你可能没有买过任何一件英伟达的产品毕竟可能买不起，甚至此前根本没有听说过英伟达，但在今天的世界里，你的生活不可避免地会与英伟达Nvidia这家公司产生千丝万缕的联系。

不仅仅是每个玩家都想要一块“4090”的游戏界，英伟达已经带着它的显卡渗透到了你生活的方方面面。你和朋友们一起玩的游戏、出行时乘坐的电动汽车、在电影院里观看的3D大片、与聊天机器人的每一次对话......其背后可能都有英伟达在默默发挥作用。不是每个人都了解他们，但没人离得开他们。

这样的背景下，英伟达在今年的市值一度突破了2.3万亿美元，仅次于微软和苹果1。英伟达，究竟何方神圣？

源自快餐店的硅谷巨头

每家硅谷巨头似乎都有一个不寻常的起源地——比如车库、学生宿舍。英伟达也是如此。

1992年至1993年，英伟达的三位创始人黄仁勋、克里斯·马拉科夫斯基Chris Malachowsky和克蒂斯·普里姆Curtis Priem就是在美国加州圣何塞高速公路旁的一家Denny's连锁餐厅，一起讨论出了创建英伟达的想法2。

值得一提的是，之所以会面地点选在了Denny's餐厅，多少是因为黄仁勋“念旧”。他高中时曾经在这家餐厅当洗碗工，干得还很不错34。

这三人就着咖啡兴致勃勃地聊上好几个小时，以至于被不耐烦的老板赶到了餐厅靠里的位置。不过，在偶然留意到窗户上的弹孔之后，他们还是觉得“不宜久留”，于是便离开了餐厅2。

“Nvidia”这个名字，也是在三人回到普里姆没有空调的家中，借助字典才想好的。这个词取自拉丁语单词invidia的改写，寓意是希望竞争对手“嫉妒得发绿”3。

最早的英伟达是一家专注于电子游戏中3D图像处理的公司，他们致力于用性能更为出色的芯片帮助游戏实现更精细更流畅的画面5。在当时个人电脑上还稍显“原始”的图形技术上，三人看到了巨大的进步空间。

然而，并不是所有人都能理解他们的创业理念。黄仁勋妈妈在听说儿子的公司是在做这样的业务之后，甚至发出了灵魂拷问：“就不能去找个工作吗？”2

但不可否认的是，英伟达在这条路上走得“还不错”。在成立的头几年，英伟达开发出了一系列3D加速卡，其中包括让英伟达在一众竞争对手中脱颖而出的Riva1286。1999年，英伟达又开发出了GeForce256，这是世界上第一颗真正意义上的GPU7，也就是专门用于计算图形和图像的处理器，它可以成为显卡的“大脑”。

在游戏这个细分领域，随着英伟达不断进行技术迭代，他们能够渲染出来的画面也越来越让人惊叹。当下，如果你的设备搭载了一块较新版本的英伟达显卡，借助其超强的计算性能和能够实时模拟真实光照的光线追踪技术，你便可以在赛博朋克2077、荒野大镖客等3A大作中看到足以以假乱真的游戏画面。

英伟达通过游戏获得的营收，也随着其显卡的性能和口碑同步攀升。

一直到2022财年，游戏都是英伟达四大主营业务的核心板块游戏、数据中心、专业可视化、汽车8。这一年英伟达在游戏上的营收达到了125亿美元，占到了总营收的46%。在由游戏玩家推动的独立显卡市场，英伟达长期占据着80%以上的市场份额，以断层优势牢牢占据头把交椅9。

“让竞争对手嫉妒得发绿”的目标，达成了。

AI浪潮中狂飙的大赢家

英伟达在游戏领域的表现毋庸置疑，但如果他们只是占据了这一座“山头”，可能也只会有一些“打游戏的”对他们的显卡津津乐道，更别提一跃成为世界市值第三的巨头公司了。真正让英伟达一路狂飙的，是2023年掀起的AI人工智能浪潮。

