P1-C3 · 为什么 NVDA 不是 Intel¶
核心一句话
历史最大错过不是技术错, 是战略错。Jensen 2006 下注 CUDA, Intel 那 20 年在保护 x86 利润。
AI 产业知识 — 历史 → 技术 → 产业链 → 商业 → 应用 → 地缘
P1-C3 (Part 1 第 3 章). 学完这一章, 你能说清 NVDA 不是"突然 lucky", 是 20 年布局; Intel/AMD 错过不是技术错, 是战略心智差别。
1. 问题: Intel 90s/2000s 是芯片王者, 为什么 AI 时代不是?¶
2005 年市值: - Intel (INTC): $130B (CPU 王者, 80% 数据中心份额) - NVDA: $5B (游戏显卡, 给玩家用)
2026 年市值: - NVDA: $3,300B (~660x) - Intel (INTC): $80B (~0.6x, 不涨反跌)
差距 4000 倍. 这不是 lucky — Intel 当时有更多钱 / 工程师 / 客户. 它输的是战略, 不是技术.
💡 小贴士: 点击任意 ticker (eg.
NVDA/INTC) 进入它的 Multi-Source Profile — 含产业链坐标 / 上下游 / 关键数据.
C1 你已经知道 NVDA 是历史选王者. C3 给你看Jensen 20 年具体做了什么, 以及 Intel 错过的 4 步.
2. 解决方案: 平台战略 vs 利润保护 — 2 种公司心智的差别¶
| 维度 | NVDA (Jensen 平台战略) | Intel (Otellini / Krzanich 利润保护) |
|---|---|---|
| 看长 vs 看短 | 砍游戏卡利润换数据中心 long-term | 维持 x86 利润, 不动现有客户 |
| 生态 vs 产品 | CUDA 给开发者免费 (锁生态 20 年) | 卖 CPU, 不投开发者工具 |
| 跨界 vs 守界 | 数据中心 / 自动驾驶 / robotics / AI / 游戏 5 条线 | 守 CPU + server CPU, 错失 mobile / GPU / AI |
| 客户教育 | Jensen 亲自 evangelize GPU computing 10 年 | Intel 等客户来买 CPU |
| CEO 任期 | Huang 1993 创立至今 33 年 — 长视角 | Intel CEO 8 年 4 换, 短任期看季度 |
核心: NVDA 押的是"什么 work 我们就 own 整个 stack". Intel 押的是 "x86 继续 work 我们就有钱".
3. 工作原理: NVDA 4 个关键决定 + Intel 4 个关键错过¶
3.1 NVDA 决定 1 (2006): CUDA 发布 — 给开发者 free 编程工具¶
2006 年 NVDA 推 CUDA. 当时 GPU 主用游戏渲染, CUDA 让开发者能用 GPU 跑通用计算 (科学计算 / 图像处理).
短期看: 没人用. 没收入. CUDA 团队成本巨大. 长期看: 全球大学课程开始教 CUDA. 物理 / 化学 / 生物学者用 GPU 跑模拟. 6 年后, 2012 AlexNet 团队用的就是 NVDA GPU + CUDA — 因为没别的选择.
→ 平台 lock-in 不是技术差距, 是 20 年时间差距. AMD ROCm (CUDA 对标) 2016 才出, 落后 10 年, 至今追不上.
3.2 NVDA 决定 2 (2014): All-in 数据中心¶
2014 年 NVDA 数据中心收入 < $200M (vs 游戏 $4B). Jensen 决定 all-in 数据中心: - 砍游戏卡利润率 (G80 → Maxwell 让游戏卡更便宜) - 把工程团队大部分调去数据中心 - 推 Tesla / Volta / Hopper / Blackwell
结果: 2026 年数据中心收入 $35B+/quarter, 是当年游戏的 8x. 游戏从核心变成 side line.
→ CEO 任期长才能做这种决定. 短任期 CEO 不会砍现有 cash cow.
3.3 NVDA 决定 3 (2019): 收购 Mellanox — 买下 InfiniBand¶
NVDA 花 $7B 买 Mellanox. 当时大家以为是"防御性 (锁 NVLink 生态)". 实际是进网络层.
结果: AI 训练 1 个集群 1000+ GPU, 它们之间通信靠 InfiniBand (Mellanox 王者). 现在 NVDA 卖的不只是 GPU, 是整个数据中心 fabric (GPU + DPU + 网络). 这把 Hyperscaler 自研 ASIC 的 moat 拔高 — 你自己做 ASIC 还得用 NVDA 网络.
3.4 NVDA 决定 4 (2024+): Stargate 战略合作¶
$500B Stargate (OAI/Oracle/MSFT/SoftBank) 用 NVDA 芯片. NVDA 同时投资神云 (CRWV $36B 持股, NBIS, CRWV 客户保证).
→ NVDA 不只卖产品, 它塑造市场: 投资 buyer 让 buyer 有钱买 NVDA, 形成 circular financing.
