英伟达的五步封神之路，AI芯片之王为何是ta

英伟达的五步封神之路，AI芯片之王为何是ta?

共同探讨有深度的生成式AI技术前沿洞见、技术迭代、案例解析、方法和实践，请关注“神州问学”公众号，加入社群！

©作者| 格林&TW

来源| 神州问学

摘 要

在大模型的浪潮中，英伟达依靠强大的GPU产品获得了大量订单，并由此确立了其在高性能计算市场的领先地位。1993年成立的英伟达在创业初期也曾经历过濒临破产的艰难处境，也在大部分高层反对的情况下坚持研发后来产生重要影响的CUDA结构。在本篇文章中，我们将英伟达成长的历史划分为五个阶段，从创业初期到现如今燎原的辉煌时期，并梳理盘点了这几个阶段中英伟达的重要发布和事件，带您了解英伟达波澜曲折的发家历史。

三周前的2023年12月28日，英伟达针对中国市场推出了GeForce RTX 40系列特别款显卡——NVIDIA GeForce RTX 4090D，完美规避了美国针对芯片的出口禁令，将Tensor 核心的数量从4090的512块降低到456块，GPU结构上仍然采用的是桌面端最新的Ampere结构。

GeForce RTX 4090显卡是多少游戏宅宅的梦中情卡，同时也是AI开发者们所青睐的模型加速器。英伟达的芯片以其强大的Tensor核心和高度优化的GPU结构，为开发者和研究人员提供了前所未有的计算能力，从深度学习、计算机视觉、自然语言处理到大语言模型，英伟达的显卡正在推动这些领域的创新边界。除此之外，英伟达在数字生物学、气候科学、游戏、创意设计、自动驾驶汽车和机器人等领域的算力设备和研究也都占有一席之地，成为市场上无可撼动的王者。

但曾经，英伟达还没有涉及汽车，还没有涉及科研，还没有涉及人工智能。曾经某个时间，英伟达是一家举步维艰的图形芯片公司、一家濒临破产的公司、一家为了生存不得不裁掉60%左右员工的公司。但英伟达究竟做了什么，让公司起死回生，迅速成为市场上的佼佼者，并且在三十年左右的时间内，让英伟达成为了世界第八家市值突破1万亿美元的公司。让我们从头开始，回顾英伟达成长的历史，看看英伟达是如何成为GPU芯片巨头的。

从前，Once Upon a Time in America……

第一阶段：艰难的创业初期 {1993 - 1997}

关键词：NV1 芯片、Microsoft DirectX、NV3 芯片

英伟达（NVIDIA）由黄仁勋、Chris Malachowsky和Curtis Priem于1993年创立，目标是让个人电脑成为为一个能够享受游戏和多媒体的消费级设备。

最早创始人们在构思名字的时候遇到困难，最开始的什么产品都用NV命名，意思是‘下一代’（Next Version）。后来老黄他们查阅了所有带NV二字的单词，然后在拉丁语中找到了“Invidia”意为“嫉妒”，而这可能也和英伟达的标志性的黑绿配色和眼睛形状的Logo有关，似乎出处是莎士比亚《奥赛罗》中“嫉妒是一个绿眼的妖魔“这句话（当然，也可能单纯是因为绿色和黑色是芯片的颜色）。

虽然现今英伟达成为了全球首家市值超过1万亿美元的芯片公司，但英伟达的早期历程充满了艰难的挑战和突破性的创新。NVIDIA成立之初，市场上已经有超过24家图形芯片公司，而在三年后飙升至70家。但老黄凭借着对技术的深刻理解和对市场的独到见解，决心在这个竞争激烈的市场中占据一席之地，主攻当时仍处在萌芽阶段的图形芯片市场。先前老黄在AMD的工作经验为他奠定了坚实的技术基础，而他在LSI-Logic的职业转型则拓宽了他的市场视野。

1995年，NVIDIA推出了其首款产品NV1：

NV1是一款与市场上所有图形芯片都不同的产品，其中集成了显卡、声卡和手柄驱动等多种功能，对应目标市场并非PC，而是游戏主机。在著名街机游戏公司世嘉SEGA的助力下，《Virtual Fighter》成为了第一款运行在NVIDIA显卡上的3D游戏。

NV1的推出是英伟达一次大胆的创新尝试，但可惜并未能打入主流游戏市场，并导致了公司第一次艰难时刻。公司的财务状况因此受到重创，一度面临破产的风险，基本耗尽了红杉资本创始人Don Valentine最早投资英伟达的2百万美金，并且为了生存，公司从100多人裁员到30多人。

