"瘋了！"
這是25日許多投資者最直觀的感受。一夜之間，市值暴漲2000多億美元，最高點時市值9763億美元，距離萬億也僅一步之遙。
而受到帶動，整個半導體行業和AI相關的股價如超微、美光、英特爾、阿斯麥、ADM、台積電等等都在集體大漲。
這一切的原因，只是因為一份超出預期的財報。
5月25日，發布2023年一季度財報，之後，原本收跌0.5%的股價在盤後迅速拉升，漲幅一度超過20%。稍晚之後，舉行財報電話會議，隨着更多消息的公布，股價又持續攀升，漲幅一度接近30%。
▲ 英偉達股價變動情況
當然，這個超預期不單單是指財報數據上的超預期，而是透過英偉達的財報，市場發現大家遠遠低估了大模型和AI時代的增長速度。
比如，一季度實現營收71.9億美元，雖然同比下降13%，但遠高於市場預期的65.2億美元。而這個增長的來源，在於AI相關的雲計算平台和大型科技公司對GPU芯片的需求，其中數據中心業務實現創紀錄的42.8億美元營收。
在這樣的背景下，還預計Q2營收將同比增長近33%至110億美元左右，較市場預期高出53.2%。如果實現，這也將是該公司有史以來最高的季度營收。
而這一切數據的意義在於，在這之前，大家雖然對AI和大模型帶來的紅利已有預判，但這種預判一直沒有直觀數據的佐證，這次財報算是將這種預判，徹底砸實了。
一個活生生的案例告訴大家：AI來得比所有人預想中的都要快的多的多。
AI 來得比想象中更猛烈
看的財報，可能很多人會有疑問，明明很多關鍵數據都在下滑，為什麼說「超預期」？
比如，一季度營收71.92億美元，同比下降13%；Non-GAAP口徑下，調整後淨利潤27.13億美元，同比下降21%，EPS1.09美元，同比下降20%。
但實際上，這個數據要放到大的半導體行業周期下來看，半導體行業有三大周期，即產品周期、產能周期和庫存周期。過去兩年、受疫情及半導體庫存周期影響，半導體行業一直都處於趴着的狀態。
所以一季度市場對的預期也不高，比如營收，分析師預期一季度同比下降25%，去年四季度同比下降21.5%；比如每股盈餘，析師預期同比下降32.4%，去年四季度同比下降33%。
所以，雖然一季度營收同比下降兩位數，但跌幅遠低於市場預期，而且環比跌幅也在放緩。能夠很明顯看到，一季度英偉達業績在下跌路上踩下了一個穩穩的急剎車。
而踩下這個急剎車的動力，來自於AI。
英偉達核心業務一共兩塊，一個是遊戲，核心是遊戲玩家鍾愛的4090，但這一塊業務因為宏觀經濟增長放緩造成的需求疲軟，收入一直在下滑。
財報數據顯示，一季度遊戲營收22.4億美元，雖然環比增長了22%，但同比下降38%，而去年四季度更是同比下降46%。但這塊業務，其實也已經比分析師預估的19.8億美元高了13.1%了。
所以這一季度的亮點，更多來自與AI相關的數據中心。
從數據來看，一季度數據中心營收42.8億美元，同比增長14%，環比增長18%，較分析師預期的39.1億美元高約9.5%。也在財報中提到，數據中心收入激增主要是由於使用基於Hopper和Ampere 架構GPU的生成式AI和大語言模型的需求不斷增長。
眾所周知，算力是AI的基礎。
可以說，幾乎所有想要在AI大模型時代有所作為的企業，目前都繞不開的的GPU，包括OpenAI、微軟、Google、亞馬遜等等。一個直觀的例子是，馬斯克為了和OpenAI對壘，成立X AI之後，第一件事就是大量採購的GPU。
在國內，百度、阿里、商湯、訊飛....所有和AI有關的公司，也都是的直接客戶。因為到目前為止，A100和H100仍然是唯一能在雲端高效率執行通用任務的芯片。
▲ 英偉達 A100
有相關公司的高管私下開玩笑表示，現在出門人家都不問你有多少人，有多少錢，而是問你有多少卡，沒有幾百上千張卡，都不好意思說自己是做AI的。
當然，由於一些原因，目前國內無法直接採購到這兩款芯片，為此也專門推出了能夠在國內售賣的A800和H800。
從年初開始，各大AI相關公司都在大力囤貨。5月初，騰訊深網報道，針對中國特供版芯片A800和H800已在國內出貨，並遭到包括服務器、互聯網廠商在內的國內公司「哄搶」，導致A800漲到10萬元一塊，拿貨周期也從原來的一個月左右，延長到三個月甚至更長。
當然，這些過去已經確定的都是過去的事，不足以成為期望，畢竟資本市場購買的，永遠是預期。所以真正引爆股價的不只是一季度的業績，也包括在財報中透露的，對二季度乃至以後的樂觀。
