什么是边缘计算？对于英伟达，为什么说AI都不如它的上限高？投资英伟达你必须了解！

AI对于英伟达的促进，不用我多说，相信大家也都很清楚了。由于AI概念的兴起，算力需求的大量增加，英伟达这两个季度的营收已经接近翻倍。我看到了很多投资者开始闻风投资英伟达，不为别的，就是看中了AI未来的发展。

这不禁让我联想起了前两年的特斯拉。很多人投资特斯拉，无外乎是看到了市场对于电动车的追捧，不过很多人却不了解，特斯拉真正的上限在哪？为此，我还在美投Pro上做了很多量化的分析视频。

而现在的英伟达其实也是如此，很多人只看到了AI对于英伟达的促进，却不知道AI具体能够给英伟达带来什么？也不了解它的上限究竟在哪？

所以本期视频，我们就来打破这个认知屏障，来介绍一个决定英伟达未来上限的前沿科技。这个技术从AI衍生而来，但给英伟达带来的提升却远超AI本身。更重要的是，该技术现在还没有什么人在讨论，市场热度也不是很高。但是它的确定性极强，增速也极快，而且上限非常的高。如果你要投资英伟达，这条科技是你必须要了解的！那么本期视频，我们就来一起开拓一下认知。咱们一起来来聊聊这么一个，决定英伟达未来上限的新技术，边缘计算，edge computing。

什么是边缘计算呢？边缘计算其实是数据中心的一种新模式。我们现在的数据中心，一般说的就是云计算。他是在一个遥远且寒冷的仓库里堆着的一排一排的机器。云计算通过互联网，将各种设备上的数据上传到数据中心，然后统一进行计算。

而边缘计算不同，他们做着和云计算类似的事情，但他是一个安放在本地的小型数据中心，做着本地的计算和分析，而不需要上传到云端。举个例子，比如沃尔玛。他的每个零售店每天都有数以千万计的交易数据。现在他们是把这些数据上传到云端，然后统一处理。而边缘计算则是在每个零售店内都安放一个小的数据中心，在本地处理数据，然后马上提供有价值的反馈和决策。

你可能觉得这似乎也不算什么高科技啊。确实，这只是边缘计算的第一层应用。再往下发展，如果每个小型商业都可以进行本地的计算和决策，那能不能每个设备都进行本地的计算和决策呢？当然可以！这便是边缘计算的终极形态。随着AI技术的发展，单个设备收集数据的量，以及所需要算力的量都会急剧增加。这就需要每个设备都有自己微型的数据中心。届时，任何一个设备都能做到实时的抓取数据，并且快速的进行分析，然后做出AI级别的决策。

听到这儿，可能有些懂技术的看官会觉得，这不是又倒退回去了吗？原本在云计算之前，其实就是每个商业都需要构建自己的数据中心，而这需要花费大量的成本。云计算的出现本身就是为了优化这个局面的。那现在怎么又要退回原有的格局了呢？

其实这是因为随着AI技术的发展，未来的数据量以及计算量，都会呈指数级别的上升。原有的云计算很快就会在一些方面变得捉襟见肘了。而边缘计算相对于现在的云计算，是有很多优势的，也是更适合未来的技术发展的。为什么这么说呢？

第一，是边缘计算能够实现数据的实时处理和反馈。随着数据量的增加，所有数据上传云端进行分析和决策，再传回设备的这种模式，将会变得低效，这必然会导致一定的延迟。而如果在本地处理就能实现完全的实时决策。可别小看这一点时间差。对于很多场景，一丁点的延迟都是不能接受的。就比如自动驾驶，如果汽车的决策不能实时的完成，或者汽车到了没有网络的地方，那么安全性绝对是一个大问题。再比如，一些精密工厂的加工和制造，如果不能做到实时的精密配合，那么产品就无法得到真正的生产。这些领域要想应用AI，就必须通过边缘计算来实现。