在公司历经困境之时，世嘉伸出援手，投入了700万美金，支持NVIDIA研发新一代产品。然而，这一合作最终未能成功，正在研发中的NV2项目也随之流产。此时，NVIDIA的创始人们作出了重要决策：放弃部分已有专利，转而全面支持微软的DirectX接口。这一举措成为NVIDIA历史上的转折点：1996年，NVIDIA推出了支持Direct3D的DirectX驱动程序，成为了当时市场上寥寥无几的支持DirectX接口的图像芯片厂商。

在1997年，英伟达推出了关键的芯片产品 Riva 128（NV3），这是全球首款128位3D处理器，并且支持微软的DirectX接口，让众多微软下游厂商纷纷和英伟达结成伙伴，并让Riva 128芯片成为不少 ODM 厂商的首选。Riva 128芯片在前四个月内出货量就突破一百万台，成为了当时的爆款。这也拯救了英伟达，证明了公司技术上的领先地位，也标志着公司在图形芯片市场上的正式崛起。

从1993年到1997年，英伟达经历了从创业初期的艰难挑战到技术上的重大突破。尽管面临市场竞争和财务困境，英伟达凭借其创新精神和战略转型，在图形芯片市场取得了重要胜利。

**
**

第二阶段：快速成长的GPU时期 {1998 - 2005}

**关键词：台积电、Geforce 256 GPU、可编程GPU、游戏机
**

在1998 - 2005这段时间，英伟达经历了显著的变革和成长，成为了专业可视化领域的领导者，并在GPU技术、游戏机合作、和显卡市场竞争方面取得了重大进展。

1998年，这时的英伟达虽然已经获得了阶段性成功， 但仍然是一家搞芯片设计的创业公司，还没有能力加工制造芯片。为了能够生产图形加速显卡，老黄尝试给张忠谋写信，希望台积电能否帮英伟达代工芯片，加工晶圆。让老黄没想到的是，张忠谋收到信后直接给老黄打电话，让老黄惊喜地对周围同事大喊：“安静！张忠谋打给我了。”从此英伟达与台积电二十多年年的合作就此展开，而老黄也一直将张忠谋视为挚友，声称“没有台积电就没有英伟达”。英伟达与台积电的合作为英伟达提供了稳定的芯片供应，这对于后来的产品创新至关重要。

1999年，英伟达推出了全球首款图形处理器（GPU，graphics processing unit）——GeForce 256。GeForce 256大大减少了对 CPU 的依赖，针对 3D 图像的渲染功能强化，此时没有其他图形芯片厂商能达到GeForce 256的出色性能，这也帮助英伟达拿到了微软的订单，为其首款Xbox游戏机提供图形处理器。

GeForce 256的推出，不仅标志着英伟达在图形处理技术上的领先地位，还标志着首款真正GPU的出现。同年，公司首次公开募股（IPO），股价定于每股12美元，这为公司带来了更多的发展资金和市场关注。在此之后，英伟达迅速成长为大型显卡厂商。在2000年，英伟达击败并收购了前任显卡巨头3dfx，至此市场上形成了英伟达和加拿大显卡公司ATI双雄争霸的局势。在后来ATI公司被另一家不断成长的显卡公司收购，这家公司正是英伟达的对手之一，AMD。

2001年，英伟达推出了业界首款可编程GPU——GeForce3，让开发人员能够自定义创建视觉效果。但除此之外，英伟达让GPU拥有了可编程性，再加上GPU 能进行平行运算的特性，让GPU从结构上适合运算大量数据，使得科学计算开始能够利用GPU完成，这也让 GPU 逐渐地被 AI 科学家们注意到，并在此埋下了后来AI模型带来的GPU浪潮的伏笔。

在后面这几年，英伟达也在不断巩固自己在市场上的地位。2003年，英伟达宣布收购无线图形和多媒体技术的领导者Media Q，并被斯坦福大学商学院校友会评为年度创业公司。2004年，英伟达推出了SLI技术，这一技术使得多个GPU可以连接在一起，显著提升了单台PC的图形处理能力，同年公司还帮助NASA重建了火星地形，展示了其技术在科学研究领域的应用潜力。2005年，英伟达宣布为索尼的PlayStation 3游戏机开发处理器，并宣布了对核心逻辑技术开发商ULi Electronics的收购。