显卡与AI有什么关系？如果你没有在第一时间想到答案，也不用灰心，因为从英伟达成立起就担任公司CEO的黄仁勋也没有。

他早就认识到显卡的潜力并不只在于游戏，可他没有预料到的是，他们的显卡技术，居然能够与深度学习这一AI最热门的领域产生奇妙的“化学反应”5。

这还得从GPU的工作原理讲起。为了模拟真实世界里无穷无尽的形状，GPU需要先生成一个个简单的基本三角形，再通过三角形的剖分与组合“逼近”复杂形状，并将其“渲染”到屏幕上。

这样的任务对GPU的要求是能够在短时间内对大量的数据进行简单、重复的并行计算10。GPU和CPU的区别也就在于此——后者更擅长顺序执行的复杂计算11。

打个比方，相比更擅长把一大车货一块拉到目的地的CPU，GPU更像是能够同时运送大量小物件的“闪送骑手车队”。

2006年，英伟达推出了CUDA架构。你可以把CUDA理解成一款GPU编程工具箱，它允许使用者通过更为熟悉的“高级”编程语言来“指挥”显卡进行图形计算之外的任务，而无需再大量编写底层代码，从而“解放”了显卡的超级计算能力5。

从图像处理到深度学习、数字分析和计算科学等多个领域，开发者都能借助CUDA进行GPU并行加速 / NVIDIA官网

但在利用大规模数据集进行训练的深度学习引发AI革命之前，并不是所有人都能利用好这把“屠龙宝刀”，CUDA也在早期遭受了冷遇。

实际上，深度学习一度被认为是不可行的落后技术。好在一些“先知”对深度学习和英伟达的显卡抱有信心，其中就包括多伦多大学教授、后来被称为“AI教父”的杰弗里·辛顿Geoffrey Hinton，以及他的学生亚历克斯·克里泽夫斯基Alex Krizhevsky和伊尔亚·苏茨克维Ilya Sutskever。

在2012年的ImageNet视觉识别挑战赛，他们使用两块GeForce显卡对卷积神经网络AlexNet加以训练，最终正确率碾压第二名，强势夺冠，展现出了深度学习的惊人潜力12。而类似的效果，那年早些时候谷歌的研究人员用了一万六千块CPU才达成。

此后，有越来越多的关注和投资涌向深度学习。与深度学习“天造地设”，又有CUDA助力的英伟达显卡，也成了AI领域备受追捧的宝贝3。

2017年，谷歌团队发布了Transfomer深度学习模型13，如原子裂变一般引爆了之后的一系列成果。

前面提到的苏茨克维后来成为了OpenAI的联合创始人兼首席科学家，正是有了他的关键贡献，席卷全球的ChatGPT才得以在2022年底正式进入公众视野。“GPT”中的“T”，代表的正是“Transformer”。以ChatGPT为代表，能够根据人类指令产出文字、图片乃至视频的生成式AI，成了每个高科技巨头争相追逐的“圣杯”。

可能是有史以来规模最大的“AI战争”正在打响，而英伟达几乎是这场战争唯一的“军火供应商”。

2023年上半年，号称“最强显卡”的英伟达H100在市面上的价格被哄抢到将近30万元人民币，依然供不应求。显卡这般紧俏，让马斯克感慨：“此时此刻，获取GPU比获取毒品要难得多”1415。

不管这场“AI战争”的结果如何，英伟达都会是最后的大赢家。因为AI军备竞赛需要算力的支持，而英伟达的显卡就代表算力。科技公司们越是杀得头破血流，英伟达越是“赢麻”。

2024年3月英伟达推出名为Blackwell新一代AI GPU， 多个Blackwell连到一起，能形成一个能处理万亿参数模型的AI超级计算机

2024财年，英伟达的营收相比上一年暴涨126%，来到了609亿美元，其运营利润更是同比上涨681%，达到了329.72亿美元。其中，与AI相关的数据中心业务营收为475亿美元，占公司总营收的78%16。

英伟达并不以AI应用为主打产品，却已经成了左右整个AI发展格局的领域巨头。

一度“距离倒闭只有30天”

虽然在“皮衣刀客”黄仁勋的领导下，英伟达已经成为世界上市值最高的公司之一，但这家公司的发展道路并非“开挂”般畅通无阻。对黄仁勋而言，英伟达有三次刻骨铭心的失败，甚至到了差点倒闭的地步17。

