围绕 AI 算力的芯片需求，目前 NVIDIA 是主导厂商，能否通过自研的方式来平替，是目前大型互联网和科技公司的重要议题。
互联网公司曾经会大量采购 IBM、HP 等品牌商的服务器；随着规模的扩大，以 Facebook、AWS 为代表的大型云服务公司会通过定制服务器的方式来平替。由于此类公司算力需求庞大，实际上云服务公司对所谓 “白牌” 服务器的采购，直接根本性的改变了全球服务器的产业格局。
服务器市场发生的故事会不会在 AI 芯片，尤其是 GPU 市场复现？
附图是 Morgan Stanley 的预测，围绕 AI GPU 自研（定制） 芯片市场在 2024 年的市场规模。Google 会贡献 18 亿美元，Telsa 12 亿美元，AWS 10 亿美元，微软 6 亿美元，阿里巴巴 4 亿美元，Meta 3 亿美元…… 共计 62 亿美元。
思考一下用词习惯，服务器大家喜欢叫 “白牌或白盒”。GPU 呢 ？叫定制、自研貌似更贴切。
当一项商品有很强烈的溢价或高级感时，“白盒 Whitebox” 这个词一般不太愿意用。如果溢价不行了，用词也会更换。
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。
摘录自 Basecamp 创始人的《重来 3》：
选择大客户，还是小客户？服务 Top 500 强，还是 Top 5000000 强？
Basecamp 的定价策略和 Salesforce 早期一模一样，就是无论一次买5个帐号，还是5000 个帐号，单价都一样，没有差别。
关键逻辑：如果你想做真正的通用产品，那就意味着所有客户是平等的。你不会因为合同大小来定谁优先级高。
一开始就不能如何如何，是 SaaS 成功的条件（之一）。
各行各业对数字化浪潮的拥抱已少有异议，技术手段必然会成为企业关键的竞争力的一环。
这就带来典型问题，对于企业来说，是应该培养自己的团队，自主研发新技术好呢，还是外包给第三方服务商。
附图来自 KPMG 的调研，针对若干重要的零售行业数字化技术的选择：
不同技术态度差别很大，数据分析被零售商认为是重中之重，自研比例最高（43%），而 机器人、5G、GPS 定位等则更倾向于采购自第三方。
