Rain科技5月16日消息，GPT问世近4年来，市场最大的赢家并非OpenAI，而是被誉为“AI卖铲人”的英伟达（NVIDIA）。这家公司不仅业绩暴涨，仅靠销售AI显卡便将市值推至5万亿美元，并正逼近6万亿美元大关。这一成就背后，反映的是英伟达在AI算力硬件领域近乎垄断的市场地位。
英伟达为何能成为AI时代的主要赢家？这与其技术实力和市场竞争格局密切相关。目前，各大科技巨头正在建设的AI数据中心，几乎都在为英伟达创造巨额收入。根据行业测算，一个1GW算力的AI数据中心，约60%的预算会用于购买英伟达显卡。换句话说，无论哪家公司建设AI基础设施，英伟达都能从中获得可观的分成。
AI研究机构Epoch AI对典型1GW容量AI数据中心的拥有成本进行了详细测算。结果显示，前期建设需要高达380亿美元的资本开支，而运营费用相对较低，每年仅需9亿美元。但如果将资本开支按资产寿命平摊，则该数据中心的年化总成本可达85亿美元。其中，服务器（模型假设全部采用英伟达GB200 NVL72系统）构成了绝对的成本大头，每年折旧成本高达50亿美元，占总支出的60%。这一数据凸显了GPU硬件在AI基础设施中的核心地位。
相比之下，日常运营开支在整体账本中显得微乎其微。很多人此前担心电费成本过高，但实际上，即便能源支出占比最大，每年也仅为6亿美元。这反映了AI数据中心的主要成本集中在硬件采购与折旧上，而非日常运维。
Epoch AI的研究还指出，折旧年限对总成本影响显著。当前假设IT设备寿命为5年，数据中心设施寿命为14年。如果将IT设备的生命周期缩短至3年，数据中心的年化总成本将飙升至120亿美元；若延长至7年，则可降至70亿美元。这一差异解释了为何许多科技巨头倾向于延长设备折旧年限——从而让庞大的AI投资在财务报表上显得更为“美观”。然而，从技术迭代的角度看，以当前AI发展的速度，GPU显卡很难撑到7年才被淘汰。能做到5年不落后已属不易，更可能的情况是，3年后当前的GPU就已经不再具备经济竞争力。
从更宏观的角度分析，英伟达的崛起不仅源于技术领先，还在于其构建了强大的生态壁垒。CUDA软件平台、TensorRT推理优化框架以及广泛的开发者社区，共同形成了难以复制的竞争优势。此外，随着AI模型规模的持续扩大，对算力的需求仍在快速增长，这为英伟达未来的业绩提供了持续支撑。当然，AMD、英特尔等竞争对手也在奋起直追，甚至一些云服务商（如谷歌、亚马逊）也在自研AI芯片，这可能会对英伟达的市场份额形成潜在威胁。但就目前而言，英伟达在AI训练和推理领域的综合优势依然明显。
