Nvidia的AI势已不止于GPU

过去几年，关于 Nvidia 的主流叙事很清晰：AI 热潮初期，它是唯一能提供最先进 GPU 的厂商，随着行业扩张赚取巨额利润。后来 Amazon、Google 等云厂商开始自研芯片，Nvidia 不再是唯一选择，投资者开始怀疑它的护城河还能维持多久。

本周 Nvidia 发布财报后，新叙事逐渐成形：优势远不止 GPU。随着 AI 计算规模走向吉瓦级，编排（orchestration）变成一项极为复杂的任务。Nvidia 已经为此构建了大部分最先进的配套硬件，让 GPU 周围的一整套系统也成了壁垒。

具体到产品，Nvidia 正在推出的 Vera Rubin 架构把 Rubin GPU 与一系列其他单元配对，包括 Vera CPU、Groq 3 LPX 推理加速器，以及用于存储和网络的同规格机架。这些系统极为专门化，它们不负责消耗 tokens，而是确保 GPU 之外的一切尽可能高效。Vera CPU 的核心任务就是数据编排。Nvidia 存储技术副总裁 Jason Hardy 解释：单个服务器能容纳的内存有限，数据中心扩展算力时，内存容量也在涨，但让数据在正确时间到达 GPU 并不容易。随着各方把 tokens-per-watt 越压越低，这种流量调度的重要性越来越高。Hardy 称，Vera CPU 让这些操作获得 3 倍改进，使得闪存不再成为瓶颈，能充分发挥性能。

Nvidia 之外也能看到同样的思路。OpenAI 设计 Jalapeño 芯片时，主要目标是通过最小化数据移动来避开这些挑战。OpenAI 在自己的博客里说，Jalapeño 的大域让整个工作负载留在同一个连接系统内，从头到尾保持快速高效。这与 Vera CPU 的路径不同，但逻辑一致：不靠更多处理器周期，而是靠更聪明的数据流量控制来提升效率。

这为竞争打开了一个全新层次。Nvidia 仍然要和对手芯片厂商、云厂商竞争，但与 GPU 时代不同的是，挑战的重点已经转移——造一颗能对标的 GPU，不再比让整套系统高效运转更重要。至少在早期阶段，Nvidia 看起来保持着明显的领先。