英伟达（NVIDIA）终于登上了“全球股王”的宝座。
6月18日美股收盘，人工智能芯片巨头英伟达市值盘中达到3.33万亿美元，超越微软成为全球市值最高的公司。
过去一年，英伟达市值的增长速度令人惊叹。在2023年6月之前，英伟达的市值尚不足1万亿美元，但仅仅9个月之后，便增长至2万亿美元。更加疯狂的是，之后3个多月的时间，英伟达又实现了市值从2万亿美元到3万亿美元的飙升。
3万亿过后，英伟达面前只剩下了苹果、微软两大对手，可又只用2个星期，英伟达就实现了登顶。
英伟达的神话，离不开人工智能技术的快速发展。市场对高性能人工智能芯片的需求激增，而英伟达的GPU在人工智能训练和推理任务中又表现出色，在市场中占据了主导地位。
作为全球最有价值的 AI 科技公司，有分析师乐观预测，英伟达有望成为人类历史上*家市值破10万亿美元的公司。而这家巨头的登顶之路，最初还是不起眼的显卡生意。
01.
显卡“新手”
据《经济学人》之前的一篇报道，英伟达创始人黄仁勋常挂在嘴边的一句话是“我们总是离倒闭还有30天”（原文：We're always 30 days away from going out of business）。这句话如今来看有些夸张，但用于描述英伟达最初的境况却十分贴切。
创立于1993年的英伟达，最初专注的是图形处理器的设计和制造，在当时，这个市场已经处在高度“内卷”的紧张状态，除了有IBM、HP、索尼、富士通、东芝等大公司，也吸引了很多创业公司进入市场。
1995年，英伟达推出了*款显卡产品NV1。该芯片具有2D和3D图形、视频处理、音频波表处理、游戏端口等，在技术路线上，整合了3D和2D的图形处理功能，理念超前。在市场方向上，NV1锁定的是图形处理需求的主要客户——游戏厂商，把声卡和手柄控制单元集成进了芯片。
本该一鸣惊人，然而事与愿违。一方面，NV1大而全的功能配置不可避免地增加了生产成本，因此在售价上高出同类产品近两倍。更为致命的是，英伟达创始人们为与竞争对手差异化，在NV1上采用了小众的四边形成像技术。
当时图形加速技术尚未定型，没有统一的业界标准，只是许多公司选择的是三角形加速路线。问题在于NV1发布后不久，微软宣布其图形软件将只支持三角形。因此，采用四边形成像技术的NV1因与系统格式兼容性不够等原因而销量惨淡。
英伟达一度运营资金只能维持30天运转。
好在NV1因同时集成了声卡功能赢得了日本游戏业巨头世嘉（SEGA）的青睐，并获得700万美元投资作为研发NV2的定金。
只是好景不长，面对产业标准已定的大形势，以四边形为基元的NV2注定难以成功。而另一方面，3Dfx在1995年底推出了其*款产品Voodoo，凭借强大的性能被誉为*款真正意义上的3D图形加速器，仅仅在一年的时间里就占据了85%的市场，1997年更是和世嘉合作新一代主机的开发。此时的英伟达几乎到了破产的边缘，幸运的是，世嘉公司没有立即收回700万美元的开发定金，给了英伟达喘息的机会。
经历了NV1、NV2市场失败后的英伟达，放弃了四边形路线，转投主流市场。半年后（1997年），推出了第三款新产品Riva128 (NV3)。这是当时市场上*真正具有3D加速能力的2D+3D AGP显卡，其凭借超高的性价比实现了4个月卖出100万份的成绩。
自此，英伟达开启在图形芯片市场上的崛起之路。
1998年，英伟达又推出了RIVA TNT的升级系列，同时与台积电达成战略合作，将其显卡交付台积电生产。在双方合作的第二年，英伟达在纳斯达克上市，之后不久便推出划时代的产品GeForce 256——*个被明确定义的GPU产品，打开了通向新时代的大门。
02.