第二，边缘计算的成本要更低。现在云计算的成本要低于本地的数据中心，这是因为当前要处理的数据量还不够多。但是随着AI技术的应用，数据量将会呈指数型的上涨，如果这时所有的数据还都是上传到云端进行处理，那成本也将会呈指数型上涨，而相比之下，在本地计算的边缘计算的成本就要低很多了。

第三，边缘计算的效率会更高。这个效率提升，不仅仅是单个任务的计算效率会提升，而是整体的计算任务也会随之提升。在边缘计算的模式下，每个设备都会进行基础的AI级别运算和决策，而且设备和设备之间还能进行交流和配合。这在理论上就能覆盖大部分的计算需求。而一些较为复杂的计算，还是可以再上传到云端，借由超大算力进行最后的处理。

反观传统的云计算，所有的设备只负责收集数据，不负责处理数据。那么这就意味着，将会有大量没用的数据会上传到云端，这会大大增加云计算的处理负担。咱就比如说自动驾驶，现在每辆特斯拉的车，一天要收集最多20TB的数据。每天有上千万量特斯拉在路上跑。如果这些数据全部都上传到云端处理，那结果将是灾难性的。

第四，边缘计算对于数据隐私的保护做得更好。这点相信不用我多解释。虽然说云计算对于数据的隐私保护已经非常重视了，但相比于把数据存在本地的设备中，安全性还是要逊色一些。

所以你看，边缘计算是云计算的倒退吗？答案当然是否定的。实际上，边缘计算的出现，是AI发展中，数据体量增加后的一个必然产物。他也不是彻底取代云计算，而是在云计算的基础上。去优化整个计算流程。

这个发展过程就跟计算机技术的发展非常类似。最初的计算机就是IBM的那几个超大型的计算机器。所有的运算都需要通过IBM那些机器来完成。后来，随着技术的进步，个人电脑基本上覆盖了大量的运算，处理不了的运算还是需要大型计算机或是数据中心。再到后来，智能手机的出现，使得口径更小的手机接管了多数运算行为，但是高级的运算还是需要要借助电脑来完成。在数据量不断增加，运算任务不断加大的这个趋势下，可以预见的是，运算设备会不断的增加，并且计算会不断 的边缘化。而原来中心化的运算是无法满足这样的需求的。

而数据中心的发展也是一样。现在是像亚马逊这样的大型数据中心，去统一处理大部分的计算需求。往后随着运算需求的增加，必然会发展出各种小型的本地的数据中心来分担需求。到了最后，数据中心就会遍布每一个运算设备之上。他可能是一个摄像头，一个传感器，或者只是一个机器零件等等。而这，正是数据处理优化所必经的一条路径。

其实现在边缘计算就已经在被实际应用了。最典型的例子就是特斯拉。特斯拉的每一辆都安装有大量的传感器，每一个传感器都会收集大量的图像信息。而这些数据并不是在云端进行处理的，而是在每一辆特斯拉车上，就完成了AI级别的分析和决策。

除此之外，边缘计算还能让特斯拉的车与车之间，进行互动和反馈。比如周围这几辆车该怎么走，哪辆车该加速，哪辆车该减速，哪辆车需要变道，他们都能进行沟通，然后找出一个对自己以及对整体，最优的解决方案。而这个过程也都是在本地完成的。现在特斯拉还没有实现L3级别以上的自动驾驶，等真到了那一天，可想而知数据量将会变得更大，每一辆车都需要有极强的数据分析能力，和决策能力。这就需要边缘计算啦来提供足够的技术支持。

未来边缘计算还会有更多的应用场景。比如说智慧城市。在未来的城市中，每一个红绿灯，每一个摄像头，都会配置自己的数据中心，他们会实时的抓取图像数据，并相互配合进行分析和决策。更夸张地是，他们还可以不断的自我学习，来改进自己的决策。

再比如，智能工厂。在应用了AI和边缘计算的工厂中，将会出现成千上万个智能设备，每一个设备都能做出自己认为最优的，AI级别的决策，让整个生产流程的效率最大化。而于此同时，工厂的内部，又会有一个边缘数据中心作为总台，对所有的设备进行监控，更新，以及升级训练等等。

