日前，英偉達官方發佈了一則第二季度業績預發佈消息：由於遊戲業務低迷，其第二季度的營收預計67億美元，基本與去年同期持平，比2022年一季度下降19%，遠低於英偉達之前給出的81億美元指引目標。
但如果你足夠了解英偉達，就會發現這次“下滑”並不可怕。
首先是行業整體表現的原因，根據國際知名諮詢公司IDC的統計，二季度全球PC出貨量同比下降了15.3%。市場的不景氣對芯片公司有着明顯的負面影響：同為芯片巨頭的英特爾二季度營收環比下降了17%，同比下降了22%。
其次是英偉達自己之前的業績上漲實在太“兇猛“，即便二季度預計營收只能達到67億美元，仍是2019年和2020年同期的260%和174%。從倒退幅度看，上一次，也就是2018年虛擬貨幣“崩盤”導致的顯卡市場“礦難”中，英偉達營收水平倒退了6個季度，這次只倒退了4個季度，環比跌幅更是從2018年的31%縮小到了19%。
整體業績表現更“堅韌”的背後，是英偉達歷時十數年完成的顛覆性轉型和升級——從圖形計算市場偏安一隅的 “小”龍頭，變身為引領全球加速計算市場的“大”龍頭。
這一趨勢也清晰地表現在營收結構的變化上，從2020年末開始，數據中心業務已經成為了英偉達營收增長的新龍頭，並在2022年一季度再次在數額上超過遊戲，成為英偉達佔比最高的營收板塊。
在即將來到的第二季度財報中，沒有被虛擬貨幣衝擊的應為數據中心業務大概率還將超過下滑的遊戲業務，從而形成較為誇張的差距。僅憑這樣一個季度結果，還不足以解釋核心問題：英偉達的未來增長是否具有確定性？
英偉達未來發展的基礎：通用計算全棧矩陣
回顧英偉達的發展史，英偉達CEO黃仁勳向來頗具“遠見”，在30年前創立之初就能預見計算機發展帶來的巨大圖形計算需求。在圖形市場發展如日中天的情況下，在2004年前後再次預見了通用計算的廣闊應用前景。
在這之前GPU僅僅只處理圖形需求，英偉達官方為此專門開發了底層的調用機制和各種軟件庫，讓開發者可以把GPU中大量的計算能力利用起來。“專用”轉向“通用”的關鍵決策，不僅改變了英偉達之後的發展軌跡，還讓整個行業協作孵化出了人工智能這一關鍵發展方向。
為了讓“通用計算”這一構想成為現實，英偉達“堅持”了十多年，各種創新協作壓根沒有停過，最終才獲得如今的成績：
2006年，從過往專用的GPU（圖形處理器）全面轉向GPGPU（通用計算圖形處理器）；
2007年，GPGPU被正式命名為CUDA（統一計算架構），開發者只需要用簡單編程語言就可以調用GPU計算；
2008-2013年，推動與全球範圍科研機構院校合作，在眾多場景中應用GPU算力；
2014年，機器學習、計算機視覺首次出現在英偉達GTC上；
2015年，重點發布了自己在自動駕駛方向的產品NVIDIA DRIVE和技術佈局；
2016年，再度更新GPU架構，升級人工智能方向上的加速計算和自動駕駛產品，開始以官方身份大規模開發軟件生態；
2017年，再度更新GPU架構，祭出英偉達自己為AI打造的系統解決方案DGX和GPU雲計算方案；
2018年，升級各個業務線的所有產品，深化AI領域的軟件生態建設；
2019年，收購全球高性能網絡技術公司Mellanox，發佈光線追蹤技術，全面搭建以英偉達CUDA技術為核心的雲端生態系統，全面提升數據中心業務的產品表現和靈活性；
2020年，更新GPU架構，發佈首款數據中心專用的DPU處理器，更新升級了包括顯卡、自動駕駛、數據中心在內的所有業務芯片，同時第一次發佈AI數據中心整體解決方案；
2021年，發佈首款基於ARM架構的CPU產品Grace，首次組成“CPU+GPU+DPU”的超級組合。
2022年，更新GPU架構，再次全面更新所有產品線中的芯片。
這份不求短期回報的堅持，最終培育出了英偉達當前發展的核心——“通用計算全棧矩陣”。
你可以將這個矩陣理解為英偉達多年以來創新的積累，在這個巨大的多層平台上，是氣象、醫療、語音、工業設計、專業圖形處理、機器人、視頻分析處理等典型人工智能賽道中的多種軟件產品和解決方案，背後還有着上千萬的開發者和全球近萬家使用英偉達技術的創業公司。
