红周刊特约
王天一
英伟达未来的构想是走向产业链下游，由原来单纯的设备供应商再增加服务提供商，其自建或合建的算力中心就会把原来多倍的资本支出缩减到千分之一，市场份额将随之增加5倍左右，这对供需双方将是一个双赢的方案。
随着英伟达年一季报的公布，其市值突破万亿美元大关，与苹果、微软、Google的母公司和亚马逊并列成为五大巨无霸科技企业之一，这五家公司合计占了标准普尔市值的25%，相对科技股集中的纳斯达克指数上涨了33%，标准普尔指数只涨了11.5%。如果投资者错过了英伟达今年%的涨幅，还可以在高点继续买入吗？本文将从算力供需侧、护城河、挑战等多维度对比，评估其投资价值。
需求侧：
AI算力需求增长超预期
翻倍时间缩短到3.4个月
摩尔定律是由英特尔创始人之一戈登·摩尔于年提出，描述了集成电路的性能和功能随时间发展的趋势，并在随后几十年中得到验证和延续。
从计算能力增长来看，人工智能经历了两个时代，从年到年，大致符合摩尔定律的结果，翻倍期为两年左右。从年到现在，算力的增长大大超过了摩尔定律。
根据openAI在年5月发表的题为人工智能和计算的研究报告，从年以来，人工智能训练运行中所使用的计算量呈几何级数增长，翻倍时间缩短到仅仅为3.4个月,6年里算力增长了30多万倍，如果按照传统的摩尔定律（2年）算力只能产生7倍的增长。
算力需求的增长一直是人工智能进步的一个关键组成部分，如果这种趋势继续下去，就需要为远远超出今天能力的需求做好准备。
ChatGPT的最新发展也印证了5年前的结论。表1列举一下不同版本的参数，根据Semafor的报告，GPT-4的规模约为GPT-3的六倍，有大约1万亿个参数，此外训练数据量也在同步增长。参数从最初的1.17亿已经增长到1万亿，5年里增长了5.2万倍，基本符合之前的假设。
由于今年仅仅是人工智能自动生成内容（AIGC）繁荣的开始，更多的互联网企业投入其中，这个趋势会继续下去。基于这一分析，更多的资本支出会投入到这一蓬勃发展的领域，由于人工智能研究计算密集性增加，也因此会变得资本密集，成为只有少数公司才玩得起的像F1赛车那样的贵族运动，投资前景引人担忧。
供给侧：
“*氏定律”挑战摩尔定律
AI硬件处理能力有望每年增1倍
摩尔定律的基本观点是，在相同的芯片尺寸下，集成电路上可容纳的晶体管数量每隔约18~24个月就会翻倍，而其造价也会相应减半。这意味着处理器性能将在相同的物理空间内呈指数级增长。
摩尔定律在推动半导体产业的快速增长和创新方面具有重要作用。随着晶体管密度的增加，芯片变得更加强大、更小、更快，并能执行更复杂的计算任务。这为计算机技术的进步提供了基础，推动了个人电脑、移动设备、互联网和人工智能等领域的迅速发展。然而，随着时间的推移，摩尔定律也面临着挑战和限制。随着晶体管尺寸逐渐接近其物理极限，以摩尔定律的速度继续增加晶体管密度变得越来越困难。此外，高度集成的芯片会产生热和功耗问题，导致散热和能效方面的挑战。
伴随着微芯片组件变得越来越小，芯片的进步越来越难以满足摩尔定律的速度要求时，年以后，芯片的处理能力需要20年才能翻一番，人们普遍认为摩尔定律已经成为过去。
面对统治半导体领域超过半个世纪的经验定律，英伟达首席执行官的*仁勋在加利福尼亚州圣何塞举行的年GPU技术大会上提出了颠覆性的*氏定律，他观察到英伟达的GPU比5年前快25倍，即人们通常所说的GPU硬件性能每年翻倍。而摩尔定律预计只会增加接近10倍级别(按照18个月考虑)。
英伟达公司首席科学家兼研究部高级副总裁BillDally在年3月举行的美国橘郡计算机学会演讲中给出了更具体的答案：单个GPU的计算能力在8年内提高了倍，GPU推理性能确实是每年翻一番，对比摩尔定律在商业上统治芯片半个世纪，GPU未来高速发展才刚刚开始。（见图1）
5年后算力价格或仅为当下2.5%
降价有望新增多倍市场空间
如果GPU的性能是技术领域的竞争，那么从供给来看，主要