英伟达会面临“大模型训练”市场份额逐渐被蚕食的压力吗？
“AI和机器学习中的模型训练市场不仅日新月异而且竞争激烈，其中“性能”是最关键的因素，能够提供高性能解决方案的公司会更有竞争力。我们预计英伟达会继续保持产品性能的领先地位，并且高性能产品将继续维持其高溢价的定价权。”
英伟达营收增长或许会成为2024财年最大惊喜：
英伟达预计在2024财年的第四季度（该季度到1月截止）的营收将达到200亿美元。这个数字不仅超出了市场预期，甚至还超过了业界半导体巨头台积电对自己第四季度的营收预测。英伟达预测的营收不仅高，而且出人意料地高。
此外，英伟达预期的毛利率也比市场预期高出20个百分点。在半导体行业中，如此短时间内创造如此庞大的利润实属罕见，也引起了投资者对市场竞争格局的高度关注，投资者非常关注其他公司是否/何时/如何能够竞争分走这部分超额利润。
英伟达推出的B100产品性能领先，相较于亚马逊和微软的定制ASIC芯片要明年2月后才量产，在更看重技术能力而非成本的模型训练市场领域，落后就要挨打：
我们预计在接下来的一段时间内，英伟达在以性能为核心的市场（如AI模型训练市场）上将不会面临太大的竞争压力。英伟达新推出的B100产品在性能上相对于其已经领先的H100产品将有显著提升，这将浇灭其他公司的竞争热情。
而亚马逊和微软最近宣布的定制ASIC芯片要到2024年2月之后才会量产，到那时，他们的产品将远远落后于最新技术水平，无法与英伟达的技术相抗衡。而在更看重技术能力而非成本的模型训练市场领域，落后这么多是没有价值的。
英伟达的基因与其他公司有本质区别，每当英伟达推出新产品直接压制了其他产品的吸引力：
历史是未来的序章，英伟达不断的努力已经多次提高了竞争对手的标准。在20世纪90年代和2000年初，GPU供应商有几十家。随着行业的合并，英伟达许多早期竞争对手要么停止运营，要么被AMD、英特尔等公司收购。
在2010年到2014年期间，尽管英伟达的年收入达到了大约40亿美元的规模，规模可观，但相比于英特尔当时的市值（大约是英伟达的十倍，超过1000亿美元），这个市场规模对英特尔来说不足以促使他们投入大量资源进行竞争。在AI成为主流趋势之前，其他大型半导体公司（如英特尔）对GPU市场的投入较少。
到了2014和2015年，当AI开始成为科技领域的热门话题时（从2012年到2015年，AI在风投资金中的份额翻倍），英伟达已经建立了以GPU为核心的垄断性业务。自2006年英伟达通过推出CUDA技术，实际上创造了GPU计算市场，这使得公司的基因与其他公司有着根本的不同。
大约从2015年开始，人们普遍认识到，图形处理的应用场景将迅速扩展到游戏之外的其他领域。我们目睹了创业公司的再次兴起，以及英特尔、AMD以及云服务提供商开始关注数据中心GPU市场，但除了谷歌的TPU，其他竞争产品在训练领域难以与英伟达相抗衡。长期以来，我们对与英伟达类似的解决方案进行了充分的调研，发现其他公司很难追赶上英伟达，他们与英伟达的差距难以弥合。而且我们经常看到，每当英伟达推出更新更强大的产品，提升了行业标准之后，直接压制了竞争对手的产品吸引力。
在推理侧，英伟达的性能自不必说，但成本可能也是应对竞争的关键因素：
在推理市场，虽然性能重要，但控制成本也同样关键：在推理市场上，竞争相当激烈，主要是因为客户非常关注成本。虽然预计英伟达在这方面会表现良好，但客户的主要关注点是如何在保持适当的处理速度（延迟）的情况下，尽可能降低成本。对于大量的推理工作负载，主要客户能够预见未来的工作负载情况，这使他们有足够的时间和动机去进行深入的软件优化，从而使服务成本更低。
推断市场成功的关键因素：对工作负载的深入了解和针对性的硬件/软件优化。在这个竞争激烈的市场中，成功的例子主要是谷歌。谷歌之所以成功，是因为他们比其他任何人都更好地理解自己的工作负载。谷歌在十多年前发明了“Transformer”模型，并且他们的第五代TPU（张量处理单元）硅片针对这种模型进行了优化。由于Transformer模型现在非常重要，谷歌的TPU在市场上非常成功，且这种成功难以被其他公司复制。
此外，大摩还提到了两大关键事件：
1）2024年上半年，英伟达、计划举办B100 GPU的发布会。这个新产品的推出预计会展示英伟达的竞争力，并且可能会导致其产品的平均售价上升。
2）2024年第二季度，英伟达将开始销售配备了141GB HBM3e内存的H200 GPU。这款新GPU预计将再次确立英伟达在大型语言模型推理领域的领先地位。