英偉達早年精力都放在GPU的研究設計上，旨在解決計算機的圖形計算問題。直到GPU通用計算曙光的出現，英偉達轉而將全部精力投入到了通用計算產品和生態的扶持中去。截止目前，英偉達已經擁有一個產品眾多，結構複雜，橫跨不同行業、應用場景和解決方案的通用計算全棧矩陣。大致可以分為四層：
1. 底層硬件：芯片、服務器、網絡互聯硬件；
2. 底層軟件：驅動軟件、計算基礎組件；
3. 框架軟件：計算通用工具、算法庫；
4. 實際應用：模型算法、領域應用、場景應用。
硬件最好理解，從邊緣領域的SoC，到傳統的遊戲顯卡和加速卡，再到無限拓展的雲端解決方案，甚至是目前地球單機並行運算能力最強的超級計算機中，都有英偉達統一微架構的GPU處理器。不同物理尺寸、不同芯片數量、不同算力等級的硬件可以相互組合協作，組成各式各樣的解決方案對應不同行業和應用場景。
以目前 “GPU、CPU、DPU” 的三大件組合為例，自研的ARM服務器CPU和強大的網絡基礎能力，讓英偉達能夠跳脱於傳統GPU的硬件，對雲端的通用計算解決方案進行全面的優化。以系統通信能力為例，遠超傳統PCIE通信速率的英偉達NVLink通信技術，不僅能將GPU中的算力和數據無縫連接、就連英偉達的Grace ARM處理器也可以和GPU相互連接，大大降低了構建超大型通用計算集羣和運行超大規模AI計算的門檻。
強大的全棧硬件能力，讓英偉達輸出的產品從過去的GPU、顯卡一下子躍進為全球頂級的超級計算機制造商。以今年春季的GTC上發佈的EOS超級計算機為例，就裝備了576個英偉達DGX H100系統，其中包括4608個H100圖形處理器，500個Quantum-2 InfiniBand 交換機；以及360個 NVLink 交換機。
強勢的硬件能力之上，還有龐大的軟件和應用生態，其中最重要的就是肩負聯通通用計算軟硬件的CUDA（統一計算架構）。
從2007年首次發佈至今，15年的時間裏，CUDA已經更新了23個正式版，將英偉達不斷演進的GPU通用計算芯片的能力完全釋放出來，讓越來越多通用計算應用成為可能，同時還支持了外部開發者和企業進行相關的探索，扶持了整個外部開發生態。
為了架構起復雜的軟件能力，幫助儘可能多的客户使用上通用計算加速能力，英偉達已經成為了擁有最多軟件工程師的半導體公司，軟件工程師數量幾乎與負責造芯片和解決方案的硬件工程師數量一樣多。
相應的，在英偉達自我應用探索、客户和第三方軟件項目落地中獲得的反饋和最新趨勢，也能作為英偉達優化自身硬件開發的“遠見”，從而形成一個軟硬件相互促進的正向循環。
一個最好的例子是英偉達在2018年為GPU引入的Tensor Core，它能夠比普通GPU核心更高效執行AI運行所需要的矩陣數學運算，同時還能提供更低精度、更高算力的運行模式，極大地推動了高算力AI應用的發展。
完整的體系化創新能力與推進，讓英偉達在“通用計算全棧矩陣”上低成本（相比專用路線）、高效地拓展了許多業務賽道，並且往往還會掀起賽道內的“顛覆”，數據中心就是一個最好的例子。
成為全新“頂樑柱”的數據中心
2012年穀歌首次利用GPU通用計算能力，打造出了一個能夠識別10萬種物體的神經網絡，由此開啓了新一輪的人工智能浪潮。
在各種技術創新和應用嘗試此起彼伏的過程中，也給計算力和計算成本提出了新的需求：為了解決更復雜的問題，需要計算機同時處理更多的數據，構建更復雜的神經模型，計算力必須要更大，同時計算成本還必須降低，而且幅度必須是指數級的。
這個幅度一點都不誇張，以當前人工智能行業內目前發展最快的、主要用於解決自然語言處理（NLP）的神經模型Transformers路線為例，其神經網絡規模在2年內就擴大了275倍，相應地計算需求增長甚至超過300倍，計算成本顯然也不允許以這種速度增長。
英偉達對於這一趨勢顯然也有所遠見，2016年就推出了全新的DGX和HGX產品系列，專門解決客户的雲端高性能GPU通用計算需求。為了滿足雲端使用的實際需求，2019-2020年還擴充了ARM處理器和網絡通信產品，並隨之推出了數據中心級整體解決方案。
