AI热潮中的黑马：曾经的显卡制造商是如何跻身AI巨头之列的？

导读：在芯片行业的风云变幻中,英伟达如何从一家显卡制造商翻身成为AI巨头?面对行业迭代速度极快、激烈竞争和显著的高成本特点,英伟达是如何构建属于自己的护城河,又是如何突破技术瓶颈,跑在前列的呢?他们是如何将"摩尔定律"推进到更高阶段创造出属于自己的"黄氏定律”?面对互联网巨头如Google、Meta等公司的强势介入,英伟达又将如何守住自己的领先地位,延续赢家的光环?这篇文章将带你深入了解英伟达的神奇之处,展示这家公司如何将技术创新与战略眼光完美结合,从而在风起云涌的AI领域中立下赫赫战功。

 

在我们生活中的每一个角落，AI正在悄无声息地改变世界。在这场AI的盛宴中，一家曾被大多数人视为"只会卖显卡"的公司——英伟达，却意外地站在了最前端，成为了最大的赢家。2023年5月24日，英伟达发布了一季度财报，仅凭数据中心的强劲业绩，英伟达的股票当天大涨30%，市值破万亿美元，推动英伟达成为全球第六大公司，超过了特斯拉，直逼亚马逊。

英伟达的飞速崛起，让人惊叹不已。在云计算、加密货币、元宇宙、人工智能等全球技术风口中，英伟达都是重要的参与者。在全球AI训练领域，英伟达凭借超过95%的市场占有率牢牢把持住了这个市场，甚至有多少英伟达A100显卡已经成了衡量一家公司计算能力的标准。

黄仁勋，英伟达的创始人，曾经说过："因为我们是AI的世界引擎"。这样的豪言壮语可能会让人觉得他过于自负，但如果你回顾一下英伟达的发展历程，你就会发现他的这句话并无夸大。英伟达在AI领域的成功，是黄仁勋二十年前远见的证明，他因此被誉为"AI教父"。

那么，英伟达的成功究竟来自何处？它又是如何在竞争激烈的市场中占据主导地位的呢？这篇文章将带你一起深入解析英伟达的发展历程，探索显卡和芯片行业背后的秘密。

押注增量方向：3D图形处理

黄仁勋在九岁时迁至美国接受教育，之后毕业于斯坦福大学，并在两家半导体公司，包括后来与他长期竞争的AMD公司，进行芯片设计工作。

黄仁勋在30岁完成硕士学业后，开始与两位同样年轻且雄心壮志的理工科技术男一起思考创业计划。他们看到了3D图形处理的巨大潜力，于是在1993年创立了专门研发图形计算芯片的Nvidia英伟达公司。在前任老板的引荐下，他们成功获得了由红杉资本领投的2000万美元融资。

尽管早期电脑处理3D游戏的能力较弱，但当时许多经典游戏都需要实时渲染。这个时代的显卡非常简单，更像是一个3D加速卡，而非如今我们所熟悉的显卡。然而，随着3D游戏和3D渲染的发展，像英伟达这样的显卡公司越来越多，然而，软硬件标准并不统一，市场竞争异常激烈。

初期存活关键：高性价比

一家名为3dfx的公司是当时的行业领导者，它在1994年成立，比英伟达晚一年，但凭借Voodoo显卡在市场上取得了巨大的成功。然而，英伟达的早期经营并不顺利，他们的第一代产品NV1并未取得预期的成功，第二代产品NV2甚至胎死腹中。到1997年，英伟达已经面临严重的财务危机，员工数量从100人削减至30人。