遇挫CUDA
推出GPU概念以及有了台积电的生产力加持，英伟达也实施起了它的“黄氏定律”——加大人力，提高效率，用速度抢生意。
业界的“摩尔定律”是每18个月推出新品，性能翻一番，而英伟达则是投入三倍人力做同一件事，6个月就推出新品。在这种快速的产品更新频率下，包括 S3、NeoMagic 和 Intel在内的几家主要竞争对手要么退出了图形市场，要么缩减了新产品的开发。
2001年，英伟达推出了业界*可编程GPU: GeForce 3，开发人员能够自定义创建视觉效果。这是图形行业的*款可编程 GPU，被所有* PC 和图形主板 OEM 所选择，也为此后用来训练AI大模型打下了伏笔。
2004年初，英伟达借助新接口标准PCI Express大普及的机会，凭借产品Geforce 6800 Ultra重夺回3D性能头把交椅；2006年底，又通过发布革命性产品Geforce 8800 GTX，创下了旗舰级3D娱乐显卡的销售记录。
在收购并购方面，英伟达先是在2000年里以7000万美元和价值100万美元的股票收购曾经的对手3dfx，之后在 2002 年收购软件渲染工具制造商 Exluna，2003 年斥资 7000 万美元收购多媒体技术提供MediaQ，2005年收购了核心逻辑开发商ULi Electronics。
来到2006年，英伟达又干下两件大事。其一是收购ATI，结束了与其长达7年的双雄并进与对抗之战；另外一件就是发布CUDA。
CUDA是为英伟达GPU设计的运算平台和编程模型，有了这个工具，用户可以自行编程开发，这让GPU的算力真正变得通用。
只是这前瞻的想法却没能俘获到资本市场的芳心。华尔街对热衷CUDA的英伟达发出了最强烈的警告，对CUDA估值为0。投资人和分析师也都觉得“你一家游戏显卡公司为啥要花钱去做梦”。
而比起资本市场的态度，更让英伟达难堪的是，2008年闹出了“显卡门”事件——安装英伟达两款CUDA电路显卡的电子产品出现了显示异常的问题。消费者集体诉讼，后续发酵更是让英伟达失去了手机芯片业务的大蛋糕。
屋漏偏逢连夜雨，2008年，金融危机削弱了需求，长期挣扎的竞争对手AMD开始复苏，英伟达股价暴跌。与此同时，英伟达和英特尔的专利交叉授权协议出现纠纷，迫使英伟达退出了又一个大市场。一连串打击之下，2009年、2010年英伟达出现了罕见的亏损，直到2011年才勉强回血。
好在英伟达的脚步并未因受挫而停止，上天也适时掉下一块“馅饼”。
2012年，AlexNet的发明人亚历克斯使用了英伟达的GPU，在ImageNet比赛中赢得了冠军，证明了GPU非常适合用于并行计算的神经网络，比CPU具有明显优势。从此以后，GPU成了神经网络计算的引擎。
此时，已经开始有人意识到，英伟达的GPU或许可以使人工智能成为现实。而要发挥GPU的全部潜力，离不开CUDA。
03.
AI崛起的故事
2016年，英伟达向成立不久的OpenAI捐赠了首台英伟达DGX-1 AI超级计算机，以支持他们研发人工智能。2022年11月30日 chatGPT发布，一周之内破圈，引爆全球互联网新闻，两个月后用户数破亿，英伟达芯片的市场需求也随之开始暴增。
这像是一段“投桃报李”的缘分，而如今来看，何尝又不是英伟达对于AI领域的提前押注。
2015年，黄仁勋在GTC开发者大会进行了著名的《History of Deep Learning》演讲，并同时推出了用于训练深度神经网络的处理器NVIDIA GeForce GTX TITAN X，成为了*代深度学习开发者的标配。自此，英伟达的芯片架构也开始往深度学习和AI方向演进。
之后几年间，英伟达围绕提升AI运算效率为中心，陆续发布了Volta、Turing、Ampere等诸多架构，同时还推出了包括DGX Cloud在内的各种云服务，通过云端提供DGX AI运算资源，方便企业使用进行模型训练与开发。
事实证明，英伟达赌对了方向。在数字货币浪潮和人工智能浪潮的带动下，从2017财年到2022财年，英伟达的总营收从69.1亿美元升至269.1亿美元，增长率高达74%。
随着2023年大模型的全球爆火，英伟达乘势成长为全球*价值的芯片企业之一，市值也一路飙升至成为全球*。
从先进的图形界面到自动驾驶汽车，再到新一波AI产品，英伟达的芯片正成为新兴技术的基础，就像黄勋仁所说：“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*影响力的诸多领域的进步。”
而沿着规划的AI蓝图，英伟达还在加速前行。在6月2日晚间COMPUTEX 2024开幕的前夜，英伟达公布了Blackwell GPU的后三代计划：2025年首先迭代到Blackwell Ultra，2026直接启用新架构Rubin，2027年进化到Rubin Ultra。以往通常是两年更新一代，现在一年就更新一代产品。
黄仁勋在演讲时更是豪言预测，在不久的将来，每一个处理密集型应用都将被加速，每一个数据中心也肯定会被加速。到那时，英伟达又将带给我们怎么样的颠覆？