英伟达在1998年至2005年间的快速发展，让英伟达一步步地在高性能计算和图形处理领域奠定了其不可动摇的地位，这也让英伟达在2002年被《财富》杂志评为美国成长最快的公司。这一时期的英伟达的成功不仅在于技术革新，更在于对市场趋势的准确把握和对未来潜力领域的敏锐洞察。

第二阶段+：关键的2006年

关键词：AMD收购ATI；CUDA登场；GeForce 8800 GTX； 统一渲染；

在现代GPU发展史上，2006年显得尤为重要。这一年，AMD以54亿美元的天价收购了ATI，标志着AMD在CPU和GPU两大领域的双重布局。这一举措使AMD自豪地宣称，他们是行业内唯一同时提供高性能CPU和GPU的公司，这种双重优势使得AMD在市场上同时对英伟达和英特尔构成威胁。

但其实，2006年ATI公司被收购之后由于两家公司需要整合，AMD/ATI两边的CPU、GPU产品路线图都不免受到影响，间接导致了AMD显卡的份额不断下滑，与英伟达的差距不断拉大，从曾经的55开变成了46开、37开，逐渐到28开。

与此同时，微软在DX10 API中引入了统一渲染架构，英伟达迅速响应，并推出了支持统一渲染的G80系GeForce 8800 GTX显卡。这不仅标志着英伟达在技术上的一大步，更是CUDA技术的亮眼首秀，在一张英伟达 GeForce 8800 GT卡上拥有 112 个 CUDA 核心、512 MB DDR3 内存和 256 位内存接口。

CUDA（Compute Unified Device Architecture）是2006年英伟达为了解决GPU编程的复杂度问题推出的通用并行计算平台，早期，黄仁勋从游戏设计公司晶体动力请来David Kirk博士作为首席科学家，这位图形学和高性能并行计算的专家不仅对显卡技术做出了巨大贡献，更是CUDA技术的缔造者。后来英伟达通过建立基金会支持高校建立CUDA研究中心，推广GPU技术和并行编程。

CUDA不仅是一个硬件平台，更是一个软件栈，包括设备驱动和SDK等，同时作为一种通用GPU计算的革命性架构，极大地提高了科学家和研究人员利用GPU进行复杂计算的能力。CUDA的问世，使得普通程序员可以使用C语言、C++等编程语言在GPU平台上进行大规模并行计算，这让GPU的应用领域大大拓宽。

在后来，随着CUDA的发展和GPU可编程性的增强，利用GPU完成通用计算的受到高度重视，即将GPU用于通用计算，这就形成了CPU+GPU的异构模式。在后来的AI时代，CUDA逐渐成为深度学习和AI训练的首选GPU架构，助力英伟达在AI训练与推理市场中取得领先地位。

2006年对英伟达来说不仅是技术革新的一年，更是其商业战略和市场地位转变的关键时刻。

第三阶段：架构升级时期 {2007 - 2014}

关键词：Tesla、Fermi、Kepler、Maxwell显卡架构；GTX 480翻车；计算卡与游戏卡分离；超算；Tegra 移动处理器；

**
**

在2007至2014年间，英伟达经历了一系列重大变革和成就，巩固了其在图形处理器市场的领先地位。这个时期，英伟达推出了一系列创新产品和技术，并且不断升级其显卡架构，改变了游戏和高性能计算领域的格局。

Tesla

2007年，英伟达被《福布斯》评选为年度最佳企业，这一年对英伟达来说充满了里程碑式的成就。英伟达 Tesla GPU在2007年推出，标志着NVIDIA在高性能计算领域的重大突破，使得原本只在超级计算机中可见的计算能力得以应用于药物发现、医学成像等领域。Tesla架构，作为NVIDIA第一个实现统一着色器模型的微架构，奠定了其在行业中的领导地位。

Fermi

而在2010年，英伟达推出了基于40nm Fermi架构的GPU，将CUDA核心数提升至512个。但其实第一代费米核心的GTX 480显卡也因其造成的高温问题现场翻车，显卡红外温度达到了100°C以上。虽然GTX 480在功耗和发热上存在问题，但好在英伟达通过后续推出的GTX 580显卡有效地解决了这些问题。

Kepler

2012年，NVIDIA推出了基于28nm工艺的Kepler架构和基于此架构的NVIDIA GTX 680显卡。这一架构在游戏性能上实现了显著的提升，特别是在对比AMD的HD 7970时，NVIDIA展示了其在图形处理能力上的细微优势。更重要的是，Kepler架构并不是通用运算处理器结构，而是大幅加强的GPU的图形游戏性能，缩减与游戏无关的结构，成为了纯粹为游戏设计的GPU。Kepler结构的出现让英伟达区分了游戏卡和计算卡的设计策略，并让英伟达设计出了偏向图像游戏性能的GK104核心和拥有更强计算性能的GK110核心。