在公司只剩下6个月的运营资金时，黄仁勋决定孤注一掷，推出搭载NV3的Riva128显卡。由于其性价比高，英伟达开始在市场中站稳了脚跟，也让公司得以艰难存活下来。

早期竞争胜利关键：稳定的上游关系+抱住行业老大标准

黄仁勋和他的团队以强大的研发能力，迅速找准市场方向，开始了快速的增长。他们与台积电达成了长期战略合作关系，并支持微软推出的Direct3D显示标准。在显卡市场的早期竞争中，英伟达如一匹黑马突然崭露头角。他们推出的Riva TNT显卡帮助公司在显卡领域占据了龙头地位，并使英伟达于1999年成功在纳斯达克上市。

扩大竞争优势：研发全球第一个GPU

有了上市后的资金，英伟达的发展步伐更加迅猛。在1999年9月，他们推出了划时代的GeForce256显卡，让竞争对手远远落在后头。黄仁勋更是将其誉为"全球第一个GPU"，即第一个真正意义上的独立显卡。这一称谓如今也被广泛接受，有人简单地将其称为“英伟达发明了显卡”。

在当时，微软正在开发Xbox游戏机。英伟达凭借GeForce256的强大性能赢得了2亿美元的订单，为Xbox打造图像处理硬件，之后还成为索尼PS3的供应商。从1999年到2002年，英伟达的营收每年以翻倍的速度增长，达到了20亿美元，成为市场上的独一档的存在。

通过竞争扩大优势：开始行业并购

英伟达开始并购同行业的竞争对手，包括曾经的市场领导者3dfx，而另一个重要的玩家ATi则被AMD收购。经过2000年初一系列的市场并购，最后只剩下两大玩家——英伟达和AMD，他们也一直主导了独立显卡市场。尽管两家公司一直在竞争，但英伟达却在逐步剥夺AMD的市场份额，从2010年的60%增长到2022年的80%，无疑已经成为GPU的全球霸主。而英伟达的技术进步不仅推动了公司的发展，也推动了游戏产业的快速发展。毫无疑问，每年新出的游戏画质越来越逼真，那都是因为显卡技术的进步，为游戏设计师提供了更大的创作空间。

实际上，如果我们站在更广阔的视角来看显卡市场，你会发现其实是由英特尔、英伟达和AMD三大巨头主导的。在这其中，英特尔占据了71%的市场份额，英伟达占有17%，AMD则占有12%。这似乎与我们的理解有些不符，因为我们之前一直认为英伟达是市场的领头羊。其实，这是因为显卡可以分为独立显卡和集成显卡。如果我们将两者都纳入比较，英特尔的确是市场的领导者，因为它主要生产集成显卡，这种显卡是和CPU一起封装的，共享内存。而英特尔凭借其在CPU市场的垄断地位，抢占了集成显卡市场的份额。所以英特尔也是通过自身的竞争优势展开竞争，并进一步扩大优势。

然而，集成显卡的性能相对较弱，这就意味着它的市场和独立显卡市场有很大的不同。如果我们只看独立显卡市场，英伟达的市场份额其实超过80%。至此，可能看到英伟达的显卡芯片设计是多么的出色。但是，我们一直在谈论的是3D渲染和游戏，那么显卡和人工智能有什么关系呢？为什么那些AI公司都在购买显卡，而且一定要购买英伟达的显卡呢？

实际上，这和显卡的特性有关。在计算机中，CPU是设计来做任何事情的，它是顺序计算的，可以进行非常复杂的逻辑推理。但图形处理更关注计算量，不太在意顺序。例如，对于一个4K视频，它有近1000万个像素点，假设每秒30帧，那么每个像素点、每一帧都需要根据其阴影、动作来计算出一个对应的颜色。这需要大量的快速而简单的计算。而GPU正是为了优化这类并行计算而设计的，它的核心数量可以达到成千上万。

进一步扩大竞争优势：扩展技术的应用场景，并构建竞争壁垒

黄仁勋开始思考如何发挥GPU的最大潜力：GPU的能力不应仅仅局限于3D图像处理和渲染，也应该能进行更多的通用计算。但是，要使用GPU进行这种通用计算并不容易，因为它的设计初衷并非如此，因此编程将会非常困难。黄仁勋因此想出了一个策略：让显卡变得可编程。

