Publier

Cadre cognitif｜Loi de puissance : pourquoi je pense que Nvidia est toujours le plus grand gagnant de l'IA ? Il y a quelques jours, j'ai recommandé « De zéro à un » de Peter Thiel. Ce qui m'a le plus marqué, ce n'est pas « la concurrence est un jeu pour les perdants », mais un modèle de pensée qui peut presque analyser toutes les entreprises performantes — la loi de puissance (Power Law). Cadre cognitif｜Loi de puissance Beaucoup de gens étudient une entreprise en regardant d'abord le PER, le chiffre d'affaires, le bénéfice, les flux de trésorerie. Bien sûr, c'est important, mais à mon avis, il est plus crucial de répondre d'abord à une question : a-t-elle la chance de devenir celle qui captera la majeure partie de la valeur du secteur ? J'utilise généralement les quatre questions de la loi de puissance pour juger. Winner takes all : est-ce un secteur où le gagnant rafle tout ? Tous les secteurs ne voient pas forcément naître des géants suprêmes. La restauration, l'habillement, l'immobilier, la plupart du temps, ce sont plusieurs entreprises qui gagnent de l'argent ensemble. Mais le secteur des puces IA est différent, il ressemble plus aux moteurs de recherche, aux plateformes sociales, aux systèmes d'exploitation : une fois en tête, on creuse l'écart. Je pense que Nvidia correspond à la loi de puissance grâce à trois avantages principaux : le premier est l'effet réseau — plus il y a d'utilisateurs, plus il vaut cher, comme WeChat, tout le monde l'utilise donc les nouveaux continuent à l'adopter. Nvidia ne vend pas seulement des GPU, il a aussi créé une plateforme de développement appelée CUDA, que vous pouvez considérer comme le « Windows » du monde de l'IA ; plus il y a de développeurs, plus les logiciels sont riches, et plus les logiciels attirent de développeurs, formant ainsi un écosystème de plus en plus fort. Le deuxième est l'effet d'échelle : plus l'entreprise est grande, plus son avantage est évident. Nvidia investit chaque année des dizaines de milliards de dollars en R&D, peut réserver à l'avance les capacités de production de wafers les plus avancées et attirer les meilleurs talents IA du monde, un avantage difficile à reproduire pour les petites entreprises. Le troisième est l'effet de marque : aujourd'hui, beaucoup d'entreprises construisant des centres de données IA pensent d'abord à Nvidia, la marque est déjà une force concurrentielle. Image Pari secret : a-t-elle parié sur un futur que les autres ne croyaient pas ? La question préférée de Peter Thiel est : « Quelle est la chose importante en laquelle vous croyez, mais que la majorité des gens rejettent ? » Les grandes entreprises ont presque toutes leur « contre-consensus ». Le contre-consensus de Nvidia à l'époque était d'insister sur l'investissement dans CUDA. Il y a vingt ans, la plupart pensaient que les GPU servaient seulement aux jeux, mais Nvidia pensait qu'ils deviendraient une plateforme de calcul universelle. Quand ChatGPT est apparu, tout le monde a réalisé que l'IA avait surtout besoin de GPU. Beaucoup voyaient une mode IA, moi je voyais une stratégie de vingt ans enfin récompensée. Image Échapper à la concurrence : a-t-elle rendu difficile le départ des clients ? Le véritable fossé défensif n'est pas un meilleur produit, mais le fait que les clients, même s'ils veulent partir, ont du mal à le faire. Si une entreprise IA a déjà investi des dizaines de millions de dollars et construit tous ses modèles sur CUDA, changer de plateforme signifie que les ingénieurs doivent réapprendre, le code doit être réécrit, les modèles doivent être réentraînés, et l'entreprise doit supporter un énorme coût en temps et en argent. Beaucoup ne veulent pas changer, mais ne le peuvent pas. C'est le coût de migration, l'un des fossés défensifs les plus puissants. Image Créateur de règles : a-t-elle commencé à définir les règles du secteur ? Je pense que c'est l'aspect le plus redoutable de Nvidia. Beaucoup pensent qu'elle vend des GPU, mais en réalité, elle vend toute l'infrastructure IA. CUDA est la plateforme logicielle de développement IA, l'équivalent du système d'exploitation dans le monde de l'IA ; DGX est un supercalculateur dédié à l'entraînement IA, que les entreprises peuvent acheter pour entraîner rapidement de grands modèles sans partir de zéro ; NVLink peut être vu comme l'« autoroute » entre GPU, car entraîner un modèle comme ChatGPT nécessite des centaines de GPU travaillant simultanément, NVLink permet une communication rapide entre eux, comme si plusieurs ordinateurs devenaient un superordinateur ; InfiniBand est comme le « réseau ferroviaire à grande vitesse » du centre de données IA, reliant serveurs et GPU pour un transfert rapide de données massives, sinon même les meilleurs GPU perdraient en performance en attendant les données ; AI Factory (usine IA) est un nouveau concept que Jensen Huang met en avant ces dernières années — auparavant, les entreprises achetaient des serveurs, demain elles achèteront une « usine intelligente » capable de produire en continu des modèles et services IA. De GPU, serveurs, équipements réseau, aux logiciels de développement et déploiement de modèles, Nvidia offre presque une solution complète, les entreprises n'achètent plus une simple puce, mais un écosystème IA entier. Quand de plus en plus d'entreprises construisent leurs centres de données IA selon vos standards, vous ne rivalisez plus avec vos pairs, mais vous définissez la manière dont tout le secteur évoluera. Image Ma compréhension est la suivante : la loi de puissance n'est jamais un moyen de prédire si le cours d'une action va monter ou descendre, elle m'a surtout appris à reconnaître si une entreprise a la capacité de devenir ce « gagnant qui capte la majeure partie de la valeur du secteur ». Les rapports financiers déterminent le présent d'une entreprise, mais le modèle commercial, l'écosystème et les avantages concurrentiels déterminent son avenir. En résumé : le GPU n'est que le produit vendu par Nvidia, tandis que CUDA, DGX, NVLink, InfiniBand et AI Factory sont l'écosystème qui construit réellement son fossé défensif.