Maxwell

进入2014年，1月份英伟达发布了基于Maxwell结构的NVIDIA GM107核心，并在8个月后发布了基于Maxwell 2.0 的NVIDIA GM204核心，完全实现了Maxwell的设计架构，并同日推出了 GeForce GTX 980 和 970 GPU， 是当时最先进的游戏和图形 GPU，并完全支持 CUDA 6.5 以及 CUDA 平台的所有最新功能，包括统一内存和动态并行。

在产品方面，2013年英伟达推出了面向游戏玩家的NVIDIA GTX Titan显卡，并开辟了一条新的产品线——Titan显卡系列。这一系列显卡的公版设计与之前的产品大不相同，对后续的GTX XX80/80 Ti系列显卡设计产生了深远的影响。

这个时期，英伟达也在超算方面做出了成绩，在2010年全球最快超算的前五强中，有三台超算使用了NVIDIA Tesla GPU，其中包括当时的第一名天河一号A（中国）（使用了7168张）、第三名星云（中国）（使用了4640张U）、以及第四名Tsubame 2.0（日本）（使用了4200张）。其中，2008年东京工业大学打造的Tsubame是第一款登上世界500强超级计算机的Tesla GPU超级计算机。在2012年世界上最快的超级电脑泰坦也使用了18,688颗基于Kepler的 NVIDIA Tesla芯片 。

值得一提的是，英伟达曾经也尝试过进入移动处理器领域，在2008年的时候，英伟达发布了tegra，是英伟达为了进入手机市场开发的处理器。2009年，NVIDIA与谷歌合作在其Tegra处理器上发挥Android的功能。2011年，英伟达推出全球首款双核移动处理器Tegra 2，首款Android平板电脑基于此打造而成，在2013年推出了基于Tegra 3的平板电脑和智能手机，在2014年发布当时全球最快的四核移动处理器Tegra 4，后续更是推出了英伟达Tegra K1 192核超级芯片以及Tegra X1是一款256核移动超级芯片。

然而，英伟达在后来退出了手机市场。老黄回忆道，”因为我们知道，英伟达的使命是要来解决一般电脑无法解决的问题。”当时手机市场正在快速发展，但竞争者众多，英伟达因此决定离开手机市场。”这真的得之不易，撤退对你们这样的聪明人不容易，但有策略的撤退、知道你要什么，是成功的核心“。但是，随着2024年端侧模型和芯片的预热，是否也会让老黄杀出一条回马枪，重新回到手机的芯片市场呢？

在2007至2014年的这一时期，英伟达通过不断的技术创新和产品迭代，不仅在游戏显卡市场中占据了领导地位，也在高性能计算领域取得了显著的进展。通过推出一系列革命性的GPU架构和产品，NVIDIA成功地抓住了市场的机遇，应对了各种挑战，并在技术上实现了重大突破，为其未来的发展奠定了坚实的基础。

**第四阶段：AI觉醒时期 {2015 - 2021}
**

**关键词：深度学习；《History of Deep Learning》；Pascal、Volta、Turing、Ampere 显卡架构；GTX到RTX；
**

在聊英伟达2015年到2021年的这段时间之前，我们先需要回顾一段发生在2012年的小插曲……

2012年9月30号，斯坦福大学人工智能领域的著名教授李飞飞举办了Imagenet第三届比赛，比赛目标是使用机器学习的方法自动准确识别图片类型和内容。前两届比赛冠军的错误率都在25%左右，但今年有人居然做到了15.3%，这个网络正是大名鼎鼎的Alexnet，而设计者正是AI界的三位传奇人物：Alex Krizhevsky，Ilya Sutskever和教授Geoffrey Hinton，而Ilya Sutskever正是后来OpenAI的联合创始人。

有趣的是，Alexnet使用了CNN（卷积神经网络）的方法来设计网络，先前也有人使用这个方法。但其中的关键是CNN会耗费大量的计算资源，甚至连百万美金级别的电脑都没法承担这么大的运算量。后来发现，Alex使用了一块仅仅上千美金的英伟达GPU，通过CUDA简单的编程工具，就成功实现了卷积网络的高速训练和运算。从这开始，就标志着英伟达的芯片开始作用于AI领域的研究工作了。

