PLAY AI 筆記回 PLAY AI
AI 時事新聞發布 · 9 分鐘 · 約 3,854 字

AI 半導體格局:NVIDIA 98% 市佔率、Rule of X 取代 Rule of 40、H-1B 供需落差與算力

Bill Gurley、Brad Gerstner 與 Dylan Patel 的深度對談:NVIDIA 在 AI 算力佔有率達 98%(不含 Google),Rule of X 正在取代 Rule of 40 作為估值框架,H-1B 簽證需求是實際上限的五倍,以及 AI 時代下企業軟體與模型提供者的生態博弈。

NEWS
PLAY AI 觀察追蹤模型、產品與平台更新,優先整理官方來源與對一般使用者真正有影響的變化。
本篇內容
AI 半導體格局:NVIDIA 98% 市佔率、Rule of X 取代 Rule of 40、H-1B 供需落差與算力
AI 半導體格局:NVIDIA 98% 市佔率、Rule of X 取代 Rule of 40、H-1B 供需落差與算力

SaaS 估值框架的變革:Rule of X 取代 Rule of 40

SaaS 行業的估值多數約為 6 倍營收,但這個平均值因分佈廣泛而具有誤導性。成長調整後的多數在 2020-21 年激增,回落至 10 年平均水平,目前再次高於該平均水平。這種變化反映了市場對成長性的重新評估。

Rule of X 取代 Rule of 40
SaaS 估值框架的變革

Bessemer 的 Rule of X 正在取代傳統的 Rule of 40 作為估值多重框架。Rule of X 將成長價值約定在每個百分點利潤的 3 倍,而長期平均值為 2-3 倍。這意味著市場現在更重視成長而非單純的營收與利潤之和達 40%。

科技巨頭的營運效率與人力策略

Meta 通過大幅減少員工數量,從 2022 年第三季的 87,000 人降至報告季的 67,000 人,員工每人的獲利因此三倍化。儘管縮編,Meta 的視頻參與度仍年增 25%,廣告變現也有改善。這展示了在 AI 時代,科技公司透過優化人力結構來提升每位員工的產出。

AI 模型提供者的風險與 IP 屬性

Bill Gurley 警告說,純粹的 AI 模型提供者持有的是易失的知識產權。模型可能在 overnight 被超越或開源,必須從頭開始重新訓練,這使得重資本支出的模型賭注在結構上比在軟體上構建更具風險。這解釋了為什麼許多投資人傾向於看重具有長期軟體護城河的公司。

Aaron Levie(Box CEO)認為,AI 代理人可以掃描 Box 儲存的數千億個檔案,並總結合同、從非結構化文件中提取數據並自動化流程。雖然每個檔案的大多數價值需要人類開啟、閱讀或觀看,但 AI 代理人的能力顯著擴展了雲端內容的自動化潛力。

人才移民與 H-1B 簽證供需落差

Aaron Levie 指出,美國的合法 H-1B 簽證需求遠超供給。雖然每年的簽證上限約為 85,000 張,但這已經保持約 20 年不變,而真正的合格需求約是這個數值的五倍。他形容這是國家「最冒犯的不合邏輯之處」,因為美國阻止最聰明的人來此工作、繳稅並創辦下一家公司,從而損失了當地社區利益和稅收。

Levie 將成功公司分為兩類:一類是 Google/Meta 那種永遠 50% 成長的路徑,另一類是 Autodesk/Adobe/Ansys 那種 10-20% 成長但長期維持 30-40% 自由現金流的路徑。他引用 Ansys 作為約 20 億美元營收、30-40% 利潤率、300 億美元市值的例子。這展示了不同商業模型在 AI 時代的不同軌跡。

Microsoft 的 AI 業務報告約 100 億美元,幾乎全部是推理業務。OpenAI 的訓練算力計入「其他收入」作為投資邏輯,而非季度營收。這反映了企業 AI 變現模式的差異:軟體層面的直接營收對比模型層面的投資邏輯。

AI 算力基礎設施的擴張與成本

雲端巨頭(AWS、Azure、Google Cloud)的聚合成長重新加速,單季達成 150 億美元的新年化經常性收入(ARR)新紀錄,這是從約 1000 億美元的 AWS 營運率遞增而來。這顯示企業對 AI 服務的需求正在加速成長。

Satya Nadella 的 AI 策略是下注 OpenAI 透過縮放定律,將 AI 視為多層疊加並預測業務應用將 collapse 進代理人,同時縮放定律和測試時算力將持續發揮作用。Microsoft 認為它比 Amazon 雲端更大、成長更快、利潤率更高,因為它擁有所有層(原始 GPU、 fabric-plus-GPU、Foundry-plus-GPU、作為 M365 加貼的 GitHub Copilot)。

