這個人工智能陷阱可能是量子計算的英偉達

關鍵點

• 雖然Nvidia以其GPU而聞名，但CUDA架構實際上是其主導地位背後的動力。
• 通過提供完整的硬件和軟件生態系統，Nvidia 已成爲生成性人工智能開發的首選平台。
• Alphabet 正在採取類似的策略，以適應量子計算的出現。

在過去的幾年中，Nvidia 已鞏固其作爲人工智能 (IA) 的無可爭議的領導者地位。它的圖形處理單元不僅僅是硬件 - 而是建立在 CUDA 架構之上的緊密整合生態系統的基礎。

CUDA將Nvidia的芯片從通用產品轉變爲開發者的完整基礎設施。簡而言之，如果你想訓練高質量的AI模型，你可能會使用Nvidia的硬件_和_軟件。

Alphabet似乎在量子計算領域走上了一條類似的道路。通過近期的戰略舉措，該公司正在爲成爲量子平台的Nvidia奠定基礎。

構建硬件基礎，如Nvidia的GPU

Nvidia的GPU是開發CUDA的入門工具。Alphabet的平行努力集中在其張量處理單元(TPUs)和其超導量子處理器的研究(Willow)上。盡管TPUs不是量子設備，但它們突出了Google爲復雜計算需求設計定制硅的能力。

其Sycamore處理器——在2019年證明了量子霸權——提供了一個可行的概念驗證。從那時起，Alphabet花費了多年時間來完善其人工智能和量子系統，聚集人才並迭代架構，直至實現實際用途。

與Nvidia的GPU創新週期一樣，Alphabet也在爲開發能夠與專有系統和軟件相結合的量子處理器的連續世代做好準備，從而創建一個集成生態系統，正如Nvidia所做的那樣。

Cirq 可能是 Alphabet 的 CUDA 版本

硬件本身很少能創造持久的競爭優勢。Nvidia的真正優勢來自於GPU和CUDA的結合。這種結合創造了強大的鎖定效應，使得轉向競爭平台的轉換成本極高。

Alphabet 在量子計算方面追求類似的策略，盡管有着不同的理念。它的 CUDA 類似物是 Cirq —— 一個開源的量子編程框架，允許開發者在多個後端創建和執行應用程序。與 CUDA 不同，Cirq 並不將開發者僅限於 Google 的硬件。

矛盾的是，這一開放可能會加強Alphabet的地位。通過促進一個更大的開發者社區熟悉Cirq，該公司確保當其量子應用達到商業規模時，已經有了一批與其工具對齊的開發者基礎。

換句話說，雖然英偉達的優勢基於封閉的整合，谷歌則在培育一個植根於可及性和合作的生態系統——一個開放的框架，可能變得同樣具有吸引力，但自願吸引開發者而不是將他們鎖閉。

DeepMind：解鎖估值擴張的道路

盡管CUDA一直是Nvidia主導地位的基礎，但公司的成功依賴於廣泛的外部採用。

Alphabet, 反過來，已經控制了全球主要的人工智能研究實驗室之一 - DeepMind - 這爲它提供了一個內置的反饋回路來測試其量子算法，改進Cirq，並更快地推進像Willow這樣的處理器。

這種通過研究、硬件和軟件的垂直整合反映了Nvidia的GPU-CUDA動態。Nvidia的生態系統已經轉化爲數年的爆炸性收入增長、利潤率擴張和創紀錄的估值。

對於投資者來說，結論很明確。隨着人工智能工作負載變得越來越復雜，量子計算在現實世界中逐漸接近實用，Alphabet正處於推動和貨幣化這一變化的有利位置。

長期投資者應該將Alphabet視爲當前科技領域的領導者，而不僅僅是這樣。我認爲購買並持有Alphabet的股票能提供接觸未來幾年與Nvidia相似的潛在收益的機會。