在一个偶然的机会，黄仁勋注意到了一个斯坦福的博士生项目，他使用C语言编程让GPU进行一些计算。这给黄仁勋带来了灵感，他立即聘请了这个博士生，并委派他带领团队研发可编程的GPU。结果，在2006年，英伟达正式推出了CUDA，成功实现了让GPU可编程。

为了建立CUDA系统，英伟达投入了大量的资源和人力，让所有的显卡都支持CUDA。这样一来，原本需要一大堆顶级工程师的编程计算，现在只需要一个学生和一个英伟达显卡，再加上一些对CUDA库的了解就能完成。通过CUDA，英伟达将自己显卡的应用范围从原来的游戏和3D图像处理扩大到了整个加速计算领域，包括航天、生物制药、天气预报、能源勘探等等。

虽然有一些公司也尝试开发类似CUDA这样的软件来挑战英伟达的地位，但是由于英伟达在硬件上的垄断，他们可以最大限度地优化自己的硬件显卡与CUDA之间的配合，从而形成了自己强大的护城河。

苹果公司也是成功构建了一种被商业领域广泛引用的“生态系统”。微软和Adobe等公司其实也有自己的强大生态系统。虽然看起来英伟达在CUDA上的巨额投入在短期内可能看不到回报，但长远看，他们实现了显卡的商业价值。

方向对了商业回馈可能出乎意料但必然降临

使显卡加速计算能力真正实现商业价值的，并不是人工智能，而是一个与英伟达无关的趋势，即比特币的流行。因为比特币挖矿需要大量的哈希函数计算，而这正是GPU并行处理的强项，因此显卡开始被用于比特币挖矿。这是黄仁勋即使具有深远的眼光也无法预见的。

但所有偶然的背后都有其必然，黄仁勋虽然没法预见比特币的突然火爆，但他预见的是未来世界中算力的爆炸性增长。

在人工智能的发展史上，2012年无疑是一个转折点。当年，业内有一个颇具声望的计算机竞赛——ImageNet，成为了竞争的主战场。大家都在努力以自己的算法训练出最高效的图像识别程序。在所有参赛者中，Alex Net团队使用神经网络训练模型，借助英伟达的显卡，以16.4%的错误率赢得了比赛，远超26~29%错误率的第二名至第四名，这无疑引起了全世界的震动。

神经网络的概念并不新鲜，但在此之前，其实现一直受制于计算能力的瓶颈。英伟达显卡的出现打破了这个瓶颈，使得神经网络的计算成为可能，这在学界引发了巨大的轰动。

黄仁勋十分重视GPU在人工智能领域的应用，并在2012年后开始大力投入，致力于让英伟达的显卡能更加便捷地进行加速计算。他们不仅加大了对CUDA的投资，还进行了大量的AI显卡优化工作，包括对软件和平台的支持，这为后来的人工智能领域提供了共识——如果你想从事人工智能的工作，英伟达的显卡是你无可回避的选择。

后来，诸如谷歌、亚马逊、微软和百度等公司在训练大型模型时，都离不开英伟达的显卡。这其中，最出名的可能就是英伟达的A100显卡，ChatGPT也是由上万张A100显卡训练出来的。A100显卡已经成为了训练大型模型的标配，而各大AI公司，即便不能及时训练出成果，也会抢先宣传已购买了多少张A100显卡，以此来蹭一波热度。由此，英伟达的显卡一度供不应求，价格甚至被炒到了上万美元。英伟达又在去年推出了A100的升级版，名为H100，其性能是A100的4至6倍。