NVIDIA 在 AI 算力佔有率上表現強勢:若不計入 Google,其市佔率超過 98%;計入 Google 後約為 70%,因為 Google 使用自家 TPU 處理生產工作負載。NVIDIA 的競爭優勢被描述為「三頭龍」:優越的軟體(CUDA)、硬體領先(最快的產品上市時間)和網路(Mellanox 收購)。此外,NVIDIA 已轉向每年產品週期(Blackwell、Blackwell Ultra、Rubin Ultra),這為競爭對手創造了顯著的競爭壁壘。

AI 時代的成本結構與供應鏈瓶頸

HBM(高帶寬記憶體)正成為 AI 晶片中區分度極高且稀缺的元件。NVIDIA 正對記憶體製造商(三星、SK 海力士、美光)施加強硬要求,導致 HBM 在成本銷售商品(CoGS)中佔比的增長速度快於領先製程成本。生產同等容量的 HBM 所需的晶圓數量約是 DDR5 的 3-4 倍,這成為了供應鏈的關鍵瓶頸。

據估計,到 2027 年全球資料中心建設的總算力將接近 50 吉瓦,其中約 35 吉瓦 在美國。這筆龐大的算力需求推動了資料中心成本的激增:建設 1GW 資料中心的成本從 2024 年的約 400 億美元升至超過 600 億美元。Meta 在運算和數據中心的承諾高達 1.4 兆美元,這反映了 AI 時代下企業對基礎設施的巨額投入。

競爭格局:AMD、Google TPU 與 Amazon Tranium

AMD 在硅工程方面具有競爭力,但缺乏軟體專業知識和系統級設計能力,這限制了其在 AI 領域的採用。雖然 Meta 和 Microsoft 等雲端巨頭正在輔助 AMD 開發軟體,但尚未足夠匹配 NVIDIA 的整合系統優勢。Google 的 TPU 現已對外客戶開放,而 Amazon 的 Trainium 晶片在 HBM 容量和記憶體帶寬每美元成本方面優勢顯著,但在網絡連接和軟體整合上仍落後於 NVIDIA。

Broadcom 通過自定義 ASIC 和網絡解決方案,有望與 NVIDIA 的 NVSwitch 競爭,並已贏得包括 Google、Meta 在內的多家雲端巨頭的訂單,有望在 NVIDIA 專有互連之外捕獲價值。這表明 AI 晶片市場正朝著更多樣化的發展方向演進。

推理成本與模型效能

推理時的算力(如 OpenAI 的 o1 類推理模型)相比非推理模型,每代 token 的生成成本可能增加 10 倍至 50 倍。這是因為上下文長度延長、批次尺寸縮小以及每代 token 的定價更高。這對 AI 服務的商業模型有著直接影響,尤其是對於需要深度推理的應用。

NVIDIA 的產品定價與效能成長呈現顯著趨勢:從 Ampere 到 Hopper,平均售價約翻倍,效能提升約 10 倍;從 Hopper 到 Blackwell,價格上漲約 50%,效能提升 3-30 倍。這種定價模型反映了 AI 晶片效能成長的非線性特性。

NVIDIA Blackwell 機架成本約 250 億美元,Rabin 機架約 400 億美元,並預計有約 10 倍的效能提升。這些高昂的成本反映了先進 AI 晶片所需的製程技術和封裝複雜度。

Anthropic 的每吉瓦推理算力收入可能達到 700-800 億美元。這種效能指標展示了算力成為新的貴重資源,其經濟價值極高。

資料來源與延伸閱讀

以下來源用於核對本文的技術背景與關鍵事實;產品規格與時效性資訊仍以原始官方頁面最新版本為準。

查看 12 個來源
  1. BG2 with Bill Gurley, Brad Gerstner & Aaron Levie | Software Valuations, Earnings, Immigration | E02|BG2Pod — BigGo Finance
  2. Satya Nadella | BG2 w/ Bill Gurley & Brad Gerstner|BG2Pod — BigGo Finance
  3. nvidia CEO Jensen Huang is back on the @bg2pod ...
  4. AI Semiconductor Landscape feat. Dylan Patel | BG2 w/ Bill Gurley & Brad Gerstner
  5. BG2 w/ Bill Gurley & Brad Gerstner | Pankaj Kedia
  6. Bg2 Pod
  7. AI Semiconductor Landscape feat. Dylan Patel | BG2 w
  8. In-Depth Analysis by SemiAnalysis Founder: How Long Can AI Investment Last? Can NVIDIA Maintain Its Moat? When Will the Memory Shortage End?
  9. GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains
  10. Billionaires React To Democratic Midterm Sweep—Musk Jokes About ‘Space Lasers’ As Hoffman Calls Him Out
  11. Ep20. AI Scaling Laws, DOGE, FSD 13, Trump Markets | BG2 w/ Bill Gurley & Brad Gerstner|BG2Pod — BigGo Finance
  12. Michael Dell – Invest America Act Becomes Law, AI Talent Wars, Compute Demand, Market Update | BG2|BG2Pod — BigGo Finance