过去几年，市场理解英伟达的方式相对简单：它是先进 GPU 的主要供应商，并在 AI 基础设施扩张中获得高额回报。随着亚马逊、谷歌等云厂商推进自研芯片，投资者开始关注英伟达 GPU 优势的可持续性。该公司市值在 2023 年初至 2025 年中曾增长至原来的 10 倍，但过去一年股价走势相对温和，原因之一正是外界对 GPU 竞争加剧的担忧。
不过，本周财报发布后，一种新的判断开始浮现：英伟达的优势并不只停留在 GPU 本身。当 AI 计算规模走向 gigawatt 级别，算力集群的编排、数据流动和系统协同正在成为更复杂的问题。英伟达在 GPU 周边硬件上的布局，使其即便面对 GPU 竞争，也仍然在系统层保持较强位置。
单卡算力之外，数据中心开始拼“交通系统”
素材显示，英伟达正在推出 Vera Rubin 架构。这一架构并不只是 Rubin GPU，而是把 Rubin GPU 与 Vera CPU、Groq 3 LPX 推理加速器，以及存储和网络机架等组件组合在一起。换句话说，英伟达售卖的已经不只是单一计算芯片，而是一整套围绕 GPU 运转的基础设施。
这些组件的角色，可以被理解为给 GPU 这台“发动机”配齐整车系统。GPU 负责处理核心计算任务，而 CPU、存储、网络和推理加速器则负责让数据在正确的时间到达正确的位置，并尽可能减少等待、拥堵和浪费。
英伟达存储技术副总裁 Jason Hardy 表示，Vera CPU 的重要性在于，单台服务器或任何计算平台能容纳的内存终究有限。随着数据中心算力提升，内存容量也在增长，但如何让这些数据及时进入 GPU，并不是一道简单的问题。当企业开始关注降低 tokens-per-watt 时，流量调度和数据编排的价值被进一步放大。
Vera CPU 的价值：让存储不再成为瓶颈
Hardy 提到，在这些操作中，Vera CPU 带来了最高 3 倍的性能提升。其意义不只是让某个部件更快，而是让闪存能够更充分地发挥性能，避免系统因数据供给不足而形成瓶颈。
- GPU 负责核心计算，但计算效率取决于数据能否及时送达。
- 内存容量持续增加后，数据调度成为新的关键变量。
- 降低 tokens-per-watt 让“交通管理”比单纯增加算力更重要。
- Vera CPU 的作用，是提升 GPU 外部系统的整体效率。
这也解释了为什么新一代 AI 基础设施竞争不再只是比拼单卡性能。随着集群规模扩大，任何一个环节的低效都会被放大：存储响应慢一点、网络调度差一点、数据路径长一点，最终都会反映为算力利用率下降和成本上升。
OpenAI 的路径不同，但目标一致
这种对数据流动效率的关注，并不是英伟达独有的方向。素材提到，OpenAI 在开发 Jalapeño 芯片时，也把减少数据搬运和通信延迟作为重点。OpenAI 表示，Jalapeño 的设计目标是尽量减少数据移动和通信延迟，其 large domain 可以让整个工作负载留在一个连接系统内，从而减少数据搬运，并让完整请求从头到尾保持快速和高效。
这与英伟达的做法并不相同。英伟达选择通过更复杂的系统组件来管理和加速数据流动；OpenAI 则试图通过一体化设计，尽量把负载留在同一个系统域内，减少数据移动的必要性。但两者的共同点很清楚：AI 基础设施效率的来源，正在从“更多处理器周期”转向“更聪明的流量控制”。
英伟达的新护城河：系统整合能力
当然，数据编排并不会天然让英伟达获胜。它仍然需要在这一层与其他芯片公司和云厂商竞争。真正的变化在于，竞争焦点已经从单一 GPU 性能，转向整个系统的协同效率。谁能把计算、存储、网络和推理调度组合成更高效的完整方案，谁就更可能在下一代 AI 数据中心中占据主动。
至少在现阶段，素材给出的判断是：英伟达在这一新层面看起来已经建立了明显的领先位置。对行业而言，这意味着 AI 芯片竞赛正在进入第二阶段。GPU 仍然是核心，但决定胜负的，可能越来越多地取决于 GPU 之外的那套复杂系统。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/ai-shu-ju-zhong-xin-jing-zheng-huan-sai-dao-ying-wei-da-de
