英伟达，GPU龙头的称霸之路

市场解说员科技金融 2023-7-13 20:07 690447人围观

01.成为英伟达

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：Were always 30 days away from going out of business）。这句话毫无疑问是有点夸张的，但黄仁勋认为，公司所专注的市场被追求同样机会的巨头公司包围，所以作为公司掌舵人的他时常保持警惕是可以理解的。

正是这种警惕性，帮助这家曾一度陷入倒闭困扰的芯片公司成为了当之无愧的半导体巨头，而这一切都起源于1993年，因为在这一年，黄仁勋与Chris Malachowsky 、Curtis Priem一起创立了英伟达。

在成立早期，英伟达最初是打算打造微处理器，以在个人计算机中实现全动态视频和立体声。因为产能短缺的原因，英伟达1995 年 5 月才推出了其第一款多媒体加速器 NV1。NV1 是第一款集成了 GUI 加速、全动态视频加速、3D 渲染、和一个精密的游戏端口到一个芯片上，NV1 使个人计算机与视频游戏系统竞争成为可能。

这个产品的面世，也让英伟达吸引了视频游戏制造商Sega的注意，并与之建立了合作。关于这个故事，在黄仁勋日前台大的毕业演讲中也有分享。据黄仁勋所说，英伟达制造的第一个产品是用于个人电脑游戏的3D图形，公司发明了一种非传统的前向纹理处理技术，而且成本相对低廉，这帮助他们赢得了与SEGA建造游戏主机的合约。

但经过了一年的开发期程，英伟达的团队意识到其设计的架构是错误策略，从技术端来看是不合格的。而与此同时，微软即将宣布基于反向纹理映射和三角形的Windows 95 Direct3D。这代表着如果英伟达完成了SEGA的游戏机，公司将会创造出与Windows不相容的产品；但如果我们不完成这个合约，我们就会破产。

“无论如何，英伟达都会面临倒闭的命运。”黄仁勋说。

为此他联络了SEGA CEO，向他解释公司的发明是错误的，所以公司无法完成合约以及游戏主机，并建议SEGA寻找其他合作伙伴。但需要SEGA全额支付我们的费用，否则NVIDIA 将无法继续经营。顺便提一下，在1996年中期，大约有 30 家硬件供应商向图形市场提供 3D 芯片。

在很难为情地提出这个后，SEGA CEO竟然同意了黄仁勋的请求，这让他多争取了3个月时间，并在1997年上半年震撼了新兴的3D市场的产品Riva 128。从这个产品开始，英伟达受到广泛关注，拯救了公司。

到 1998 年初，NVIDIA 已被公认为高性能 3D 图形市场的主导公司之一。据当时的分析师估计，NVIDIA 在 1997 年底占有 24% 的市场份额，在高性能图形公司中排名第二。公司也在1998年开始申请上市，并顺利在1999年1月正式登陆股票市场。

而在申请上市到正式上市这段时间，英伟达推出了NVIDIA Vanta，一款旨在将台式计算机图形引入企业市场的图形加速器。1999 年年中，NVIDIA 推出了 **2，NVIDIA 还为 ** 和 **2 推出了一套新的软件驱动程序，这些驱动程序经过优化以与AMD的处理器配合使用。

02.成就GPU巨头

1999 年 8 月，英伟达又推出了一款名为GeForce256 的图形加速器。值得一提的是，这款256位的图形处理单元 (GPU) 是业界第一款 GPU，能够从计算机的中央处理器 (CPU) 卸载整个图形处理操作，减轻了 CPU 的图形处理负担，还使软件开发人员能够创建更复杂的属性，例如人工智能和为更复杂的对象建模。

同年11 月，NVIDIA 推出了 Quadro，这是第一款专为工作站设计的 GPU。公司也在接下几年里与总部位于加拿大安大略省的ATI争夺图形芯片设计公司头把交椅的位置。虽然英伟达的产品往往能超过ATI的竞品，但是在市场上，他们还是落后于这家同行。而在双龙争霸的同时，图形芯片市场也在快速整合。

据相关资料显示，从1996到2001年间，全球生产图形控制器的公司数量从 45 家减少到 12 家。包括 S3、NeoMagic 和 Intel在内的几家主要参与者要么退出了图形市场，要么缩减了新产品的开发，而英伟达则趁机疯长，营收一路高涨。

2001年，NVIDIA 完成了用于 Microsoft X-Box 的图形芯片GeForce3 的开发，这是图形行业的第一款可编程 GPU，被所有顶级 PC 和图形主板 OEM 所选择。该芯片的可编程功能使开发人员能够创建自定义照明和转换自定义像素效果。

也就是在这个时间点前后，学术界对使用GPU做通过计算（GPGPU）产生了浓厚兴趣。因为和CPU不一样，控制逻辑较为简单的GPU的绝大多数芯片面积都用于渲染、多边形等计算。科学运算中的矩阵等计算也可以很简单地映射到GPU的处理单元当中个，实现非常高效的计算。但是，对于GPGPU而言，他们需要面临另一个重要的挑战，就是难于编程。因为当时的GPU是面向图像开发的，这就让在其中支持通用高性能计算并不容易。

看到了这种趋势的英伟达随后在2006年推出了Tesla架构。和以往只是使用矢量计算单元做渲染的做法不一样，英伟达在这个架构上把一个矢量单元拆成多个标量计算渲染单元，使其更适合通用计算。

有了硬件基础，英伟达在2007又做出了一个成就了今天英伟达的决定，那就是推广CUDA GPU加速计算技术。按照黄仁勋所说，之所以推动这么一个项目，是希望让CUDA成为一个程序设计模型，在科学运算、物理模拟到图像处理方面，都能提升应用程序的效能。

虽然这个项目意义广泛，但黄仁勋也承认，创建一个全新的运算模型非常困难，且在历史上实属罕见。因为自从IBM System 360以来，CPU的运算模型已经成为标准已有60年的时间。而CUDA需要开发人员撰写应用程序，并展示GPU的优势；开发人员需要一个大型的使用者基础；大型的CUDA使用者基础，需要市场上有人购买新的应用程序。

于是，英伟达利用公司已经拥有庞大游戏市场的游戏显卡GPU GeForce，以建立使用者基础。但CUDA的成本非常高，Nvidia的利润在多年来遭受巨大的打击，公司的市值仅仅维持在10亿美元上下，市场多年的低迷表现，也让股东们对CUDA持怀疑态度。

但最终，在2012年，AI研究人员探索了CUDA，度学习开山鼻祖之一的Geoff Hinton的学生Alex Krizhevsky在英伟达的GPU GTX 580上成功训练出了深度卷积神经网络AlexNet，开启AI的大爆炸时代，正式开启了英伟达的万亿美金半导体征程。

12 / 2 页下一页