回到2015年，当Imagenet分类错误率已经低到个位数的时候，老黄在2015年GTC开发者大会进行了著名的《History of Deep Learning》演讲，并同时推出了NVIDIA GeForce GTX TITAN X，是当时用于训练深度神经网络的最强大的处理器，成为了第一代深度学习开发者的标配。此时此刻，老黄找到了通用计算的方向：未来的世界计算越来越多会使用深度学习，深度学习就是未来的通用计算，而他将带领英伟达的芯片成为深度学习工作的标配。从2015年开始，英伟达大量进入各种互联网公司，用于推荐算法，搜索，图像识别，还有大量的深度学习应用研究。

从此开始，英伟达的芯片架构开始往深度学习和AI方向前进：

Pascal

2016年，英伟达推出了Pascal架构，并在其中引入了新的总线和通信协议NVLink，用于GPU和CPU，以及多个GPU间的连接。通过Pascal架构，英伟达GPU开始用于数据中心和超算的深度学习中。这一年，英伟达的显卡不仅仅局限于传统的游戏市场，更是开始在数据中心和超级计算机中发挥作用。2016年7月份NVIDIA推出了Titan X Pascal显卡，所使用的也是16nm Pascal架构。除此之外，Pascal结构还支持了Tesla P100计算GPU以及GeForce GTX 1080消费级显卡。

Volta

而在2017年发布的Volta架构，则将深度学习置于核心位置，特别是NVIDIA Tesla® V100 GPU加速器的推出，为AI运算提供了前所未有的能力。Volta架构在传统的单双精度计算之外，引入了专用的Tensor Core张量单元，极大地提升了AI运算的效率。

Turing

2018年，英伟达以Turing架构再次引领行业变革。这一架构不仅在Tensor Core上进行了升级，增加了对INT8、INT4、Binary(INT1)的计算能力，更是通过专用的RT Core核心实现了游戏中可用的实时光线追踪渲染。Turing结构为英伟达带来了著名的Tesla T4 GPU 计算加速器，成为了经典的AI算力卡，并支持了GeForce RTX 2080 Ti的核心结构。

Ampere

2020发布的Ampere架构让英伟达在GPU技术上的又一重大突破，不仅对Tensor Core进行了进一步的升级，增加了对稀疏矩阵计算的支持，在性能和效率上更是提升到了新的高度。NVIDIA Ampere架构的GPU在游戏、数据中心、AI应用等多个领域均展现出卓越的性能，大名鼎鼎的A100就是基于Ampere设计的，是全球众多AI厂商所信赖的算力资源卡。除此之外，Ampere架构还支持了GeForce RTX 3080。

从2015年到2021年，英伟达在GPU技术、深度学习、AI应用等多个领域均取得了显著的成就，让英伟达不仅仅成为一个杰出的硬件供应商，更是成为了深度学习和人工智能时代的先行者和推动者。

第五阶段：燎原的辉煌时期 {2022-至今}

关键词：NVIDIA RTX 4090；Grace CPU；Hopper GPU架构；ACE；Omniverse Cloud；

**
**

从2022年起，英伟达经历了一段非凡而奇妙的AI历程，标志着其在AI技术创新和市场影响力方面的重大进步。从2022年到现在，英伟达不仅发布了一系列引领行业的新产品，还在全球范围内扩大了其业务范围，特别是在数据中心和人工智能领域。老黄表示：“我们看到了业界对英伟达计算平台的强大需求。英伟达正在推动人工智能、数字生物学、气候科学、游戏、创意设计、自动驾驶汽车和机器人等当今最具影响力的诸多领域的进步。”而事实也确实如此，在这个阶段，英伟达在AI、机器人、科研、游戏、创意设计、汽车等方面都有突破性的进展。

2022年9月20日，英伟达发布了RTX 40系显卡，特别是RTX 4090，性能比前代RTX 3090 Ti提高了惊人的52%，这款显卡在台积电的4N工艺下制造，显示了技术的巨大进步，并成为众多游戏宅宅们的梦中情卡。同时，英伟达继续推广其GeForce RTX 30系列GPU，推出了GeForce RTX 3090 Ti，这款旗舰级GPU不仅刷新了性能纪录，还将ECC显存引入GeForce产品线，融合了游戏和专业领域。同时，Titan系列也完全并入GeForce产品线，进一步扩大了GeForce的市场影响力。

