直接說結論：
第一、英偉達（Nvidia）利用OpenAI為自己的商業版圖錦上添花。
第二、OpenAI龐大的計算量需要英偉達的硬體支撐。
Part1
首先科普一下，為什麼OpenAI的計算不是用CPU，而是用GPU（顯卡）呢？
一般來說計算機的運算是由CPU來完成的，但是如果任何計算都分配給CPU，那麼CPU也會變得很疲憊的，於是英偉達（Nvidia）在1999年引入了GPU（顯卡）的概念。有GPU（顯卡）之後，二者就進行了分工，CPU負責邏輯性強的複雜計算，而GPU（顯卡）則專注於執行簡單的、重複的、量大的計算。
這也就解釋了為什麼前幾年比特幣火爆時，顯卡一直在漲價。因為隨著比特幣挖礦算法的深入研究，礦工發現挖礦是個相對簡單但需要一直重複的運算過程，為了提高挖礦效率，所以這種重複且大量的工作就轉交給了GPU。同樣的，在OpenAI訓練模擬的過程中也是有大量且重複的工作，於是GPU又被推上了浪尖。
根據研究公司預測，OpenAI的ChatGPT最終將需要超30000個英偉達（Nvidia）顯卡。我們使用英偉達（Nvidia）的 A100 (Ampere)產品作為參考，A100(Ampere)的價格在10000美元到15000美元之間，因此至少英偉達（Nvidia）的收入可能會因此增加3億美元。同時隨著Google、微軟等公司也紛紛入局AI人工智慧，毋庸置疑，最終的贏家都將是英偉達（Nvidia），因為人們對AI人工智慧的狂歡都將轉化為對GPU的需求增加。
Part2
實際上英偉達（Nvidia）在此前已經在AI方面有很多投資。英偉達（Nvidia）已經為企業用戶在提供世界領先的人工智慧平台，它可以讓用戶通過雲服務訪問英偉達（Nvidia）的DGX人工智慧超級計算機、軟體庫，甚至預訓練的模型。英偉達（Nvidia）還藉助多年在圖片處理領域的技術優勢，也在積極布局自動駕駛。
同時英偉達（Nvidia）還藉助AI人工智慧為自己的GPU在錦上添花，用該公司CEO黃仁勛的話說：就是我們計算了一個像素，然後直接利用AI算出剩下的7個像素。就好比一個拼圖遊戲，GPU只需要計算出其中一塊圖片，AI就幫你完成了剩下的7塊圖片，這將大大提升GPU的工作效率。這就好比馬斯克展示的機器人生產機器人的邏輯一樣，有著異曲同工之妙。