英偉達宣布將以400億美元收購英國芯片設計公司Arm，如果交易最終達成，這將是半導體行業有史以來最大的并購交易，英偉達將成為橫跨服務器、PC、消費電子和智能手機等多個重要領域的關鍵角色。回顧英偉達的發展歷史，從一家單純賣顯卡的公司到橫跨多領域的巨頭，英偉達有何成長的故事?

一、“顯卡大廠”故事的開啟

愛玩游戲的人大概率都知道英偉達，而說起英偉達，同樣繞不開其創始人黃仁勛。

1993年，黃仁勛和朋友Chris Malachowsky和Curtis Priem聯合創立了Nvidia，Malachowsky和Priem是太陽微系統公司(Sun Microsystems)的工程師，黃仁勛當時是San Jose芯片制造商LSI Logic的董事。他們創業的初衷是研發一種專用芯片，用來加快電子游戲中3D圖像的渲染速度，帶來更逼真的顯示效果。

Nvidia原始資金為4萬美元，一開始公司并沒有起名字。彼時，所有文件都冠以兩字詞NV開頭，含義是 Next Version(下一版)。后來，為了整合公司，他們審核了所有帶“N”和“V”的單詞，最后選了“Nvidia”，拉丁詞寓意為“羨慕”。誰能想到經過二十多年后，籍籍無名的Nvidia發展成了全球最受矚目的芯片公司，旗下擁有GeForce、Quadro、Tesla、Tegra等多個產品線，著實成為了一家令人“羨慕”的公司。

1995年，Nvidia推出第一款產品，即個人電腦多媒體卡NV1，不過由于NV1塞進了太多的功能，導致性能低下而宣告失敗。此外，NV1耗盡了公司最早的投資，雖然Nvidia還想繼續開發NV2，但是由于資金短缺，而被迫終止。為了生存，公司大刀闊斧裁員，從100多人裁減至30多人。

1996年，Nvidia把重心轉到了圖形處理器上。其后兩年時間，英偉達陸續推出RIVA128、RIVA128ZX、RIVATNT等圖形處理器。這些新產品不僅支持微軟Direct3D和OpenGL標準，在能效上也超越了競爭對手3Dfx的Voodoo和ATI的Rage Pro，加上價格低廉，逐漸獲得了整機廠的青睞。

1999年，英偉達迎來了具有里程牌意義的一年。同年它首創并定義GPU這一詞匯，這極大地推動了PC游戲市場的發展，重新定義了現代計算機圖形技術，并徹底改變了并行計算。

與此同時，英偉達發布了第一款GeForce產品——GeForce 256顯卡。GeForce 256繼前代Riva TNT2顯卡最大的改變是率先增加了T&L引擎的支持，由于顯卡采用T&L引擎能夠分擔處理器運算負載，對于支持T&L引擎的第一人稱射擊游戲，也就是Quake，對于這種具有革命意義的電子游戲來說，GeForce 256的效能可以完全發揮出來，而其他3dfx、S3 Graphics等廠商而言，通通望塵莫及，而唯一能與之抗衡的，只有一年后才出現的ATI Radeon 256顯卡。

此后，英偉達開始了快速發展。2000年底，英偉達以7000萬美元現金、100萬股公司股票，將競爭對手3dfx收入囊中，正式成為行業老大。

最終，英偉達憑借GeForce系列顯卡在游戲市場所向披靡，和成立于1969年的AMD同坐一把交椅，N卡和A卡孰優孰劣之爭也是游戲界老生常談的話題。

二、埋下進軍人工智能的伏筆

2004年到2007年，英偉達游戲和專業繪圖處理器業務穩步增長，度過了順風順水的四年。按照既定的路線走下去，英偉達現在的title或許只有“顯卡大廠”。不過，偉大的公司之所以偉大，還在于它目光長遠且敢于創新。在這四年里，英偉達首席科學家David Kirk思考著一個更長遠的問題——讓只做3D渲染的GPU技術通用化。

最初的GPU只是用來處理圖形顯示的任務，計算純交給CPU，這事實上造成了大量運算能力的浪費。隨著顯卡的發展，GPU越來越強大，而且GPU為顯示圖像做了優化，在計算上已經超越了通用的CPU，特別擅長并行計算。

于是，2006年，在DavidKirk博士的主導下，英偉達推出CUDA，讓顯卡可以用于通用并行計算等其他非圖形計算。所謂CUDA技術，簡單來說就是打通了所有GPU內小核心的并行計算能力，能夠解放GPU的計算能力，使得GPU能夠承擔和CPU一樣的計算任務的技術。在CUDA問世之前，對GPU編程必須要編寫大量的底層語言代碼，是程序員不折不扣的噩夢。CUDA的到來可以說是結束了程序員的噩夢。