英伟达的第一个重大失败发生在公司成立初期。

当时，英伟达赢得与世嘉共同开发游戏主机的合同。然而，在开发过程中，英伟达意识到他们所选择的技术方向出了差错，而且与即将推出的Windows 95 Direct3D不兼容。这使得英伟达陷入两难：勉强完成合约，他们将生产出注定无法被市场认可的产品，而不完成则面临破产。

公司生死攸关之际，黄仁勋选择亲自联系世嘉高层，承认错误并劝对方另寻合作伙伴。与此同时，他“难为情”地请求世嘉全额支付费用，以便英伟达能够继续运营。

出乎黄仁勋意料的是，世嘉CEO大方地同意了。在好不容易争取来的喘息期，英伟达推出了“爆款”RIVA 128显卡，终于渡过了难关。

第二次“失败”正是CUDA的研发。作为一项能够带来超级计算能力的技术，CUDA在研发过程中消耗了英伟达数十亿美元的成本，但公司能够从CUDA获得的利润却因为市场规模不大而相当低迷，英伟达也因此受到了众多股东的批评，到2008年末股价甚至一度下降了70%3。

但英伟达排除万难坚持了下来，他们不辞辛劳地走进大学、企业和研究所等各类机构，在全球范围内寻找客户群体310。随着深度学习引领AI走向新时代，英伟达一直坚守的愿景终于成为了现实。

第三次失败则是进入移动计算芯片领域的惨淡结局。

2010年左右，手机行业的蓬勃发展让黄仁勋看到了一片巨大的市场，于是英伟达带着Tegra移动处理器“入场”，与高通、联发科等强劲对手展开厮杀。当首发搭载Tegra 4处理器的小米3发布时，黄仁勋还出席了发布会，用中文喊出了“我也是米粉”1819。

然而，面对激烈的市场竞争和学习开发新技术的挑战，英伟达最终决定放弃移动市场，专注于其核心使命——为普通计算机无法解决的问题提供解决方案。

不过英伟达对Tegra的投入也没有白费，后来英伟达在其基础上开发了面向自动驾驶的DRIVE PX和Drive PX2芯片，成功打入了汽车行业2021。

虽然英伟达曾经遭受过这些“伤筋动骨”的失利，但英伟达在面对困难和挑战时所体现的危机和创新意识，最终成就了英伟达今天的辉煌。黄仁勋在公司第一次遭受重创时所说的“本公司离倒闭只差30天Our company is 30 days from going out of business”，也成了英伟达的一条非官方“司训”3。

英伟达会成为下一个微软、苹果吗

在当下这个时间点，英伟达占据了AI训练芯片70%以上的市场份额22，其数据中心GPU的市占率更是压倒性的92%23。

考虑到AI正愈发成为时代发展的“引擎”，结结实实撞上时代风口的英伟达，虽然此刻可能还不如微软、苹果般家喻户晓，但按目前的势头发展下去，要做到这一点似乎也只是时间问题。

不过，一切真的会那么顺利吗？AI领域的“蛋糕”实在太过巨大，加上英伟达的显卡确实也不便宜，不但AMD、初创芯片公司等行业内的对手在试图挑战英伟达，微软、英特尔、亚马逊、谷歌、Meta、苹果等一众“高阶玩家”也在自研AI芯片，争取打破英伟达的统治地位。

但通过围绕CUDA打造的软件生态，英伟达已经“挖”出了一条深深的“护城河”。要在硬件上拿出性能更出色的产品并非易事，软件服务上对手们也很难匹敌英伟达已经打磨了很久的CUDA。即便是能够拿出与英伟达“掰手腕”的产品，客户也很可能会出于消费惯性和对英伟达的信任“站队”英伟达24。

更何况，英伟达自己也没有停滞不前。除了继续开发速度更快的显卡，2019年，英伟达收购了以色列网络技术公司Mellanox25，后者的高性能网络技术能够帮助英伟达更好地将芯片连接起来，组成更强大的数据中心，甚至在日后构建起为各个行业源源不断提供AI算力的“AI工厂”——就像今天的发电厂一样26。

目前看来，起码在可预见的未来，英伟达仍将在风口“一夫当关，万夫莫开”。而那个爱穿黑色皮衣的男人，也会继续站在“世界之巅”。

参考文献：

1 Naughton， J. 2024， March 30. How Did a Small Developer of Graphics Cards for Gamers Suddenly Become the Third Most Valuable Firm on the Planet? .The Guardian.