在前兩個月更新的全球超級計算機排行榜中，英偉達不僅是Top100中唯一入選的企業組織（其他均為國家實驗室和機構），Top 500榜單中使用英偉達產品的比例也達到了71%的新高。
強大的GPU處理器產品是英偉達在超算中佔比越來越高的關鍵，接棒前輩V100和P100、成為最受歡迎的超級中心GPU處理器的A100 GPU處理器，其內部微架構專門為人工智能計算進行了優化，在低精度運算場景中能夠提供遠比上兩代的處理性能。
算力更強大的同時，A100還是首個支持彈性計算技術的GPU，簡單點説能像孫悟空一樣分身，將自己虛擬成數個獨立GPU分別利用，提升雲端的利用效率。強大的分身能力還讓A100 GPU實現了人工智能不同處理階段的“通吃”：數據分析、訓練和推理都可以在同一套硬件基礎上實現。
在強大的A100 GPU之上，英偉達也更新了自己的各個產品業務線，推出了包括服務器單元HGX A100、超算模塊DGX A100等新升級的硬件，徹底打開了人工智能數據中心這個市場。
哪怕到A100發佈兩年之後的今天，使用這款芯片的數據中心硬件仍然在深度學習行業測試中覆蓋全部項目，並且在大多數項目中遙遙領先（MLPerf是目前權威性最大、影響力最廣的國際AI性能基準測試，地位相當於全球AI領域的“奧運會”）。
包括騰訊、阿里、京東、美團在內的中國互聯網公司們，都是英偉達的客户。以美國互聯網龍頭Meta（Facebook）公佈的“全球最快AI超級計算機”建造計劃為例：Meta將從英偉達直接採購760台DGX系統，其中包含共計6080塊 A100 GPU加速器，價值高達2.5億美元。
在英偉達即將公佈的第二季度財報中，數據中心業務大概率就將取代遊戲成為最大的營收來源，並且保持上相當長一段時間。
持續創新是最好的策略，沒有之一
基於“通用計算全棧矩陣”這個發展核心，英偉達仍在持續推動新“創新”，以換取更多發展中的遠見。
以2021年曾轟動一時的中國“發現引力波”事件為例，作為人類天文學上的里程碑事件，它的探測過程同樣是藉助GPU通用計算來完成，首先在虛擬環境中模擬引力波的發生過程，並且給出一個引力波的標誌性特徵，然後科學家再從無數的數據中找到這樣的波形。為了這次探測，英偉達也提供了全面的技術幫助。
而在更加實際、更加產業化的應用場景，例如公認英偉達未來最廣闊的人工智能市場中，英偉達所做的還不止是提供技術支援，在官方自己同步探索重點應用場景解決方案的同時，英偉達還和客户形成了非常緊密的聯繫。
例如對於人工智能機器人，英偉達就專門打造了ISAAC（自動化移動機器人）平台，不同行業、不同機器人外形、不同需求的用户都能通過這個平台讓自己的機器人變得更加智能和高效。
這些客户在實際使用過程中需要面對的核心挑戰是功耗和成本問題，英偉達在明確這個需求之後，對機器人端的硬件持續做嚴格的功耗成本控制，同時還創造性地提供了在電腦端、甚至雲端虛擬訓練機器人神經網絡模型的解決方案。用户完全可以在虛擬中完成對於機器人的真實場景訓練，在訓練完成之後實現一鍵部署。
在今年的春季GTC上，黃仁勳再次提出了“Million-X”計劃，核心思想在於在解決一些高性能計算或者科學計算任務的時候，在不斷更新的GPU底層架構，結合人工智能的一些應用或者方法的共同作用下，相對以前的方式能夠獲得甚至達到百萬倍的應用程序整體的性能加速，從而更好地推動科學計算、高性能計算，來解決現實中許多的計算應用難題。
其中由英偉達自己牽頭的，就是在英偉達自己的數字孿生世界Omniverse中構建了一個地球的數字孿生兄弟。通過世界上最強大的人工智能超級計算機的模擬，來提升氣象預測的模型精準度，包括預測全球變暖對全球不同地區的影響，為人類在區域層面規劃和緩解這些變化提供幫助。
英偉達還專門預留了收集更多“百萬倍計算挑戰”的入口，包括用人工智能將藥物研發加速720倍，監控預測南極洲陸地環境變化，推演新冠病毒變異機理和趨勢，萬億原子量子精確分子動力學模擬在內的項目已經加入。
這些頗具未來屬性、影響註定深遠的新項目，很多或許不會成功，也不能給帶來更多潛在的收入。但在基礎的可能性之上，英偉達必然會將其中的一部分項目一步步變成現實，成為發展的新燃料。