而DavidKirk博士也因此被譽為CUDA之父。對于英偉達來說，DavidKirk博士居功至偉。他是圖形學和高性能并行計算的大神，除了做顯卡，他另一大貢獻就是搞出了CUDA，后當選美國工程院院士。

CUDA的誕生為英偉達進軍人工智能埋下了伏筆。

三、CUDA出師不利

2006年之后，英偉達在堅持主流顯卡市場的同時，也在繼續布局CUDA，推出了CUDA平臺和Tesla架構。當時，英偉達推出的GeForce 400,500,600,700系列不僅在性能上超過競爭對手，而且功耗較低。

然而，CUDA的發展就沒有那么順利了。一方面，英偉達推出的大規模并行運算芯片——Tesla，對于其傳統游戲和專業繪圖業務來說，并沒有這樣的高性能運算需求。另一方面，David Kirk博士說服黃仁勛投入大量資源研發CUDA技術，并讓每一顆英偉達GPU都支持CUDA。而這一瘋狂的舉動導致成本劇增。由于必須在硬件產品設計中增加相關CUDA邏輯電路，使得芯片面積增大、散熱增加、成本上升、故障率增高;同時，還要保證每款產品的軟件驅動都支持CUDA，這對英偉達的工程師來說是巨大的工作量。

除了內部發展不順之外，英偉達也外部受敵。2008年，CPU巨頭AMD收購英偉達老對手ATI，形成了CPU整合GPU的新解決方案。Intel也終止了與英偉達的合作，在自家芯片組中集成了3D圖形加速器。

種種不利因素的影響下，2008年，英偉達營收驟降16%，股價從37美元跌到6美元左右。

不過，一時的挫折并未動搖黃仁勛的信念和決心，他仍然堅持繼續布局CUDA技術。事實證明，黃仁勛的堅持是對的，英偉達也終守得云開見月明。

2009年到2012年，隨著基于CUDA的通用GPU在高性能計算領域威力凸顯，英偉達也迎來了發展史上最重要的時期。

四、跨進人工智能大門

2012年，ImageNet(圖像識別領域賽事)大賽上，當時Geoffrey Hinton的學生通過兩個GPU將深度卷積神經網絡AlexNet的準確率提高了10.8%，震撼了學術界，英偉達也借此一戰成名，從游戲市場一大步跨入AI市場。

此后，英偉達乘著深度學習和區塊鏈的東風，成為AI芯片領域的絕對霸主。黃仁勛更是在GTC 2015上直言，“我們不是硬件公司，我們是AI公司”。

2012年英偉達與Google的人工智能團隊合作，建造了當時最大的人工神經網絡，之后各深度學習團隊開始廣泛大批量使用NVIDIA顯卡。

2013年，英偉達與IBM在建立企業級數據中心達成合作。

2017年，英偉達發布了面向L5完全無人駕駛開發平臺PegASUS。自2014年至2018年，英偉達股價翻了9倍多。2018年，深度學習將Nvidia送上了AI領域第一股。

2019年，英偉達開始正面對剛Intel，69億美元擊敗Intel收購以色列公司Mellanox。英偉達與Mellanox的合并，能增強其數據中心和人工智能業務，可與Intel競爭。資料顯示，占據70%高性能計算的計算機網絡通信標準InfiniBand市場的Mellanox，是該領域絕對的老大，Intel也只能屈居其下。

很難說是人工智能捧“紅”了英偉達，還是英偉達成就了人工智能，但是，兩者的關系可以說是“相輔相成”。在已經到來的AI時代，英偉達為各行各業提供了發展和應用人工智能技術的有力支持。英偉達推出了在人工智能、高性能計算、機器人、自動駕駛、醫療健康、專業化視覺等領域的多項創新應用。

數據顯示，世界上目前約有3000多家AI初創公司，大部分都采用了英偉達提供的硬件平臺。AndreessenHorowitz風投公司的合伙人馬克·安德森也曾表示，他們已經投資了大批基于深度學習的創業公司，幾乎每個公司都在采用英偉達平臺。

毋庸置疑，英偉達是我們這個時代最偉大的公司之一。在黃仁勛的帶領下，英偉達從曾經的小小顯卡設計和提供商，逐漸變成了AI領域最具有發言權的公司之一。在人工智能到來的風口下，得益于此前的轉型和布局，終成“AI霸主”。