APP Economy Insights 基于英伟达 Nvidia 2023 财年 Q3 的指标，将其损益表进行了可视化呈现。
数据中心（38 亿美元）和游戏显卡（16 亿美元）是英伟达收入的主力来源。其他新兴领域（汽车、专业显示和 OEM 等）也都在 1 亿美金以上的收入产生。
三十年前，黄仁勋在创立英伟达时，初衷是为了服务 PC 里面的善于处理游戏的显卡。和 CPU 比，算一个小众赛道。
随着 2016 年 AlphaGo 那一波 AI 的拉动，以及后续比特币挖矿的需求，英伟达业绩屡创新高。OpenAI 和 ChatGPT 的出现更是推动其到了新的高度。
思考 1：始于相对小众赛道的玩家，如何成长为大赛道的玩家？
思考 2：大模型 LLM 还普遍没有赚到钱（什么时候能赚到钱，或者到底谁能赚到大钱，可能还需要观察），但提供算力核心部件的公司赚到了大钱。
2017 年及以前，以 GPU 见长的 Nvidia 在数据中心领域的销售量是很低的。
随着 AI、图像处理以及加密货币等需求的推动，Nvidia 在数据中心的销量取得了持续的大幅增长。
GPU 算力也逐渐成为一种重要的算力类型，区别传统的 x86 通用计算。
AI 应用的运行需要消耗算力，那中国的各垂直行业中，企业 AI 应用的算力来自哪里呢？
根据易观和 CSDN 的 AI 应用开发者调研，34.2% 的反馈 “主要使用企业自建算力设施”。只有 20% 的反馈是 “主要使用算力云服务”。
这个反馈对公有云服务商而言，并不是乐观的消息。
从英伟达 Nvidia 2025 财年 Q2 的收入结构看，数据中心贡献了 263 亿美元，而汽车只贡献了 3 亿美元，即便英伟达近年在加强汽车自动化的技术研发。
侧面反映了，数据中心的算力需求是汽车的 88x 倍。汽车首先是一个物理世界的 “实体大件”。汽车的智能化程度，代表了整个物理世界的实际智能化程度。
生成式 AI（Gen AI）在一些语境下被称呼为 AIGC（AI 生成内容）是有原因的。目前访问量大的生成式 AI 应用，基本都是生成某种内容。
2022 - 2023 年期间，舆论非常喜欢把生成式 AI 称为下一轮工业革命。以至于只看公众号文章，感觉一年时间就可以工业革命好几轮。
而汽车行业就是工业行业的代表。如果 Nvidia 汽车板块的收入超过数据中心的收入，也许可认为下一轮工业革命到了。
