这个财报季，全球科技板块的分化态势堪称历史性：AI硬件企业借算力需求爆发实现亮眼业绩，软件供应商却陷入增长瓶颈。英伟达最新财报显示，其数据中心业务收入同比猛增75%至22.4亿美元，直观反映出半导体领域对AI算力芯片的强劲需求；相比之下，纳斯达克SaaS指数本季度下跌5%，远不及费城半导体指数12%的涨幅，透露出市场对软件板块的谨慎情绪。
英伟达的H100 GPU是这场硬件热潮的核心，它的技术参数恰好满足了AI大模型训练与推理的核心需求：这款芯片采用台积电4纳米工艺，集成800亿个晶体管，FP8精度算力达67TFlops，FP32精度为9.7TFlops；同时支持NVLink 4.0技术，单芯片间带宽高达3.6TB/s，能让多芯片集群高效协同工作。行业测算显示，OpenAI训练GPT-4模型用了约1万颗H100芯片，总硬件成本超1亿美元，这一数字直接凸显了AI产业对高端算力硬件的依赖。
这种分化的逻辑不难理解：AI技术落地首先得有物理算力做支撑，硬件企业因此成了产业生态里的核心基础设施提供者；软件企业却要面对商业模式的冲击——AI自动化技术普及后，企业客户开始担心岗位被替代，对传统软件许可和订阅模式的信心也在减弱。比如贝莱德这类大型资产管理者，本季度对SaaS企业的持仓比例平均下降10%，原因就是AI可能减少企业对客服、销售等岗位相关软件的需求。
从价值层面看，硬件企业的竞争壁垒在于芯片设计与制造能力，英伟达目前占据全球AI芯片市场80%以上的份额，技术优势短期内很难被撼动；软件企业则得加快转型步伐，比如Salesforce推出的Einstein GPT尝试把AI融入CRM服务，但到2024年第一季度，该功能的用户采用率仅15%，还没能有效打消市场对其增长前景的疑虑。
行业近期动态表明，AI硬件领域的竞争正在升温：2024年4月，英特尔推出Gaudi3 AI芯片，FP8算力达65TFlops，接近H100的水平，价格却比H100低30%，已经拿到谷歌云的试点订单；另一边，AMD的MI300X芯片凭借58TFlops的FP8算力和更出色的能效比，成功进入微软Azure和Meta的AI基础设施供应链，直接对英伟达的市场主导地位形成挑战。
快报