然而，英伟达也面临着挑战。2022年10月17日，由于美国政府对先进人工智能芯片的出口管制升级，英伟达股价当天下跌5%，显示出全球政治和经济因素对公司业绩的影响。尽管如此，公司股价在之后的季度里仍表现强劲，显示出其强大的市场韧性。

在2022年，除了GPU相关的发布之外，英伟达还发布了其首款CPU产品Grace，专为高性能计算和云计算设计。Grace CPU超级芯片采用NVLink®-C2C技术，每瓦性能达到行业领先水平，而Grace Hopper超级芯片结合了Grace和Hopper架构，为AI和高性能计算提供了强大的CPU+GPU组合。同年，在GTC 2023大会上，英伟达发布了运行在Azure上的Omniverse Cloud，允许客户在此平台上设计、开发、部署和管理工业元宇宙，实现先进工厂的数字化，拓展了其在云计算和虚拟世界构建方面的影响力。

在2023年5月底6月初的ComputerX台北国际电脑展上，英伟达更是展示了其在AI领域的多项重量级进展，其中最为关键的是英伟达宣布成为全球第八家市值正式突破1万亿美元的公司，并推出GH200 GPU，以及对应的NVIDIA DGX GH200超级计算机和NVIDIA Helios大型AI超级计算机的建设。在老本行游戏方面，英伟达推出游戏AI模型代工服务平台

Avatar Cloud Engine (ACE) for Game，并展示了火爆全网的赛博朋克风拉面店老板AI NPC演示。

在ComputerX上，英伟达还公布了数据中心总持有成本公式：

数据中心总持有成本=f[成本（芯片、系统、硬件生态系统）、吞吐量（GPU、Algo软件、网络、系统软件、软件生态系统）、使用率（Algo Lib， 软件生态系统）、采购运营、生命周期最佳化、电力]

但除了商业方面的工作，英伟达也在AI科研领域做出了成就。2023年5月25日发表的Minecraft大模型驱动终身学习智能体项目Voyager就是英伟达联合美国众多大学的一项智能体（Agent）相关的研究项目，通过自动教程（Automatic Curriculum）、不断成长的技能库（ever-growing skill library）以及提示迭代机制

（Iterative Prompting Mechanism）实现了强大的情境终身学习能力，并且在玩 Minecraft 时表现出了卓越的熟练程度，能够在新的 Minecraft 世界中利用学到的技能库从头开始解决新任务。

在公司的财务方面，数据中心业务在过去五年的年复合增长率（CAGR）达到了51%，成为公司增长的核心动力。相比之下，游戏业务的增长率虽然较低，但进入2023财年（2022年度）第四季度后，游戏业务逐步回暖。根据2023财年的数据，数据中心业务营收约150亿美元，占总营收的56%，而游戏业务则占33%。

**
**

现在：2024年，开年有惊喜

在现如今的2024年，英伟达在开年时就准备了多项重大发布。在一周前1月8号的美国拉斯维加斯CES展会上，英伟达发布了具有高性能生成式AI功能的GeForce RTX™ SUPER 桌面端 GPU，来自 OEM 合作伙伴的全新 AI 笔记本电脑，及面向开发者和消费者的全新 NVIDIA RTX™ 加速的AI应用和工具。除此之外，英伟达在官网上也同时公布了GeForce RTX 4070 T SUPER和GeForce RTX 4080 SUPER两种芯片的上市时间，将于一两周内陆续发布。

不难看出，英伟达发布的新的消费级显卡也开始逐渐支持AI的推理工作，现可用于加速热门的文生图模型Stable Diffusion XL，除此之外还有英伟达自己的NVIDIA RTX Remix 与生成式 AI 纹理工具、NVIDIA ACE 微服务，还能支持更多使用 DLSS 3 帧生成技术 (Frame Generation) 的游戏。2024年，端侧部分的AI PC浪潮中，英伟达绝对想要成为其中最领先的领跑者。

未来消费者可用的支持AI的电脑将会逐渐普及，并改变电子游戏业现有格局，老黄就表示：”生成式 AI 是计算史上最重要的平台转变，它将改变包括游戏在内的所有行业。而且老黄绝不只是说说而已，上周的CES展会上，英伟达推出的Nvidia Avatar Cloud Engine（ACE）的微服务平台，提供游戏和应用程序中的数字人类生成模型，诸多中国市场的游戏开发商巨头，米哈游、腾讯、育碧、网易都已经采用ACE作为下一代游戏引擎。

在新的2024年，英伟达究竟还会为开发者和消费者带来怎样的惊喜，老黄还会为英伟达创造怎样的传奇呢？让我们拭目以待！