英伟达的成功并非偶然，他们花了十多年的时间和大量的资金，精心打造了这双翅膀，等待风来，如今他们终于等来了这股风，并凭借这股风飞翔在市场的上空。

永不止步，持续延展产业链环节，进入竞争对手腹地

随着英伟达的进一步发展，他们已经不再局限于显卡和芯片设计。他们在2019年花费69亿美元收购了以色列的芯片公司Mellanox，开发出了一款强大的DPU。这一决策被黄仁勋誉为他有史以来做过的最成功的战略决策之一。

如今，英伟达已经开始将GPU、CPU、DPU合并，生产出强大的超级计算机，逐渐进军CPU市场。他们推出了各种炫目的产品，如全球第八大超级计算机DGX BasePOD、加速超级芯片GPU Grace Hopper、计算平台BlueField-3 DPU等。英伟达在硬件、软件和服务等各个领域都进行了全面布局，成为了AI领域的最大赢家。

应对国际制裁：开发专属产品

当然，英伟达的发展并非一帆风顺。美国对中国的制裁禁止了A100、H100的出口，对英伟达带来了很大的影响。毕竟，中国市场占英伟达总市场的四分之一。因此，当被问及制裁对英伟达的影响时，黄仁勋的回答非常得体：我们一定会全力配合美国政府的政策，同时我们已经想方设法在符合规则的情况下，非常愉快的满足中国广大消费者的需求。这一回答巧妙地避开了问题，而且还没有得罪任何一方。

英伟达为了应对这一挑战，推出了一款名为A800的显卡，专门供中国市场使用，这款产品规避了一系列敏感的制裁技术。

正确看待增长：提前押注增量业务市场

英伟达目前已经将其业务领域主要划分为四个主要部分：游戏、数据中心、汽车以及专业图形处理。而在这四大业务领域中，游戏和数据中心无疑一直是其经济增长的重要引擎。

昔日的英伟达以游戏业务为主导，但是随着云计算、人工智能等加速计算技术的发展，数据中心逐渐崭露头角。回顾2018年的数据，游戏业务占据了公司总收入的一半，而数据中心却仅占四分之一。然而，到2022年，这一情况发生了显著的变化，数据中心的收入占比已经上升到了56%，而游戏的比例则降至了33%。

英伟达在2023年5月24日公布的财报中，游戏业务由于全球需求疲软，营收大幅下降。这一变化在华尔街预期之中，但数据中心的业务表现却令人眼前一亮，其第一季度环比增长了18%。更为关键的是，对于第二季度的营收预测，英伟达给出了超出华尔街预期的数据。华尔街预测的营收为72亿，而英伟达则预测其将达到110亿，增长幅度达到了50%。

此外，英伟达在汽车行业的业务也不容忽视。其已经开始进行汽车芯片以及汽车系统的研发，虽然目前这一业务仍处在初级阶段，但其未来的潜力不容忽视。

近期，英伟达推出了Omniverse平台，以期在元宇宙这个新兴领域占据一席之地。虽然目前该业务的回报尚不明显，但若元宇宙真的如预期的那样迎来爆发，那么英伟达无疑将是最大的受益者之一。

总的来说，无论是游戏、挖矿还是AI计算，都离不开显卡的支持，而英伟达则是显卡的代名词。从1999年上市至今，英伟达的股价已经上涨了超过1000倍，成为了全球第六大公司。更为重要的是，似乎英伟达的成长故事才刚刚开始。

正视增长路上的失误，快速调整快速反馈

黄仁勋，这位英伟达的灵魂人物，我们的描述让他显得无比神圣，每一步都走得精准无误。然而，任何人的成功都是在错误与失败中成长起来的，黄仁勋亦不例外。在他的职业生涯中，也曾犯过错误，比如在2000年初的显卡产品失败，几乎被竞争对手ATI淘汰。他还经历过内部交易的风波，被美国证券交易委员会（SEC）彻底调查，同时还曾面临过度营销的问题。他还曾尝试进军手机芯片市场，但结果几乎是全面失败。然而，尽管如此，黄仁勋是一个极其优秀的领导者，只是他并非能预见未来的预言家。

