束，智能推荐的时代已经到来。

　　英伟达的 Tesla T4 、V100 等处理器与配套加速软件，发挥的主要作用， 便是为基于亿级数据的推荐算法模型训练进行资源分配、量化与加速。

　　尽管英特尔与 AMD 等竞争对手在这方面的动作不容小觑，但在未来 3~5 年内，但他们的 GPU 解决方案不太可能大幅削减英伟达在数据中心 AI 加速器领域的市场。

　　历史证明，芯片企业是永远不可能睡上安稳觉的。