英伟达年度研发费用超120亿美元

研发 (R&D) 费用是未来收入增长的最高质量指标之一。 考虑到 NVIDIA 对未来几个季度的收入预测，它在研发费用指标方面绝对领先于包括 AMD 在内的同行，这一点也不足为奇。

NVIDIA 在截至七月份的季度中录得30.90亿美元的研发费用。将这一数字按年计算，这家 GPU 制造商前一个季度和后三个季度的累计（可能）研发费用为 123.6 亿美元。

相比之下，AMD 在其截至 6 月底的季度中录得  15.93 亿美元的研发费用。将这一数字按年计算，该公司前一个季度和后三个季度的累计（可能）研发指标为 63.72 亿美元。

换句话说，根据目前的年化预测，英伟达目前的研发投入是 AMD 的2倍。

从发展初期，英伟达非常重视研发生产力，以高投入换取高回报不断提升产品竞争力。2005年，AMD 的研发费用为11亿美元，是英伟达的3.2倍左右；而到了2022年，英伟达的研发费用就达到73.4亿美元，是AMD的1.47倍。截至整个2024财年（2023年自然年），英伟达研发费用高达86.75亿美元，是AMD同期研发费用的1.48倍。

过去10年（2014-2023自然年），英伟达累计投入费用高达364亿美元，高于苹果公司、微软公司等科技巨头。随着研发投入的不断增长，英伟达通过技术进步降低成本和产品价格，不断推出新的产品吸引更多消费者，优势逐渐凸显。

从1990年的GPU Geforce 256，到首个通用GPU计算架构Tesla，再到Maxwell、Pascal、Volta、Ampere、Hopper架构，以及如今的Blackwell架构，英伟达芯片性能持续提升。例如，相比Hopper架构，最新Blackwell架构的GPU单芯片训练性能（FP8）提升2.5倍，推理性能（FP4）提升5倍。

AI方面，人工智能的发展为GPU带来更大增长空间，自2016年开始，英伟达逐步开始向深度学习方向演进。英伟达抓住下游发展新机遇，推出 AI 加速卡，伴随以ChatGPT为代表的生成式AI大模型发展进入快速增长通道。

生态方面，英伟达推出CUDA平台，使得利用GPU来训练神经网络等高算力模型的难度大大降低，将GPU的应用从3D游戏和图像处理拓展到科学计算、大数据处理、机器学习等领域，这一生态系统的建立让很多开发者依赖于CUDA，进一步增加了英伟达的竞争壁垒。

过去数年间，英伟达在数据中心GPU市场中占据了主导地位，几乎构成了垄断，而AMD则长期稳居次席。

今年年初，英伟达又发布了其性能最强的产品B200，运算速度比上一代H200芯片提升将近30倍。黄仁勋透露，英伟达最新发布的Blackwell B200芯片的研发费用高达100亿美元，相当于719亿元人民币。这不仅高于英伟达去年全年研发投入，而且还高于其他芯片产品的研发费用。按计划，B200将在今年第四季度量产上市，届时又将与竞争对手拉开差距。

而AMD则在与英伟达的竞争中长期将自身看作“市场多一种的选择”。近日，AMD新款产品MI325X的推出将使其与英伟达的Blackwell芯片相抗衡。苏姿丰此前表示，AI芯片市场足够大，容得下多家企业，“AMD不是必须要打败英伟达才能成功”。

AMD在抢占市场份额时遇到的最大难题，在于英伟达利用自家CUDA平台，已在AI软件开发领域建立起一条护城河，把不少开发人员牢牢绑定在了英伟达的生态系统里。

对此，AMD回应称，他们一直在不断优化名为ROCm的软件，目的就是让AI开发人员能更轻松地把更多AI模型“搬”到AMD的芯片上。目前，ROCm的最新版本6.2，相较于旧版在推理和训练上都有了超过2倍的提升。

市场研究机构Moor Insights&Strategy首席分析师帕特里克·莫尔黑德（Patrick Moorhead）表示，“AMD面临的最大挑战是获得企业市场份额。AMD需要在销售和营销方面投入更多资金，以加速其企业增长。很难评估AMD与英伟达在数据中心GPU方面的地位。”

莫尔黑德补充道：“AMD的新GPU，尤其是MI350，与前代产品相比，效率和性能都有所提高，对低比特率模型的支持也更好，这是一个巨大的进步。这是一场激烈的竞逐，英伟达遥遥领先，AMD正在迅速追赶并取得了有意义的成果。”至于AMD能否在这场竞争中取得显著胜利，尚需进一步观察。