这是黄仁勋在2009年的一段采访，回忆当年17岁的他，向当时的女朋友夸下海口，要30岁当上CEO。1993年，英伟达在美国的硅谷成立，他的目标自创业初就很清晰——图形芯片。但成立不久，公司差一点就“出师未捷身先死”了，一度面临破产不到30天。

那创始人黄仁勋是如何一步步带领公司走出困境，逆势成为芯片霸主？它的护城河到底有多深？为何AMD的人工智能芯片市场不买账？大家好，欢迎来到美股投资网，我是凌云。

2016年，他把自己生产的超算机器捐给了一家叫OpenAI的初创公司，正是从这台机器上诞生了震撼全球的ChatGPT，老黄两周前到台大去演讲，演讲的内容被无数人转载点赞，演讲的主题是正视错误及时止损，正是因为这个生存智慧，黄仁勋一次又一次把英伟达从危险边缘拉回来，非常值得我们去学习，尤其在股市投资中，我们需要正视自己，错误的事情，不要坚持，及时止损可以避免出现更严重的损失。

1993年，英伟达的创始团队都是技术大牛，红杉资本啊，在他们创业伊始就进行了投资，日本的游戏巨头世嘉也把超级订单给了这个初创团队。

世嘉，咱们这个年纪的人都还知道啊，像什么魂斗罗、街头霸王，樱花大战都是他们的作品，世嘉还研发了家用游戏机-土星。一边拿着巨额投资，一边接到顶尖公司的订单，你说这个黄仁勋的创业算不算是完美开局？

但是。故事就这么变成了事故！

呕心沥血研发两年，眼看公司第一款产品NV1就要完成了，结果微软宣布即将推出的Windows 95系统上的游戏接口、技术路线与这个NV1完全不一样，可以说是互不兼容。这对黄仁勋来说绝对是晴天霹雳啊。放弃Windows 95意味着什么？

那就意味着放弃全世界电脑游戏的玩家，关键是这时候公司的钱也快花光了，怎么办呢？团队其他人给出的方案是，咱们现在赶紧把NV1研发完成，交给世嘉，拿到合同金，然后呢，我们靠这笔钱再研发新的芯片，这个是最稳妥的做法。

但是黄仁勋的决定超出所有人的意料，马上停掉NV1的研发，立马掉头研发新的芯片。听到这个决定啊，团队都傻了，产品是客户要做的，钱都已经投入了，说什么都应该把合同先完成吧？

黄仁勋的思路非常清晰，在他看来呢，Windows决定了接下来十年乃至更久的行业规则，不跟着他走，走的越远，错的越多，在错误的路上浪费时间，这才是最大的成本。黄仁勋不但自己停下了研发，还找到了客户世嘉啊，我们认为我们的产品研发方向错了，你们的产品方向也错了，现在咱们俩最合适的方式就是马上停止，你猜怎么着？英伟大家没有如期交货，但是世嘉却付了钱！

他们认为啊，这位及时止损的伙伴判断实在太准确了，而且呢，研发下一款产品的任务还是交给了英伟达，正是靠着世嘉的这笔钱啊，1997年，英伟达推出了第三代产品（Riva 128），不但支持新的行业标准，速度更是竞品的四倍，第三代产品上市四个月就卖出了100万片，让英伟达在行业当中站稳了脚跟。

这之后呢，黄仁勋一直跟着微软大哥吃香喝辣，直到2010年智能手机时代来临，英伟达再次来到了十字路口，英伟达一直贯彻的理念呢，就是把这个芯片的算力堆砌到极致，所谓的算力，顾名思义就是计算能力。但是手机的空间太小了，装不下英伟达这尊大佛。

2011年，英伟达推出的第三代手机芯片图睿3，相比前代性能整整提升了3倍，已经日薄西山的HTC啊是如获至宝，决定靠着图睿3打一场翻身仗。于是呢，在最新的旗舰机当中搭载了图睿3。

结果悲剧随之诞生。英伟达的芯片因为需要巨大的算力，对散热有着极高的需求，图睿3装到HTC手机之后，发热问题非常严重，旗舰机变成了问题机，HTC是万万没想到请来的白衣骑士，最后竟然变成了自己的筷子手。2015年，英伟达毫无挣扎，直接宣布正式退出手机市场，全力奔赴电脑显卡。

黄仁勋的说法是什么呢？算力高、体积小、性价比，这是GPU的不可能三角。

英伟达跨入手机行业就是个错误，我们的目标是为全世界的电脑提供最高算力，哪怕从大众市场变成专业市场，但这就是英伟达的追求。

其实黄仁勋成功第一个要谢那些爱打游戏的人。老黄高中就迷上了打游戏，那是90年代，游戏行业有个头疼的问题啊，电脑的硬件CPU不太行，游戏设计的再好啊，机器带不动怎么办啊？英伟达第一个想到的办法，它发明了GPU，单独出来的一个图形处理器，CPU，GPU都是咱们常说的芯片，CPU是通用芯片，就是电子产品的大脑，要干的事情很多，基本上什么都得管，而GPU呢，是专门拿来处理图像数据的显卡芯片，

