Nvidia的AI优势正超越GPU

# 英伟达的AI优势正超越GPU范畴 | TechCrunch 来源：https://techcrunch.com/2026/08/29/nvidias-ai-advantage-is-moving-beyond-the-gpu/ 本周之前，关于英伟达的主流叙事大致如下：在AI热潮初期，英伟达是唯一能提供尖端GPU的厂商，随着行业规模扩张，这些芯片带来了巨额利润。而近年来，亚马逊、谷歌等超大规模云计算企业开始自研芯片，英伟达不再独占鳌头，这让许多投资者质疑其优势的持久性。 这一叙事极具说服力，且基本属实。2023年初至2025年中期，英伟达市值增长了10倍；但在过去一年里，由于市场对GPU竞争加剧的担忧，其股价走势趋于平稳。 自该公司周三发布财报后，新的叙事正在形成：投资者逐渐意识到，英伟达的优势远不止于GPU。随着AI算力需求迈向吉瓦级规模，系统编排已成为日益复杂的任务。英伟达构建了处理此类任务所需的前沿硬件体系，这使其在围绕GPU构建的系统层面占据巨大优势——即便在GPU本身面临更激烈竞争的情况下。 尽管市场上不断出现"算力将沦为普通商品"的论调（https://www.cnbc.com/2026/08/11/ai-computing-power-becomes-a-tradable-asset-class-as-cme-starts-futures.html），但要让超大规模数据中心以最高效率运行依然极其困难。随着部署规模扩大且速度加快，这项挑战只会日益艰巨。 ## 逐机柜解析 仅从英伟达当前销售的具体细节就能窥见其战略方向。该公司正在推广Vera Rubin架构，该架构将Rubin GPU与一系列组件配套，包括Vera CPU、Groq 3 LPX推理加速器以及类似规格的存储与网络机柜。 过去一周，我与英伟达技术团队深入探讨了这些系统的实际功能，结果令人惊讶：与Rubin GPU本身类似，它们都是高度专业化的系统，但其使命不是处理数据运算，而是确保GPU外围所有组件高效协同工作。若将GPU比作引擎，这些系统便是确保整辆车顺畅行驶的传动与控制系统。 英伟达存储技术副总裁杰森·哈迪指出，Vera CPU尤其专注于数据编排问题："Vera之所以关键，是因为单台服务器或计算平台所能承载的内存存在物理极限。" 随着数据中心算力规模扩大，内存容量也在同步增长，这正是美光等公司在基建热潮第二波中获利丰厚的原因。但如何确保数据在恰当时机送达GPU并非易事——尤其当企业力求降低每瓦特能耗的token产出时，流量调度的重要性才真正显现。 "我们观察到Vera CPU参与加速的操作效率提升高达3倍，"哈迪表示，"这意味着我们能充分发挥闪存的性能潜力，在不造成系统瓶颈的前提下释放全部计算力。" 类似问题同样出现在英伟达体系之外。OpenAI开发"哈瓦那椒"芯片时，核心目标正是通过最小化数据迁移来规避这些挑战。该公司在本月早些时候的博文中强调（https://openai.com/index/jalapeno-first-results/）："我们设计该芯片时着重优化数据流动与通信延迟，其大域架构允许整个工作负载驻留在单一互联系统内，从源头上减少数据搬运，确保请求处理全流程保持高效。" 这是一种不同的解决方案——通过在单一集成芯片内完成运算彻底避免数据迁移。但底层逻辑相通：与其单纯增加处理器周期，不如通过更智能的流量管控提升效率。这开辟了基础设施竞争的新维度。 新的数据编排竞争对英伟达而言并非稳操胜券。该公司需要像应对GPU竞争那样，与芯片制造商和超大规模云计算企业展开博弈。但竞争已转移至新层级：打造对等GPU的重要性，已让位于构建高效协同系统的能力。 而至少从初期态势来看，英伟达显然已建立显著优势。 *通过文中链接购买商品，我们可能获得小额佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/），但这不影响编辑内容的独立性。* 拉塞尔·布兰德自2012年起持续关注科技行业，聚焦平台政策与新兴技术领域。此前任职于The Verge与Rest of World，曾为Wired、The Awl及MIT Technology Review撰稿。联系邮箱：[email protected]，Signal账号：412-401-5489。 查看作者简介（https://techcrunch.com/author/russell-brandom/）