芯片行业的护城河：永不停息的研发能力

英伟达在AI领域的重要地位，让它显得异常重要。AI是当前市场上最大的浪潮和最大的机会，而英伟达正是AI浪潮中的重要玩家。这使得英伟达在风口上显得尤为重要，获得了巨大的竞争优势。如果英伟达能保持当前的发展势头，其影响力极可能会持续扩大。

有人常常把英伟达比作淘金潮中的“卖铲子”的人。在数据时代、AI时代，英伟达的产品恰似淘金者的“铲子”。这种比喻听上去十分合理，但经济学常常告诉我们，在淘金热潮中，初期卖铲子的人可能赚钱，但随着更多的人开始卖铲子，由于铲子并不难制造，边际利润将会迅速下滑。在大部分行业中，制造上游生产工具——这个所谓的“铲子”，由于准入门槛过低，竞争激烈，利润率并不高。

然而，英伟达凭借制造这个所谓的“铲子”，做到了垄断。台积电也有点类似，它更基础，做的是制造“铲子”的工具——这个“锤子”，它也能做到垄断。这是为何呢？

芯片行业独特的特征体现在它的发展速度与其进步的刻度。其中，摩尔定律是这个行业最为熟知的法则之一，大致可以理解为：集成电路中的晶体管数量每18个月翻一倍，或者说芯片的速度每18个月提升一倍。近年来，尽管CPU的进步速度已经难以跟上摩尔定律的节奏，但黄仁勋却发现，独立显卡（GPU）的进步速度似乎比摩尔定律预测的还要快，大约每两年性能就能翻超过三倍。这一现象被称为"黄氏定律"。

芯片行业的这种飞速发展，使其成为一个不断在奔跑的领域。然而，如此快速的更新迭代速度也带来了商业上的挑战。对于参与者来说，很难建立起属于自己的持久竞争优势，即“护城河”。在传统行业，例如制造业或铁路运输业，规模优势和成本优势可以作为一个稳固的护城河，保护公司免受竞争对手的侵袭。在互联网行业，用户网络效应产生的护城河更是坚不可摧。但在芯片行业，由于技术的快速更新，无论你今天推出多么出色的芯片，两年后都可能已经过时。

在90年代的显卡竞争中，3dfx公司凭借Voodoo显卡在短短两年内迅速成为行业标杆，但五年后，它却被英伟达收购。这正印证在芯片行业中，你很难依靠一种产品或技术形成一个超过两年的护城河。当然，通过积累一大批专利可以为自己提供一定程度的保护，但是事实证明，对手通常仍然可以找到绕过你的专利的方法。因此，只有不断的奔跑，保持领先，才能在这个行业中立足。这个行业的“护城河”实际上是你的研发能力，即一整套的人才、设施和组织架构。

因此，研发不仅需要投入巨大的初期成本，而且必须持续不断的快速迭代和发展。英伟达就是一个例子，尽管它在互联网行业中的投入只占营收的10%-15%，但它却要投入约25%的营收用于研发。

你可能会以为黄氏定律是一种自然规律，但实际上，它是黄仁勋推动英伟达不断进步的结果。例如，英伟达最新的光线追踪RTX技术，就彻底颠覆了他们之前的技术框架，采用深度学习的方式，通过一个像素点预测周围8个像素点的样子，以此加速图像处理。这种激进的进步速度，使得这个行业的成功者必须是那些研发速度最快、人才储备最充足、财力雄厚的公司。

而今，AI已经成为了互联网巨头们的下一个战场，显卡的作用变得越来越重要，因为它决定了计算的速度。无论是谷歌的TPU，还是Meta的MTIA，它们都正在全力投入到自研芯片的研发中。

在这样的大背景下，英伟达面临着全新广阔的市场和新的竞争对手。他们能否在新一轮的AI竞争中再次崭露头角，还有待观察。