摘要：黄仁勋将这台价值 12.9 万美元的设备捐赠给了一家初创企业，它正是 7 年后震惊全球的 OpenAI，而马斯克是 OpenAI 的联合创始人。7 年后，英伟达 A100 芯片被抢购至断货，2023 年 5 月底，其市值一度突破万亿美金，成为美国市值第五的公司

2016 年，黄仁勋展示英伟达首款深度学习超级计算机 DGX One 的照片上，马斯克也在一旁。

黄仁勋将这台价值 12.9 万美元的设备捐赠给了一家初创企业，它正是 7 年后震惊全球的 OpenAI，而马斯克是 OpenAI 的联合创始人。7 年后，英伟达 A100 芯片被抢购至断货，2023 年 5 月底，其市值一度突破万亿美金，成为美国市值第五的公司，实力远超英特尔和 AMD。

曾经在游戏圈卖卡、被调侃 “老黄刀法” 的英伟达，究竟如何摇身一变，成为 AI 能源、科技发展基石的呢？

1993 年，对于全球科技发展和英伟达的创始人黄仁勋而言，都是意义非凡的一年。

这一年，中国正式接入国际互联网，诺基亚迈向中国市场，央视新增《东方时空》节目；在美国，个人电脑革命正如火如荼，英特尔和 AMD 凭借奔腾 CPU 风光无限。此时的黄仁勋，在芯片行业已摸爬滚打十年，先后在 AMD 从事芯片设计，在 LSI Logic 负责图形处理，技术、管理、销售样样精通。

黄仁勋 1963 年出生于台北，9 岁被送往华盛顿州舅舅家，就读于乡村寄宿学校。那里环境复杂，同学个性张扬，黄仁勋却迅速适应，还学会了翻墙、抽烟等叛逆之事。不过，他并未就此沉沦，而是重拾华人的学霸基因，考入俄勒冈州立大学电子专业。在实验室里，他向女友 Lori 许下 30 岁拥有自己公司的诺言。

1993 年，30 岁的黄仁勋兑现了承诺，拉上两位技术伙伴创立英伟达，并出任 CEO，将上班首日定在自己生日那天。

公司专注研发图形处理芯片，以契合 PC 兴起带动的电子游戏和多媒体发展浪潮。然而，创业初期便遭遇重创。1995 年，英伟达推出首款面向游戏主机的多媒体加速器 NV1，获得世嘉 700 万美元合约用以研发 NV2。

但同年微软发布 Windows 95，并推出新图形编程接口 direct 3D，游戏市场从主机转向 PC，而 NV2 无法兼容 Windows 标准。

陷入绝境的英伟达，黄仁勋果断向世嘉坦白，请求终止研发并全额支付资金。或许是他的真诚与魄力起了作用，世嘉竟答应了这一请求。

1997 年，英伟达推出新款图形加速芯片 Riva 128，专供 PC 市场，凭借高性价比，4 个月内出货量超 100 万台，开启逆袭之路，目标直指当时显卡市场的霸主 3D FX。

为超越 3D FX，黄仁勋化身 “卷王”，采用 3 团队两季度研发模式，每 6 个月推出新产品。他还提出 “黄氏定律”，宣称英伟达芯片性能每 6 个月翻一倍。1998 年，性能更强的 Riva TNT 问世，英伟达开始具备与 3D FX 竞争的实力 。

英伟达的成功还得益于两次关键选择。一是抱紧微软大腿，在图形处理器群雄混战之际，坚定跟随微软的技术标准；二是与台积电合作，专注设计，借助台积电的生产优势，实现强强联合，生产出工艺更好、成本更低的芯片 。

1999 年，英伟达成功上市，推出全球首款 GPU GFORCE 256，性能空前提升，市场份额超越 3DFX。次年，英伟达收购 3DFX，成为显卡领域的新霸主。

