标签: 英伟达
英伟达年度营收（2027—2033年为分析师平均预测值）2033年：9130
英伟达年度营收（2027—2033年为分析师平均预测值）2033年：9130亿美元2032年：8300亿美元2031年：7440亿美元2030年：6160亿美元2029年：5730亿美元2028年：4790亿美元2027年：3660亿美元2026年：2160亿美元2025年：1310亿美元2024年：610亿美元2023年：270亿美元2022年：270亿美元2021年：170亿美元2020年：110亿美元2019年：120亿美元2018年：100亿美元2017年：70亿美元2016年：50亿美元2015年：50亿美元2014年：40亿美元2013年：40亿美元2012年：40亿美元2011年：40亿美元2010年：30亿美元2009年：30亿美元2008年：20亿美元2007年：30亿美元2006年：20亿美元2005年：20亿美元2004年：20亿美元2003年：20亿美元2002年：10亿美元
有人问我，英伟达到底凭什么这么值钱？我说，你去看CUDA就明白了。CUD
有人问我，英伟达到底凭什么这么值钱？我说，你去看CUDA就明白了。CUDA是2006年英伟达推出的一套编程平台，就是让程序员能用GPU运行各种计算，就这么个东西，现在成了整个AI行业的命门，几乎所有大模型都运行在上面。为什么别人绕不开它？有四道墙。第一道墙，是开发者，全球超过400万开发者基于CUDA写代码。这些人花了大量时间学习这套东西，写了大量代码，你让他们换到AMD的ROCm？他们宁可多花钱买英伟达，也不想重来一遍。这不是技术问题，这是人的问题。第二道墙，是软件库。英伟达这些年攒了一堆现成的工具：TensorRT负责推理加速，cuDNN专门优化神经网络，NCCL搞定多卡通信。这些库都是跟英伟达的硬件深度绑定优化的，换块AMD的卡，你得重新验证每一个库的表现，费时费力，结果还不一定效果好。第三道墙，是迁移成本，一家公司的AI模型如果基于CUDA开发，换平台不只是改几行代码就可以了，团队要重新培训，文档要重新写，踩过的坑要重新踩一遍。这笔账算下来，很多公司直接放弃，乖乖续费买英伟达的卡。第四道墙，是时间。英伟达搞CUDA将近二十年了，AMD的ROCm才刚起步，哪怕其他厂家每年进步30%，追上也要七八年。AI行业哪等得了那么久。当然，CUDA的护城河也不是铁板一块。谷歌早就在用自己的TPU运行内部任务，Meta、OpenAI也在用AMD的卡做部分工作负载。PyTorch现在加了编译器层，理论上可以让代码不那么依赖底层芯片。但这些裂缝，还远没有变成缺口。真正能撼动英伟达的，不是哪家芯片公司做出了更快的硬件，而是整个行业攒出了一套足够好用的"翻译层"，让代码不用改就能在任何芯片上完美运行。在那之前，英伟达还是老大
