英伟达公司，不只是做游戏显卡，同时也是AI算力基础设施、软硬件一体化生态解决方案提供商，市值全球第一，职工4万多人，总部位于加州Santa Clara，黄仁勋是主要创始人。

黄仁勋，1963年2月出生于台南，其父是化学工程师，其母是名老师。黄，5岁时随父亲迁到泰国生活，曾在曼谷的一家国际学校读书，9岁时父亲把他送到美国华盛顿州离西雅图不远的湾区小镇。10岁的时候，入读美国东部肯塔基州的一所小学，在这里黄仁勋学习了乒乓球和游泳。12岁时，父母移居到美国，住在美国西部的俄勒冈，因此黄仁勋转学到了该州的一所中学。

黄在中学，跳了两级，于1979年毕业，时年16岁。在中学期间，学业优异，接触过计算机编程，同时乒乓球比赛也数次获奖。

中学毕业后，黄入读了学费较低的所在州州立大学–俄勒冈州立大学电子工程专业。1984年毕业后，黄仁勋入职AMD，期间在斯坦福大学读在职研究生，并于1992年拿到了电子工程硕士学位。

出于对新技术路线的好奇，黄仁勋后来跳槽到LSI Logic (几番重组后现称为Broadcom)，并且负责对接Sun Microsystems的两位技术人员，一位是Chris，一位是Curtis，他们当时在研发电脑显卡。

Chris和Curtis对自己供职公司Sun Microsystems的管理风气颇有看法，同时对图形显卡的市场前景又超级乐观，因此和黄仁勋一起，于1993年在Curtis的住所成立了一家公司，就是英伟达。初创期，黄仁勋甚至在前东家老板的帮助下，获得了红杉资本的一笔种子投资。

成长

公司成立后的第一个三年走得比较艰难，技术路线上出现过失误，NV1等产品不被市场认可，公司几近破产。1996年，公司裁员过半，不得已调整技术思路，于1997年8月推出RIVA128显卡，受到市场青睐，公司现金流旋即改善，一年后推出RIVA TNT，再获好评。

1999年1月，在纳斯达克上市，发行价12美元，之后多次拆股，股数稀释了320倍，到2026年4月，其股价在180美元左右，也就是1999年用12美元投1股，相当于现在持有320股，单股180美元，简单计算一下，收益大概是4800倍，这个现象，不太常见，即使牛逼如苹果公司，也就2600倍左右。

无疑，这20多年，英伟达一定是做对了很多事情。

GPU

1999年，推出GeForce 256，号称世界上第一块GPU， 性能大幅领先于竞品，并拿下微软大额订单，为其游戏机开发显卡

2000年，收购了竞争对手3dfx公司，将其技术专利及人才纳入麾下；同年，推出Geforce2 GTS

2001年，被纳入标准普尔成分股

2002年，收购Exluna公司，将其优异的视频呈现技术（blue moon rendering tools)融合到自己的业务线中

2003年，收购Media Q，将其无线移动设备上低功耗多媒体呈现技术融入日后的产品中（System on chips)，英伟达开始关注移动手机端市场

2004年，收购iReady，旨在提高自己网络数据传输处理能力

2005年，收购台湾ULI Electronics，旨在提高自己的核心逻辑技术，同时突出自己在亚州的存在，以便和对手ATI等竞争

2006年，收购芬兰Hybrid Graphics公司，旨在提高其在手持设备（手机）上的图形处理能力

AI 基础设施

2006年，CUDA架构推出，客户可以给GPU编程，进行科学计算，GPU不再只专注于更好地呈现视频，更能方便地进行其它科学并行计算，但是要等到2012年，甚至更晚一些，市场才认识到CUDA平台项目的前瞻性

2006年11月，推出Tesla架构的GPU， 可以运行CUDA平台，此后基本每两年推出新一代架构，比如Fermi（2010），Kepler（2012），Maxwell（2014），Pascal（2016），Volta（2017），Turing（2018），Ampere（2020），Hopper（2022），最新架构的GPU是Blackwell和Rubin，性能超级强悍

2007年，1月收购PortalPlayer，开始切入移动设备领域，弥补在移动设备音视频处理方面低功耗处理器的技术不足，为后绪开发SoC产品，如Tegra系列移动处理器打基础

12月收购德国Mental Images， 获得光线追踪技术，开始将图形与专业渲染技术应用到GPU，为后来RTX系列，以及Omniverse平台打基础

2008年，收购Ageia， 获得PhysX物理引擎，将其物理引擎直接放在搭载CUDA的GPU上，游戏物理画面更加逼真

2011年，为手机开发了芯片系统 Tegra3； 同年，收购英国的Icera，涉足移动通信基带市场，这次尝试以失败告终，2015年停止了这条业务线

2012年，为AlexNet神经网络提供算力，此后CUDA平台开始受到市场青睐

2013年，开发了Tegra4， 以及Nvidia Shield; 同年，从STMicroelectronics 手上收购了PGI

2016年，推出基于Pascal架构的Geforce 10系列

2017年，与丰田合作，为其车辆提供Drive PX系列人工智能平台；与百度合作，将在百度的自动驾驶车辆上搭载其Drive PX人工智能平台；同年，推出Titan V

