競爭與 DeepSeek 對輝達（Nvidia）的影響 （★ 485 分 🔥）
該文章深入分析了 Nvidia（輝達）股票的投資前景及其可能面臨的風險，從硬體競爭、軟體生態系威脅到新技術突破等角度為核心議題，剖析了 Nvidia 的未來挑戰並闡述為什麼可能導致其估值下跌。本文對 Nvidia 目前的高估值是否合理提出質疑，重點如下：
Nvidia 從相對默默無聞到成為 AI 領域的主要硬體供應商，主要依靠其在 GPU 硬體、CUDA 軟體及 Mellanox 互聯技術等領域的領導地位。無論是 AI 訓練所需的高效能計算能力，還是在推理（inference）階段的計算需求，Nvidia 的產品都在業界佔據壟斷地位。然而，本文作者認為其超高估值（未來銷售估值比約為 20 倍及 75% 毛利率）已經定價過高，並分析多個有可能侵蝕其業務的挑戰。
### 硬體威脅
1. 來自新創公司的顛覆性架構設計：如 Cerebras 推出的晶圓級計算晶片（Wafer Scale Chips）和 Groq 的 TPU（張量處理單元）採用決定性計算（Deterministic Compute）等技術，試圖透過跳過傳統 Nvidia GPU 互聯限制來解決 AI 計算問題，為使用者提供更高價效比的方案。
2. 大型技術公司涉足專屬晶片：Google（TPU）、亞馬遜（Trainium、Inferentia）、微軟和甚至 OpenAI 本身都在開發其專屬晶片，而這些是目前 Nvidia 最重要的高利潤客戶，削減對外部供應商的依賴有可能壓縮 Nvidia 的成長空間。
### 軟體威脅
1. 抽象框架的崛起：新興工具如 MLX、Triton 及 JAX 等正逐漸淡化 CUDA 的核心地位，這類高階抽象層允許開發者不再依賴於 Nvidia 獨有的軟體環境（CUDA），進一步降低硬體切換成本。
2. 程式碼移植能力的進步：LLM（大型語言模型）與高效編譯技術相結合，可能讓 CUDA 程式碼可以編譯並執行於多元硬體裝置（不限定於 Nvidia GPU），從而動搖其軟體鎖定優勢。
3. AMD 低水準驅動更新改進的可能性：儘管 AMD 長期以來因驅動不穩定而失去市場競爭力，但目前新創公司（例：TinyCorp）正主動提高其軟體適配的能力，如果成功，配合其價效比更高的硬體，可能在價格敏感市場壓低 Nvidia 產品需求。
### 技術威脅：DeepSeek 模型的突破
DeepSeek，一家小型中國 AI 創企，最近推出的 DeepSeek-V3 和 DeepSeek-R1 模型震驚業界，展現媲美 OpenAI 和 Anthropic 的效能，但訓練成本僅需其 1/45，且執行效率大幅提升。其主要技術創新包括：
1. 混合精度訓練：採用 FP8 格式進行模型訓練及運算，大幅降低硬體資源需求。
2. 多 Token 預測機制：最佳化的 Token 預測架構提高了推理速度，減少運算延遲。
3. 多專家機制（MOE）架構：有效分解模型參數至多個子模型中，僅啟用必要參數以最佳化記憶體使用，大幅降低推理硬體成本。
更重要的是，DeepSeek 的高效性可能導致市場對 AI 訓練和推理硬體的整體需求大幅減少，這對於依賴硬體成長需求的 Nvidia 來說，可能是一個結構性挑戰。而這些模型的效能與訓練效率的顯著提升，若被大規模採用，可能改變現有的硬體需求曲線。
### 總結
Nvidia 處於 AI 技術繁榮的大背景下，但受限於硬體架構創新、全球主要客戶自有晶片開發、軟體鎖定優勢動搖及競爭對手在技術層面和效能的突破等多重威脅，其未來成長可能未必能持續維持目前市場預期的樂觀評估。文章作者認為，目前市場對 Nvidia 的估值過程中忽略了這些潛在風險，其股票也因此存在下行壓力。
👥 293 則討論、評論 💬 🔥
https://news.ycombinator.com/item?id=42822162