擴展閱讀：

NVIDIA已經開發出了五大產品系列，以滿足特定細分市場需求，包括：GeForce、Tegra、ION、Quadro、Tesla。公司不斷為視覺計算樹立全新標準，其令人嘆為觀止的交互式圖形產品可廣泛用于從平板電腦和便攜式媒體播放器到筆記本與工作站等各種設備之上。

一切的開始

Nvidia聯合創始人Chris Malachowsky正在吃香腸煎蛋卷，并在圣何塞Berryessa立交橋旁的Denny's里喝著煮好的咖啡。正是在1993年4月的同一個骯臟小餐館里，三位年輕的電氣工程師ChrisMalachowsky，Curtis Priem和Nvidia的現任首席執行官黃仁勛成立了一家致力于生產專用芯片的公司，他們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。那時，東圣何塞（East San Jose）是鎮上的一個粗糙地區-餐廳的前部布滿了停在停著的警車上的人的子彈孔-而且沒人能猜出這三個人喝了無休止的咖啡后與21世紀90年代英特爾一樣，該公司將在21世紀初定義計算。

Chris Malachowsky說：“ 1993年沒有市場，但我們看到了一波熱潮。” “每年都有一個為期五個月的窗口，發生在加利福尼亞州的一次沖浪比賽。當他們看到日本出現某種形式的波浪現象或風暴時，便告訴所有沖浪者出現在加利福尼亞州，因為將會有兩次浪潮。天。就是這樣。我們才剛開始。”

Nvidia聯合創始人看到的浪潮是所謂的圖形處理器（GPU）的新興市場。這些芯片通常作為視頻游戲玩家插入PC主板的卡出售，可提供超快的3D圖形。這些卡在諸如睪丸激素之類的標簽上銷售，例如“ Titan X”或“ GeForce GTX 1080”，其價格可能高達1200美元，而且二十年后，它們仍占Nvidia 50億美元收入的一半以上。

1995年5月，經過兩年打磨，英偉達推出了首款面向游戲主機的多媒體加速器——NV1，這款加速器集圖形處理、聲卡及游戲操作桿等功能于一體，一經發布便吸引了當時最大游戲制造商世嘉的目光。世嘉決定在其第六代家用游戲機“土星”和個人電腦上采用NV1 。

然而就在同一年，微軟推出以圖形用戶界面（GUI）為主要特征的Windows 95，圖形芯片主流市場從游戲主機轉向PC；同時，微軟還開發出了采用多邊形成像技術的圖形編程接口——Direct3D標準。

由于英偉達在研發NV1時，行業內還沒有像Direct3D和OpenGL（SGI公司開發的3D繪圖編程接口）這樣的多邊形3D標準，而英偉達采用的是二次方程紋理貼圖作為立體圖形實現方式，無法兼容行業通用標準，因此市場銷量快速下降。

1996年第一季度，英偉達停止銷售NV1，并終止研發NV2，開始將重心轉向圖形處理器RIVA128。其后兩年間，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1月，英偉達全年營收突破1.5億美元，并在納斯達克掛牌上市。同年5月，其圖形處理器銷量超過1000萬。8月，英偉達推出第一款以GeForce命名的顯示核心——GeForce 256，并首次提出GPU概念。次年底，英偉達以7000萬美元現金、100萬股公司股票，將3Dfx收入囊中，正式成為行業老大。

此時的GPU市場，只剩一家競爭對手可與英偉達匹敵，那就是ATI。

臥薪嘗膽再雄起

在PC市場上，微軟和英特爾是英偉達繞不開的兩大巨頭。“沒有永遠的朋友，只有永遠的利益。”這是商場永恒不變的法則。與ATI以及兩大巨頭的博弈也牽動著英偉達業務的興衰成敗。

2000年，為了進軍游戲主機行業，微軟找到了如日中天的英偉達，請他們研發Xbox圖形芯片、SoundStorm聲音芯片以及主板解決方案。然而，微軟給的研發時間只有一年。期間，電源供應出現Bug、數據庫功能不足等一系列原因，導致Xbox在首發日前兩個月才進入生產階段。最終，微軟被迫推遲首發，錯過先機，敗給了索尼PS2。

為了與PS2競爭，微軟打算降低Xbox二代產品主機售價，于是要求英偉達盡可能降低芯片價格。但當時的芯片利潤本身就不高，黃仁勛并沒有同意，加上后來芯片遇上了品控問題，導致成本升高，還被迫降低性能。雙方矛盾激化，最終對簿公堂。之后，微軟便把訂單交給了英偉達的競爭對手ATI。

