01 · AI Circularity Ledger
NVIDIA掌握芯片周圍的一切

一個帶著記分板的商業循環。
結論是系統控制權
結論很直接:定製芯片可以奪回計算核心,NVIDIA仍能從周圍的整套系統中賺錢。 NVIDIA向MediaTek投資35億美元,MediaTek採用NVLink Fusion,把競爭威脅轉成平臺策略。雲廠商可以設計自己的XPU,同時繼續使用NVIDIA的互連、內存架構、網絡、封裝支持、機架驗證與運維軟件。GPU單位份額可能下降,NVIDIA在整座AI工廠中的經濟捕獲仍可能可觀。
OpenAI的Jalapeño已經說明,專用推理芯片可以在特定負載上勝過通用平臺。8月29日的分析因此把“不可分割的護城河”改成“分層護城河”:計算核心變得可競爭,訓練、靈活負載與周邊系統更難被替代。
NVIDIA與MediaTek宣佈,MediaTek將為雲廠商與前沿實驗室的定製XPU採用NVLink Fusion;NVIDIA同時認購35億美元MediaTek可轉債。MediaTek的公告把合作範圍擴展到芯片、封裝、內存、連接與機架級系統。Reuters報道,NVIDIA認購了MediaTek總額39億美元海外可轉債中的大部分,Alphabet也以未披露金額參與。
當前判斷是 WATCH — COMPUTE_CORE_CONTESTABLE / CONTROL_LAYER_EXPANDING。客戶規模、附著收入、毛利與長期定價權仍是 UNKNOWN。行動不是追逐公告,而是把NVIDIA估值拆成計算、互連、內存、網絡、軟件與資本六層,按每個已部署機架的經濟捕獲重新核算。
定製芯片改變議價邊界
超大規模客戶開發定製加速器,是因為規模讓專用化變得經濟。穩定負載允許客戶刪除不需要的靈活性,把算術與內存路徑貼合自己的模型,並形成內部參考成本。AWS有Trainium與Inferentia,Google有TPU,OpenAI有Jalapeño。每條路線都減少了對單一商用芯片供應商的絕對依賴。
定製芯片無需拿到多數負載就能改變談判。擁有內部成本曲線的買家可以更強硬地談剩餘採購,把通用GPU留給快速變化與前沿工作,把可預測任務送往專用機器。每一代自研芯片還會積累設計、編譯器與運維數據,為下一代降低門檻。
競爭邊界因此移動。NVIDIA不必讓每一次矩陣運算都發生在NVIDIA GPU上;它需要讓客戶在足夠多的系統層繼續依賴NVIDIA,使整套系統仍產生收入與切換成本。
一項定製XPU計劃仍需要高帶寬內存、縱向互連、橫向網絡、主機處理器、封裝、供電、液冷、固件、編排、遙測與驗證。客戶可以逐層自建或採購,但每增加一個接口,集成勞動與失效風險都會增加。NVIDIA出售的,是從一張新芯片圖紙走到穩定生產集群的最短可靠路徑。
所以投資問題要從“多少加速器是NVIDIA GPU”擴展為“AI工廠中多少經濟價值仍經過NVIDIA”。兩者都重要,也可能向相反方向變化。
NVLink Fusion包圍XPU
NVIDIA把NVLink Fusion描述為連接第三方XPU與NVIDIA平臺的半定製架構。其組件顯示了NVIDIA希望掌握的控制面。
NVLink縱向互連讓緊密耦合域中的多顆加速器協同。NVIDIA稱NVLink 6可為每顆XPU提供3.6TB/s雙向帶寬,並把72顆XPU組成一個域;更大的配置仍屬於路線圖。數字在第三方生產驗證前都屬於廠商披露,戰略意圖卻很清楚:客戶擁有計算核心,NVIDIA提供讓許多核心組成一臺系統的互連。
NVLink-C2C連接封裝或模塊內的芯粒。定製加速器可以通過一致、高帶寬接口連接NVIDIA CPU或其他芯粒,接口也會影響封裝、數據移動與後續路線圖。