2 Cohen， B. 2023， June 1. The $1 Trillion Company That Started at Denny’s. The Wall Street Journal.

3 Witt， S. 2023， November 27. How Jensen Huang’s Nvidia Is Powering the A.I. Revolution. The New Yorker.

4 Stanford graduate school of business. 2024， March 6. Jensen Huang， Founder and CEO of NVIDIAVideo. YouTube.

=lXLBTBBil2Ut=389sab_channel=StanfordGraduateSchoolofBusiness

5 Tilley， A. 2016， November 30. The New Intel: How Nvidia Went From Powering Video Games To Revolutionizing Artificial Intelligence. Forbes.

=151e84c77ff1

6 Peddie， J. 2019， August 5. Famous Graphics Chips: Nvidia’s RIVA 128. IEEE Computer Society.

7 Peddie， J. 2021， February 25. Famous Graphics Chips: Nvidia’s GeForce 256. IEEE Computer Society.

8 Di pizio， A. 2023， February 12. Gaming Was Nvidia’s Largest Business. Now， 80% of Its Revenue Comes From Somewhere Else Entirely. Yahoo Finance.

9 Shilov， A. 2023， September 6. GPU Market “Healthy and Vibrant” in Q2 2023: Report. Yahoo Finance.

10 Clark， D. 2017， September 1. Why a 24-Year-Old Chipmaker Is One of Tech’s Hot Prospects. The New York Times.

11 Caulfield， B. 2009， December 16. What’s the Difference Between a CPU and a GPU? Nvidia.

12 Krizhevsky， A.， Sutskever， I.， Hinton， G. E. 2012. Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems， 25.

13 Vaswani， A.， Shazeer， N.， Parmar， N.， Uszkoreit， J.， Jones， L.， Gomez， A. N.， ... Polosukhin， I. 2017. Attention is all you need. Advances in neural information processing systems， 30.

14 Leswing， K. 2023， April 14. TECH Nvidia’s Top A.I. Chips Are Selling for More than $40，000 on EBay. CNBC.

15 Fitch， A. 2024， February 26. Nvidia’s Stunning Ascent Has Also Made It a Giant Target. The Wall Street Journal.

16 Nvidia corporation. 2024， February 21. NVIDIA Announces Financial Results For Fourth Quarter And Fiscal 2024. Nvidia.

17 Xu， K. 2023， May 29. Jensen Huang NTU Commencement Speech 2023. Interconnected.

18 Nvadmin. 2013年9月5日. 超高速 Tegra 4 獲快速熱賣的小米超級手機採用. Nvidia.

19 科技捕手. 2023年3月26日. 2013年雷军邀请黄仁勋为小米3站台，估计也没想到十年后NVIDIA会成为科技行业的AI霸主！#黄仁勋 #雷军 #小米视频. Bilibili.

==af1924b3ea38ec8d382e9b40af2b6e9e

20 Nvidia. 2015， January 4. NVIDIA Paves Way for Tomorrow’s Cars With NVIDIA DRIVE Automotive Computers. Nvidia.

21 Nvidia. 2016， January 4. NVIDIA Boosts IQ of Self-Driving Cars With World’s First In-Car Artificial Intelligence Supercomputer. Nvidia.

22 Clark， D. 2023， August 21. How Nvidia Built a Competitive Moat Around A.I. Chips. The New York Times.

23 Oikawa， A. 2024， March 28. Led by Nvidia， U.S. Dominates in Generative AI Tech. Nikkei Asia.

.S.-dominates-in-generative-AI-tech

24 Gallagher， D. 2023， October 6. How Nvidia Got Huge—and Almost Invincible. The Wall Street Journal.

25 Nivida. 2019， March 11. NVIDIA to Acquire Mellanox for $6.9 Billion. Nvidia.

26 Goode， L. 2024， February 23. Nvidia Hardware Is Eating the World. Wired.

文章来源：浪潮工作室