這次合作失敗讓英偉達付出了慘痛代價，不僅2003年營收減少，還錯過了微軟DirectX 9規格確立的重要消息，直接導致當年推出的GeForce FX由于兼容性問題敗給ATI的Radeon 9700。更不幸的是，GeForce FX還存在運行溫度過高的問題，引發多次自燃事故，黃仁勛一度被游戲玩家調侃為“兩彈元勛”。

除了微軟，英特爾也開始扶持ATI，巨頭圍剿之下，英偉達損失慘重，股價大跌。見識到巨頭威力后，英偉達為了實現突圍，一方面主動去找微軟和解，爭取再次合作；另一方面失去Xbox訂單，努力拿下了索尼PS3訂單。此外，繼續推出高性能芯片壓倒ATI，同時還和英特爾達成了專利交叉許可協議。

忍辱負重鋪長路

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。不過，在這四年里，英偉達首席科學家David Kirk卻在思考著一個更長遠的問題——讓只做3D渲染的GPU技術通用化。

理由是，英特爾的cpu可以通過多線程技術被所有計算機應用分享，但GPU還只能通過OpenGL/DirectX等接口跟用戶交互。如果能夠在GPU中提供合適的編程模型，將豐富的GPU并行運算資源分享給開發者，那么每臺PC都可以變成一座超大規模高性能計算機。

這樣的設想只能滿足英偉達2007年新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。不過David Kirk最終還是說服了黃仁勛，投入大量資源研發出了能夠讓GPU變得通用化的CUDA（Compute Unified Device architecture）技術，并讓每一顆英偉達GPU都支持CUDA。

這一瘋狂舉動成本巨大。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。

2006年，英偉達發布了一個名為CUDA的編程工具套件，該套件允許編碼人員輕松地對屏幕上的每個像素進行編程。GPU模擬數千個同時運行以渲染每個像素的微型計算機。這些計算機執行許多底層數學運算，以渲染陰影，反射，照明和透明度。在發布CUDA之前，對GPU進行編程是一個非常痛苦的過程，對于編碼人員來說，他們必須編寫許多低級機器代碼。Nvidia花了多年的時間開發的CUDA，為GPU帶來了像Java或C ++這樣的高級語言編程的便利。使用CUDA，研究人員可以更快，更便宜地開發其深度學習模型。

Huang說：“深度學習就像大腦一樣。” “這是不合理的有效。您可以教它做幾乎所有事情。但是它有一個很大的障礙：它需要大量的計算。此外，我們還有GPU，這是一種幾乎適合深度學習的計算模型。”

大規模采用深度學習的關鍵時刻來自2010年在帕洛阿爾托的一家日本餐廳舉行的晚宴上。斯坦福大學一位口語柔和的教授安德魯·吳（Andrew Ng）在這里與Google（現為Alphabet）首席執行官拉里·佩奇（Larry Page）和天才計算機科學家塞巴斯蒂安·特倫（Sebastian Thrun）會面，當時他是當時的Google X負責人。關于將GPU應用于深度學習模型的有效性的第一篇學術論文。Ng說：“深度學習在2008年非常不受歡迎。” “考慮算法技巧要性感得多。”

特倫（Thrun）開發了一些首批實用的自動駕駛汽車，在斯坦福大學與伍（Ng）共享辦公室墻，兩位科學家向佩奇提出在Google成立深度學習研究小組的想法。這是有道理的：Google的大規模計算基礎架構非常適合構建世界上最大的神經網絡。Page同意了這個想法，Google Brain誕生了。現在，Google Brain進行的深度學習工作已遍及幾乎所有Google產品，尤其是搜索，語音和圖像識別。

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。巨頭夾擊中，英偉達只得走高性能獨立顯卡一條路，然而其主打的高端筆記本獨顯產品8600M系列卻出現了和散熱有關的品質問題，導致黑屏或燒機等故障。很多人認為，該事故原因主要由于支持CUDA會加大芯片散熱壓力，英偉達采用了芯片制造商臺積電不成熟的封裝材料，才導致散熱出現問題。

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。

2009年到2012年，雖然英偉達在移動市場上表現平平，甚至為了對抗高通，還做了一樁不劃算買賣。但是，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。

2012年，深度神經網絡技術在通用GPU的支持下實現重大突破，包括計算機視覺、語音識別、自然語言處理，以及各個領域的人工智能技術都得到了快速發展的條件。英偉達的數據中心業務也蒸蒸日上，為大大小小的公司提供強大計算力支持。

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。不過可以肯定的是，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。