NVHBM把控制面延伸到內存。NVIDIA為高帶寬內存提供定製base die與控制器,希望提升帶寬、降低功耗並節省XPU晶粒面積。AWS Annapurna Labs被列為首個合作方。AI系統常被內存約束;即使算術引擎屬於客戶,掌握內存路徑的一部分仍可保留價值。
網絡、DPU、MGX機架與驗證覆蓋縱向互連之外。Spectrum-X、ConnectX與BlueField連接不同機架,MGX提供共同的供電、冷卻、網絡與管理。預驗證設計若能縮短調試並減少故障,就擊中了真實瓶頸:一顆能工作的芯片距離一座能工作的數據中心仍很遠。
| 層級 | 客戶可以擁有 | NVIDIA希望保留 |
|---|---|---|
| 計算 | 定製XPU架構 | 可選GPU與CPU |
| 封裝 | 加速器與芯粒 | NVLink-C2C接口 |
| 內存 | 負載專用設計 | NVHBM控制器與架構 |
| 縱向互連 | 計算拓撲 | NVLink fabric與交換機 |
| 橫向網絡 | 數據中心網絡 | Spectrum-X、ConnectX、BlueField |
| 機架 | 部署選擇 | MGX、冷卻、供電與驗證 |
| 運維 | 調度器 | Mission Control、遙測與軟件 |
護城河變得模塊化。客戶可以替換一層,無需替換整個平臺。
MediaTek是異構計算的橋樑
MediaTek帶來芯片設計、封裝、製造與跨設備、汽車、數據中心的客戶關係。NVLink Fusion需要能把客戶需求變成真實芯片的夥伴。NVIDIA提供接口與系統架構,MediaTek幫助設計並交付定製XPU。
35億美元可轉債投資既對齊激勵,也提供資本,同時形成資本回旋問題:NVIDIA資助夥伴,夥伴開發採用NVIDIA控制層的系統,客戶部署系統,新增需求再支持NVIDIA平臺收入與夥伴估值。結構有戰略邏輯,卻不等於經濟成功。
它與8月20日Google與Marvell分析中的模式相似。資本可以加速供應鏈、鎖定設計能力與加深技術協作;若把被資助的生態活動當成獨立需求驗證,也會掩蓋真實需求。賬本必須把債券投資、夥伴交付、客戶現金與NVIDIA附著收入分開。
三個檢驗可以保持誠實:識別無需未披露補貼也選擇MediaTek與NVLink Fusion的客戶;比較流片、量產、良率與機架調試時間;把NVIDIA的互連、網絡、內存和軟件收入與投入生態的資本對賬。Alphabet參與已獲報道確認,但金額與戰略條款未披露,經濟意義保持 UNKNOWN。
Trainium與Jalapeño顯示市場形態
AWS將Trainium描述為用於生成式AI訓練與推理的自研芯片。AWS控制負載、雲分發、軟件、網絡與採購,足以承擔多代芯片計劃。NVIDIA的現實回應不是要求AWS放棄自研,而是爭取周邊層,以及仍重視靈活性與生態的工作負載。
Jalapeño從模型公司方向證明同一邏輯。專用推理引擎可以圍繞已知模型、延遲目標與服務行為優化。生產規模、可靠性、良率與完整成本仍未披露,但技術方向可信。NVIDIA的系統策略接受這一方向,並試圖把自己的接口接到下一顆定製芯片上。
異構市場因此成為基準情景:前沿訓練與快速變化研究繼續偏好通用系統;穩定大規模負載在節省超過設計與運維成本時遷往定製XPU;雲廠商運行混合集群;NVIDIA同時以計算供應商和外部計算的共同系統層競爭。
異構性提高標準與互操作性的價值,也給開放fabric和競爭對手留下入口。只有當客戶認為NVIDIA的集成收益高於替代方案的自由與價格時,NVLink Fusion才會獲勝。公告只是市場路徑,不是標準已經勝出。
資本能加速採用也能掩蓋需求
產品戰略與投資戰略必須分開承保。資本可以縮短夥伴開發週期、預留工程資源、讓客戶相信生態會持續。可轉債與直接購買普通股的風險結構不同,完整轉換條款仍需發行文件確認。