3.5 Intel 错过 1 (2006-2010): GPU 没投¶
Intel 2009 推 Larrabee (x86-based GPU) — 失败, 砍掉. 之后 12 年 Intel 没有 discrete GPU. 2022 才出 ARC 系列, 太晚.
3.6 Intel 错过 2 (2008): Mobile — 拒绝给 iPhone 做芯片¶
Otellini 后来访谈说: "我们算了 ROI, iPhone 量太小, 利润率不够, 拒了". Apple 转向 ARM (TSM 代工), Intel 失去 mobile 整个时代.
→ 看 ROI 看错了 — 不是看现量, 是看 platform shift 谁占位.
3.7 Intel 错过 3 (2014-2020): 数据中心 ML 加速¶
Intel 2016 收购 Nervana ($350M, ML chip), 2019 关. 2019 收 Habana ($2B, Gaudi), 至今没竞争力. 总计 $10B+ 在 AI 收购上花, 全没下文.
→ Intel 心智里 AI 是 CPU 的 extension, NVDA 心智里 AI 是新 platform. 这就决定了买谁 / 怎么 integrate.
3.8 Intel 错过 4 (2020+): Foundry 落后¶
Intel 2020 推 Pat Gelsinger 回任 CEO, 想做 foundry 业务 (跟 TSM 抢). 但 Intel 18A (1.8nm 等效) 2026 才量产, 比 TSM 2nm 晚 1-2 年. AMD / NVDA / AAPL 全用 TSM, Intel 失去这一波.
4. vs C2 你已经会的¶
| 维度 | C2 给你 | C3 多给你 |
|---|---|---|
| 技术 | Transformer + scaling laws 让 LLM 可能 | 不解释为什么哪家公司占位 |
| 占位 | 不提 | NVDA 4 决定 + Intel 4 错过 |
| 投资意义 | 知道 LLM 这次可能不寒冬 | 知道护城河来源 — CUDA 20 年生态, 不是 1 年补得上 |
C2 = 技术 reason. C3 = 公司 reason. 没 C3 你不知道护城河多深, 容易被 "AMD MI300 追上来" 这种噪音吓跑.
5. 试一下: Intel 4 错过的共同 pattern¶
任务: 找 Intel 4 错过 (GPU / mobile / AI 收购 / foundry) 各 1 句话总结, 然后想:
| 共同 pattern | 你 thesis 怎么用 |
|---|---|
| 都是保护现有利润 + 不愿砍 cash cow | 任何 incumbent 在新 paradigm 下都这样 |
| 都是短任期 CEO 决定 | 看 CEO 任期长短预判 long-term 决定能力 |
| 都是看现量 ROI 不看 platform shift | 看公司有没有"愿意当下亏 long-term 赢"的决定 |
Self-check (3 项符合则进 P1-C4):
- 你能用 Intel 失败 pattern 评估 1 个 incumbent (eg. Cisco vs 网络新 AI / IBM vs 云 / Oracle vs SaaS)
- 你能解释 "为什么 AMD MI300 短期不会替代 NVDA"
- 你能列举 1 家公司正在重复 Intel 错过 pattern (你的 short / 不看好 candidate)
6. 接下来¶
NVDA 占位你知道了. 但你还不知道 LLM 内部到底怎么 work — 不知道你就 thesis 不动 (eg. "为什么 NVDA H200 比 H100 卖得贵" 你答不上).
→ P1-C4 · 神经网络 / LLM 直觉 用 3 个比喻把 LLM 讲清, 无数学。
7. 深入 (optional): AMD / Google TPU / Tesla Dojo / 中国 ASCEND 竞争¶
点开看 NVDA 5 个挑战者实力评估
**AMD MI300X** — 2023 发布, 性价比好, 但 ROCm 生态弱. 拿到 META / MSFT $5B+ 订单, 但还是 NVDA $50B 的零头.
Google TPU — 内部自研 10 年. v5e/v5p 性能不输 H100, 但只在 GCP 用 — 不卖, 不影响 NVDA 外部市场.
Tesla Dojo — Musk 2024+ 推. 自研芯片 + dojo 集群. 自用为主, 不卖, 影响有限.
AWS Trainium2 / Microsoft Maia / Google TPU — hyperscaler 自研 ASIC. 短期分流 NVDA 20-30% 内部 workload, 但**通用市场 + agentic 工作负载仍主要用 NVDA** (生态决定).
**Huawei Ascend 910C / SMIC** — 中国市场国产替代. NVDA 失去 ~25% 中国收入, 但其他市场补回. 长期看, 中国市场分割成 2 个 (国内 Huawei + 国外 NVDA).
关键: NVDA 护城河是 CUDA 生态 + Mellanox 网络 + Hyperscaler 战略关系, 不是单芯片. 替代者要补这 3 层每层都 5-10 年, 同时补几乎不可能.