这么说吧，没它呢，你再好的技术打游戏也要被卡死。现在一张好显卡要卖上万块，有时候加价还买不到。但是GPU的本事可不只是游戏，它代表了一种跟CPU不同的算力。不管是超级计算机、生物医疗，还是金融、国防、挖矿，一切需要大数据计算的项目都需要算力，需要GPU。

到2020年，全球八成的云计算和数据中心都由英伟达的GPU驱动。现在最火的是什么？人工智能！本质上是什么呢？就是给电脑为数据，让他学习学习再学习，那就必须要用到GPU的算力。

2023年最火的人工智能ChatGPT就用了1万个英伟达的GPU来训练，而特斯拉的自动驾驶技术也是建立在英伟达的GPU基础上，谷歌,微软都在大量的买英伟达的产品，一块人工智能显卡H100，在 ebay 上售价已经超过 4 万美元，就这还一货难求。从电脑、手机、互联网、机器人，再到自动驾驶、区块链、元宇宙，AI，那最基础最重要的还是芯片，还是GPU，都是英伟达卖的，

所以老黄站到了金字塔尖。黄仁勋他不是风口，它就是风本身。投资界有个话叫挖矿的不一定赚钱，但卖铲子的一定赚钱。可谁能想到啊，这把铲子的起源只是为了让咱们打游戏更爽呢。

咱们今天啊，当事后诸葛亮复盘，这老黄的决定肯定要为他竖起大拇指，在巨大算力需求的助推下，英伟达的市值突破一万亿美元，迎来了万亿市值的时代。说实话，老黄当时是不是有先见之明，咱们真的不得而知，但是他认为错了就停下来，这个品质难能可贵。正视错误及时止损这句话看似简单，但却不止一位大佬将他奉为真理.

周二AMD发布了王炸产品MI300X，这是针对大语言模型优化的版本直接对标英伟达H100。但是与英伟达的H100相比，MI300X面临着一些挑战。

首先，英伟达H100已满载出货。在AI产业里，英伟达还具有最大的软件生态系统和最多的研究人员。而MI300X尚处于“婴儿期”，AMD的软件生态也没有那么完善。并且，AMD还未公开任何基准测试，训练和运行AI大模型不仅仅取决于GPU性能，系统设计也尤为重要。

我们分析认为，AMD对英伟达市场份额的挑战并非一蹴而就。一方面，英伟达GPU芯片的算力壁垒以及AI训练端的深入布局一时难以撼动，另一方面，AMD的软件生态也限制其与客户系统的融合及渗透应用场景。

其次，虽然MI300X的内存达到了192GB，但英伟达也能提供具备相同内存规格的产品，因此这不会成为绝对优势。此外AMD在与英伟达的H100对比时，不会有显著的成本优势，因为高密度的HBM价格昂贵。

最关键的问题在于，MI300并不具备H100所拥有的Transformer Engine。Transformer Engine能够用于加速Transformer模型，以在AI的训练和推理中以较低的内存利用率提供更好的性能。

不过啊，根据我们搜到的最新消息，亚马逊高管Dave Brown表示，公司正在考虑AMD的AI芯片。因为亚马逊更偏向于完全自己来设计服务器，而AMD定制化的产品组件则能够直接插入亚马逊现有的系统中。

正如AMD CEO苏姿丰接受采访时透露，AMD将提供一份“菜单”，该菜单包含构建AI大模型所需要的所有组件。客户能够自由挑选他们所需要的组件，再通过行业标准连接。

这正合亚马逊的“心意”。

与AMD相反，亚马逊高管Dave Brown表示，英伟达不仅仅出售芯片，同时也在向云厂商兜售整套系统——DGX Cloud。目前，甲骨文公司是其首个合作伙伴，但亚马逊却拒绝与英伟达合作推出DGX Cloud系统。

这里有个题外话，甲骨文 ORCL 这个老牌服务器公司，股价已经在这两天创出历史新高，

原因是投资者看好它在云服务器的增长以及与英伟达合作建立了首个用于训练AI模型的GPU云，我用通俗的话解释给大家听，就是如果一家公司买不到英伟达的GPU芯片，他可以去租借，直接连接到互联网上32000个的GPU云集，就能直接训练AI，就不需要买回家自己跑了。

亚马逊的Dave坦言，由于亚马逊在云领域拥有充足的经验和完善的供应链，因此这样的合作模式对亚马逊来说没有太大意义，反而AMD的产品相对能够满足其需求。

据了解，AMD的MI300X将于今年第三季度向一些客户提供样品，并于第四季度量产。