資本也製造反身性:NVIDIA估值上升擴大融資能力,融資擴大生態,生態活動強化需求預期,預期又可能支持估值。只有當獨立客戶為有用系統付款、現金流超過用來創造生態的資本時,循環才健康。
若被資助夥伴互相採購卻沒有獨立終端需求,若部署公告替代已投產系統,或同一預期收入出現在多家公司敘事中,循環會變脆弱。證據鏈必須按順序建立:投資已經確認,定製XPU路徑已經確認;客戶訂單、運行機架、附著收入和實現回報仍為未知。
六個指標決定護城河是否移動
第一,第三方XPU部署:統計客戶設計、流片、量產機架與驗收站點。夥伴公告只證明方向一致。
第二,附著率:統計外部XPU採用NVLink、NVHBM、網絡、CPU、DPU、機架和軟件的比例。逐層份額比單一綜合份額更有用。
第三,每機架經濟捕獲:估算定製XPU機架為NVIDIA帶來的收入與毛利,並與GPU機架比較。收入較低但資本強度也低仍可能有吸引力;收入與毛利同時大幅下滑,則說明控制層無法補償計算核心。
第四,部署優勢:記錄從設計凍結、流片、交付、調試到穩定利用率所需時間。預驗證應降低集成勞動、故障率與延誤,必須由客戶數據證實。
第五,客戶獨立性:跟蹤開放互連、替代網絡、自研內存控制器與軟件可移植性。存在可用替代品後客戶仍重複選擇,才是強控制層。
第六,資本效率:把夥伴融資與附著收入、投資收益、現金回收和信用風險對賬。戰略資本應產生長期經濟捕獲,而不只是更大的公告管線。
| 指標 | 當前證據 | 升級觸發 | 反證 |
|---|---|---|---|
| XPU部署 | MediaTek路徑已公告 | 具名量產客戶與機架 | 一再延期或只停留樣機 |
| 附著率 | 架構已披露 | 分層出貨量 | 客戶避開NVIDIA各層 |
| 每機架捕獲 | UNKNOWN |
收入與毛利披露 | 離開GPU後價值嚴重流失 |
| 部署優勢 | 廠商聲稱預驗證 | 調試時間實測改善 | 無成本、時間或可靠性收益 |
| 客戶獨立性 | 替代方案存在 | 自願重複採用 | 鎖定促使客戶遷離 |
| 資本效率 | 已投入35億美元 | 現金回報與附著收入 | 資助活動缺少終端需求 |
倉位紀律跟隨控制層證據
NVIDIA投資論點現在需要兩張記分表。計算表跟蹤GPU負載份額、價格、訓練需求、推理組合與路線圖表現;控制層表跟蹤NVLink Fusion部署、NVHBM採用、網絡附著、機架驗證、軟件使用與第三方XPU的經濟捕獲。
這樣可以避開兩個錯誤:把每顆定製芯片都當作NVIDIA整機損失;把每份NVIDIA接口公告都當作永久護城河。定製硅可以擴張,NVIDIA也可以保留大量價值;開放標準也可能削弱控制層。
倉位上,保留對前沿系統的當前強度,同時下調對“不可分割推理壟斷”的信心。只有外部XPU規模出貨、且NVIDIA披露有意義的附著經濟時,才升級系統控制論點。若大客戶以非NVIDIA內存、互連、網絡與編排運行自研計算,或系統收入無法補償GPU份額壓力,則降級。
Robin的行動很具體:在現有計算表旁增加季度控制層表;記錄已確認量產,不記錄公告容量;資本交易與客戶需求分開;提高終值前,必須建立從定製XPU到NVIDIA現金流的橋。
芯片仍重要,機架決定芯片能否有用。NVIDIA對定製芯片的回答,是掌握從芯片到服務的更多路徑。投資問題是:當客戶擁有中心之後,是否仍願意為這條路徑付款。
分類與關鍵詞
分類: 人工智能、半導體、投資
關鍵詞: NVIDIA NVLink Fusion、MediaTek定製XPU、NVHBM、NVLink-C2C、AWS Trainium、OpenAI Jalapeño、異構AI基礎設施、AI機架經濟、NVIDIA系統護城河、資本回旋
Hashtags: #AIInfrastructure #Semiconductors #NVIDIA #MediaTek #CustomSilicon