表示：「公司鎖定了數據中心芯片的大幅增長，計劃下半年大幅增加供應。」
預計，二季度營收為110億美元，正負浮動2%。按這個預期計算，二季度營收將同比增長約32.7%，而之前分析師對於二季度的預期只有71.8億美元，同比下降13.4%。所以的業績指引，要比分析師的預期高53.2%。如果這個業績達成，意味着二季度將扭轉收入連續三個季度同比下滑的勢頭。
「計算機行業正在同時發生兩項轉變，加速計算與生成式AI。」英偉達CEO黃仁勛在財報電話會上說；「價值一萬億美元的數據中心基礎設施將升級，以處理加速計算，讓他們運營ChatGPT等生成式人工智能工具。」
顯而易見，AI正在從底層發生改變，而成為了那個最先站在潮頭的公司。
中國半導體，卡位AI芯片
某種程度上，帶動的這一輪股價暴漲，算得上今天關於AI大爆炸最生動的一個註腳。
因為自2022年以來，受宏觀經濟環境和半導體周期影響，全球主流半導體大廠都還處在下行區間，而唯獨一枝獨秀。（這裡不計算做光刻機的阿斯麥）
當然，這樣景象必然也是短暫的，畢竟AI和大模型帶來的紅利，覆蓋的遠遠不止英偉達一家。
比如人工智能從訓練、部署到運作都需要消耗大量的存儲，這可能也將帶動相關芯片企業，如國外的美光、國內的長江存儲等半導體企業的發展。
更直接的當然還是用在雲端加速計算的AI芯片，這一塊是當之無愧的領頭羊，但國內的布局其實也已經相當完善。畢竟在上一輪從2015年開始的半導體熱潮中，AI芯片就是最重要的一個主題，這段時間，國內也湧現了一大批AI芯片公司。
比如大廠中百度有崑崙芯、阿里有平頭哥、騰訊有紫霄；半導體公司中，包括寒武紀、壁仞、燧原科技、墨芯智能等等，其中優秀的芯片設計公司，產品性能已經非常接近的A100 和H100 。
比如壁仞去年發布的通用GPU BR100，7nm製程，芯片16位浮點算力達到1000T以上、8位定點算力達到2000T以上，單芯片峰值算力達到PFLOPS級別。這個數據，起碼在紙面上已經在許多領域超過了在售的A100，甚至比肩H100的性能。這樣的芯片其實還有很多，比如寒武紀的MLU370-X8、墨芯智能的S30、燧原科技的邃思 2.5AI推理芯片等等。
之所以會出現這樣的情況，與國內這兩年芯片發展趨勢有關。由於先進制程的追趕並不容易，再加上摩爾定律的效果放緩，所以國內半導體行業開始開始思考更多可以彎道超車的技術。
比如存算一體、比如通過Chiplet和2.5D/3D堆疊的先進封裝、稀疏計算、或者ReRAM材料/工藝和AI應用潛力的軟硬協同等方式。
前面我們提到包括壁仞、墨芯智能、燧原科技等等，之所以能在7nm製程上就能趕超4nm的性能，核心原因就是Chiplet和2.5D/3D堆疊的先進封裝，以及軟硬結合的技術。
當然，即便在這樣的情況下，得到的產品也只是在「紙面數據」上接近，因為這些芯片公司發布的都是峰值算力，即在實驗室環境下的最好狀態，這種狀態通常在產業應用中很難復現。
而即便是能夠復現，距離真正的產業應用其實也還有一段距離，畢竟對於芯片產業來說，性能上的突破只是萬里長征的第一步，更重要的是讓產業能夠用起來。
這裡就涉及到量產能力、交付能力、基於芯片的軟件開發生態等等，而這些領域，中國的芯片企業還相對比較薄弱。
一位芯片從業者給「自象限」舉了個例子：「這就像兩個Windows系統，性能一模一樣，但一個系統只有系統，另一個系統擁有PS、PR、AR、Word等眾多軟件，現在要讓一個設計公司在兩個系統中選一個，正常人都會選有軟件的。」
作為對比，則有一整套芯片開發工具，包括CUDA、cuDNN、TensorRT、Nsight、CUDA Toolkit等等。更重要的是，由於這套工具已經相當成熟，下游廠商的程序員、開發的應用適配、數據的積累都已經綁定到這些軟件上，讓企業更換芯片成本和門檻都已經變得非常高。
所以，產業的核心競爭力遠遠不只是芯片性能，而是以芯片基礎，通過工具軟件打造的整個生態。
國內企業想要爭搶的市場，就需要開發出能夠兼容的軟件開發系統，讓之前使用的公司，能夠無門檻地將之前的數據、開發成果遷移過來，而這個工作還需要很長的時間去積累。
所以，芯片的戰爭遠不止是尖端技術的競爭，而是一個產業的生態戰爭，萬事開頭難，而中國已經走完了第一步。
-[文:自象限*作者:周乾*編輯:程心/鈦媒體]