不知道大家看过复仇者联盟没有，边缘计算的应用就非常类似于是，复联2中的大BOSS奥创。他手下控制着数以万级的机器人帮他战斗。每个机器人其实都是一个超级AI，他们有着像人类一样的决策能力，能够各自为战。但他们合起来，又是始终是按照大Boss的意愿在战斗。奥创就是相当于未来的这个边缘计算中的总台，也就是现在的云计算数据中心总部。而每一个机器人就相当于是一个边缘计算的数据中心，他们都能够完成基本的决策任务，又不会脱离总部的控制。

说了这么多，可能聪明的看官已经反应过来了，边缘计算将会对于英伟达造成怎样的影响。没错，边缘计算所带来大量算力需求，就利好了英伟达这样提供算力基础的公司。他和单纯的AI促进还是有很大不同的。

现在我们很多人认为AI对于英伟达的促进，在于AI应用的增加。比如原本有10家公司应用AI，现在有100家公司应用AI了，那英伟达的算力需求就增加了10倍。这种AI应用量的增加，对于英伟达的促进来说，还是线性的。但有了边缘计算可就不同了，他对于英伟达算力的提升是指数性的。因为多一家智能工厂，多的可不仅仅只是一个AI应用，而是多了成千上万的AI设备。每一个设备都需要AI级别的算力。

你想象一下，一个智慧城市中，有多少红绿灯，多少摄像头？一个自动驾驶的汽车中，又有多少摄像头，多少传感器？一个智慧工厂中，又有多少的智能设备？届时对于英伟达芯片的需求将会有一个爆发性的增长。

而当边缘计算成熟之后，你就会发现，很多现在运算不了的任务都可以进行计算了。而这又会反过来再进一步促进AI的发展，并进一步促进算力的需求。也就是说一旦边缘计算的技术取得了突破之后，那芯片算力需求的闸门也就被彻底打开了，将会有源源不断的增长推动着整个行业。

这可不是我自己说的。根据国际数据公司IDC的预计，未来边缘计算将有超过400种应用场景，涉及到各行各业，包括交通，制造，医疗、零售、农业、运输、能源、机器人等。也就是说，未来人类几乎所有的经济活动，都会应用到边缘计算。而根据他们的估计，这意味着在2030年的时候，有150亿台设备能连接到边缘计算的网络上。

从市场价值上看，边缘计算产业联盟的预计，边缘计算潜在的市场将在10年内，以48%的年化增长，从2020年的90亿美元暴涨到2030年的4450亿美元。4450亿美元已经相当于是，今天云计算的水平了。而且联盟认为，这里所有的价值，绝大部分都会给到基础层的公司上。联盟并没有指名道姓，不过明眼人也都看得出来，一旦涉及算力基础层公司，很显然英伟达将会是最大的受益者之一。

实际上，现在边缘计算的这个行业中，英伟达已经是当之无愧的领导者了，甚至边缘AI这个词就是英伟达发明出来的。

在硬件上，英伟达的GPU本就是目前算力最强，最适合做AI矩阵运算的硬件设备。而由于边缘计算需要处理大规模、复杂的计算任务，并且需要实时的分析能力。这么大的计算量，英伟达的芯片就是当前最优的选择，没有之一。而且，边缘计算中，对于传感器收集的数据，其中最重要的就是图像，而就这一点来说，英伟达的处理能力也无疑是最强的。

在软件上，英伟达的优势同样明显。正如有CUDA平台的加持后，AI的应用离不开英伟达一样。CUDA对于边缘计算的支持也达到了行业顶尖。包括EGX，Nvidia Jetson，Nvidia Edge Stack等，都是英伟达研发出来的，为了适配边缘计算的软件平台。根据Wevolver在2023年边缘AI技术报告中的分析，英伟达的软硬结合，不仅意味着它对于数据处理的能力极强，而且它的低延迟和给开发者提供的多样性，也使得它对于企业整体的性价比是最高的。