2018年，推出 Quadro GV100；同年推出RTX 2080 GPUs， 可以进行实时光线追踪，几乎重新定义了GPU

2019年，收购以色列的Mellanox，开始向数据中心整体解决方案提供商角色转变，获得了InfiniBand等高速网络传输技术以及诸多专利；同年，推出RTX超级笔记本

AI全栈生态链建设

2020年，推出了Ampere GPU架构的A100 GPU加速器，可用于大模型训练。同年推出基于该架构的Geforce 30系列的消费产品，推出专业工作站RTX A6000; 同年开始意向收购arm，但受到反垄断指控，收购作罢，此后英伟达基本不走收购路线，开始进行股权参与，技术转让等类收购交易手法

2022年，推出新一代自动驾驶芯片 Drive Thor； 同年，生产降级版本芯片A800

2022年，推出元宇宙模拟平台Omniverse，依赖于RTX引擎，可以让客户物理仿真建模，降低客户成本；推出Hopper架构的H100GPU，大模型训练性能大幅提升

2023年，AI芯片需求井喷，H100GPU供不应求，单块价格高达25000到40000美元；同年，收购了AI模型OmniML，利用其在模型压缩、剪权等方面的技术，强化模型推理效率，使大模型可以在边缘GPU上运行

2024年，推出Blackwell架构的GPU；同年10月，推出720亿级参数大模型NVLM

• 11月，入股荷兰公司Nebius Group，合作开发AI全栈云端平台；
• 4月，收购Run:ai，打通本地/云/混合环境下的算力调度
• 5月，收购了一家深度学习优化与神经架构搜索方面有技术研发能力的公司Deci，旨在提升模型推理性能；
• 7月，收购Brev, 该公司研发了AI模型构建与部署平台，优化云端GPU访问与开发体验
• 9月，收购了AI开发与部署平台–OctoAI，完善企业级AI工具链
• 9月，收购Solver， 是一家开发AI优化与调度工具的公司

2025年4月，推出Llama推理大模型；

• 7月，收购加拿大一家AI公司CentL，旨在提高其AI模型在GPU上的训练及推理效率
• 3月，收购了合成数据公司Gretel Technology，持续强化数据、算法与算力之间的协同效率，提升训练数据的质量与合规性
• 同年，给了台积电30万片H20芯片的订单
• 9月，50亿美元入股Intel，占比4%，拟在X86架构上搭建基于Blackwell的GPU集群 GB300
• 9月，通过技术授权和团队并入，将Enfabrica收购，该公司在AI网络芯片与互联技术方面有技术优势
• 10月，与OpenAI达成合作备忘录，拟投资1000亿美元，同时OpenAI将在模型训练以数据中心建设中使用英伟达产品，但两者合作变数多，Sam Altman是个多变圆滑的人
• 12月，推出Alpamayo-R1,一个为自动车辆开发的开源视觉模型
• 同时推出了MoE架构的大模型Nemotron 3 
• 英伟达宣布继续扩大在以色列的业务规模，准备雇佣超过10000人，成为在美国以外最大的运营基地 
• 12月，英伟达宣布收购SchedMD，此公司开发过用来管理计算资源的开源软件slurm，优化算力调度与资源安排
• 12月，英伟达通过技术授权及团队并入手段，将Groq公司收购，一家在推理方面有独到技术的公司，拥有区别于英伟达GPU的专用AI芯片设计能力，称为LPU

2026年，投资了Coreweave，成为其重要股东，试图让这家租赁云上GPU的公司从资金到设备都高度依赖英伟达；同年，推出全球气候模拟模型Earth-2； 

• 2月收购以色列公司LLLumex，该公司研发出生成式语义架构平台，在企业级知识图谱与智能体主义层方面，技术手段先进
• 3月，向Lumentum战略投资20亿美元，一家激光与光器件龙头企业，该公司在未来AI数据中心高速低耗互联中会发挥作用
• 3月，向Coherent战略投资20亿美元，也是家光学基础设施公司，为数据通信的升级提前布局，保障AI集群带宽与能效
• 3月，向Marvell Technology战略投资20亿美元，在NVLink 聚合方向合作，Marvell为客户设计订制化的AI芯片（ASIC），同时可以接入英伟达的生态；在硅光子通信方面合作，为数据中心传输速率的不断提高建立物理保障，同时规避只依赖Broadcom的风险；在电信终端方面合作，将英伟达的生态扩展到5/6G电信基础设施的边缘端

英伟达的商业策略比较务实，从巩固GPU市场地位开始，到转型为数据中心基础设施提供商，再到这两年试图巩固或者提前布局AI生态上下游的核心技术环节，每一步都在拓宽自己的技术护城河。

2000年后，电脑笔记本不断普及，游戏显卡需求旺盛。2012年后，神经网络研究的再次兴起，到2017年transformer模型提出，GPU并行计算能力得到前所未有的重视，最近几年，大模型训练需要的无穷算力更是让英伟达的GPU一片难求，甚至夸张到需要装甲车运送。

这泼天的富贵背后，显然不只是英伟达、黄仁勋的运气，主要还是他们对先进技术高度敏感，对市场有甚至超过Google的前瞻能力。简单来说，他们不只是在占领市场，也在身体力行地创造新的市场，正在试图定义新的行业规则，因此这是一家值得尊敬的公司。

(完）