成为显卡一哥的英伟达，很快迎来新对手 —— 老牌显卡巨头 ATI（其创始人何国源是华裔）。

2000 年，面对英伟达的 Geforce 256，ATI 推出 Radeon 256，性能更优。此后数年，双方展开激烈竞争。2003 年，中国成为全球第二大电脑市场，ATI 在国内发布顶级显卡 Radeon 9800 XT，4 天后英伟达就推出 Geforce FX 5900 应对。

在这场显卡大战中，ATI 创始人何国源因财政丑闻退居幕后，ATI 逐渐走向衰落。英伟达则在后续产品推出中占据上风，牢牢把控中低端市场利润。

2006 年，ATI 被 AMD 收购，但 AMD 因收购负债累累，无暇与英伟达全力竞争，“A 卡 N 卡争霸” 以英伟达的胜利告终，此后英伟达在桌面独显市场占有率超八成 。

一家独大的英伟达开始采用 “老黄刀法”，对显卡性能进行细分切割。

但黄仁勋深知，仅靠游戏显卡业务难以长久，必须寻找下一个风口。当时，GPU 用途单一，仅用于 3D 图形渲染，且常处于闲置状态。

2006 年，英伟达首席科学家 David Kirk 建议将 GPU 技术通用化（GPGPU），让 GPU 可编程。黄仁勋力排众议，决定开发 CUDA 平台 。

这一决策遭到董事会反对，因为开发编程平台不仅成本高昂，还会增加芯片设计难度，导致芯片面积增大、散热和故障率上升。客户对增加的编程功能不买账，不愿支付溢价，英伟达利润大降，股价低迷，持续了 5 年之久。

期间，英伟达在手机芯片市场也遭遇挫折，推出的 Tegra 系列芯片因未能整合处理器和基带技术，不敌高通，最终放弃手机市场 。

幸运的是，英伟达对 CUDA 的豪赌迎来转机。

2012 年，深度学习三巨头之一 Geoffrey Hinton 和学生 Alex 用两块 GTX 580 显卡，仅花 6 天就训练出深度神经网络 Alexnet，并在 Imagenet 大规模视觉识别挑战赛中夺冠。这一成果让人们看到 GPU 在深度学习领域的巨大潜力，也让英伟达迅速拥抱 AI 时代 。

GPU 之所以成为 AI 时代的宠儿，在于其与 CPU 运算方式和功能的差异。

CPU 核心数少但结构复杂，擅长复杂逻辑判断；GPU 拥有数千个简单核心，适合并行处理任务，在数据处理上优势明显。而英伟达的 CUDA 平台，让 GPU 算力得以释放，极大降低了编程门槛，使得工程师、科学家等都能轻松调用 GPU 算力 。

后来，AMD 虽推出类似的 RCM 平台，但比 CUDA 晚了 10 年。

凭借先发优势，英伟达构建起一整套软硬件生态标准，在 AI 领域占据统治地位。无论是自动驾驶、比特币挖矿，还是元宇宙、ChatGPT 等领域，英伟达都深度参与，其产品广泛应用于各个计算相关领域，宛如数字时代的水电煤 。

英伟达从游戏显卡厂商转型为 AI 算力霸主，既有黄仁勋的远见卓识，也有运气成分。

正如谷歌大脑研究员 Sara Hooker 所说，英伟达的成功类似中彩票，依赖于硬件与建模进展的匹配。但不可否认，黄仁勋敢于在不确定中投入研发，是英伟达成功的关键 。

如今，英伟达的人工智能芯片 A100 和 H100 被限制对中国大陆出口，国内大模型厂商面临算力困境。这不仅是 AI 领域的问题，更是关乎中国未来科技发展的挑战。

中国需要自己的 “英伟达”，在高端芯片领域实现突破，摆脱对国外技术的依赖，在全球科技竞争中占据一席之地 。

文本来源@阿泰（阿Test正经比比） 的视频内容

来源：翼峰说历史