对于边缘计算给英伟达带来的潜在价值，美投君这里做了一个非常粗略的估算。肯定不准确，但可以给大家做一个参考。根据边缘计算产业联盟的估计，在2030年，边缘计算能够达到一个4450亿美元的市场。他们说这其中大部分的价值在基础层公司上。我们就保守估计有50%在基础层，而英伟达作为行业领头羊，占据了其中60%的市场份额。那么这就是1335亿美元的营收。我们保守一点，就按照去年最低时20倍的PS进行估值，那么就相当于是2030年，2.67万亿的价值。根据10%的折现率，那算回到现在的价值，就是1.38万亿，折合成每股570美元。

注意这还只是单独边缘计算，能够给英伟达带来的促进，而且我们的计算可以说是比较保守了。而边缘计算，也只不过是AI发展中的一条支线而已。所以你看，如果我们放飞想象，英伟达的上限确实是很高的，他的价值还有很大的空间要走。

其实边缘计算除了能够提升英伟达的上限以外，还有一个意想不到的利好，那就是他能够抹平英伟达这家公司的周期性。

长期投资英伟达的看官应该都了解，英伟达最为人所诟病的问题，就是他的周期性。像去年英伟达股价，从340美元一口气跌到了100美元附近，不仅仅是因为加息，更重要的是英伟达就刚好来到了芯片的下行周期。而这样的事情几乎每3到5年就会出现一次，非常有规律，这便给英伟达的投资增加了难度。关于芯片周期的成因，我之前专门做过一期视频，这里就不展开讲了。

可是，一旦边缘计算成熟之后，英伟达的周期性会被熨平。这是因为，届时英伟达的用户将不仅仅局限于科技公司，而是会分布在大大小小，各行各业的公司当中。这就意味着，英伟达的营收被高度分散化了，业绩也会变得更加稳定。

我相信分析到这儿，肯定有人会说，这些不过都是英伟达自己编出来忽悠人的。确实有这种可能，因为边缘计算一直都是有英伟达所主导的一项科技。不过，我想说的是，当年特斯拉在讲自己自动驾驶和robotaxi的愿景时，也有很多人是这么认为的。但现在却更多人选择了相信。对于这种未来科技的愿景，确实需要有足够的前瞻性，也需要一定的信仰。有些科技最终能够落地，有些则不行，就看你愿意相信什么了。

我个人是认为，AI必然会成为下一个颠覆生产力的技术，而随着AI的持续发展，数据分析的需求激增，那么边缘计算，确实是目前可知的最为有效的解决方案。那由它所带来的机会就一定会发生。

当然了，咱这里也不能假设，边缘计算的这个大趋势，就一定会被英伟达全占上。因为在这个领域里，其实也不乏很多强劲的竞争对手。由于边缘计算这块蛋糕足够大，而且确定性强，增长潜力高，很多大公司都瞄准了这个领域。就比如，谷歌就也在积极布局它的边缘计算。谷歌也有自己的AI算力芯片，TPU，也有自己为了适配边缘计算所开发的平台，Tensor Flow Lite。这种软硬结合的布局，其实就直接对标英伟达的GPU和CUDA。虽然现在还没有直接威胁到英伟达的地位，但未来如何发展并不好说。

到这里，边缘计算对于英伟达的影响，就给个位看官分析完了。视频最后，我想再简单提一下云计算。我相信很多看官看到这里，应该已经开始担心这几家云计算巨头了。如果从一个超长周期期的角度来看，边缘计算确实会削弱当前云计算的地位。不过，我认为在未来很长一段时间内，云计算的需求只会增加不会减少，即便边缘计算出现后也是如此。

这是因为边缘计算的使用，在很长一段时间内都离不开云计算的配合。而且随着AI对于算力需求的增加，云计算的需求也会有所提升。而边缘计算毕竟还是一个比较新的技术，要想发展成熟，冲击到云计算的地位，还有很长的路要走。况且，现在的几大云计算公司，其实都有边缘计算的布局。我相信真的到了那一天，如果不出意外，他们也仍会具有不小的影响力。

文章作者：美投君