作者 | 王车车
市值登顶全球第一
6 月 19 日, NVIDIA 书写了新的历史篇章,其市场价值惊人地达到了 3.34 万亿美元,一举越过了微软、苹果等诸多科技巨头,问鼎全球上市公司市值榜首。在这两年间,NVIDIA 的市值经历了一场前所未有的飙升,从 4000 亿迅速增长至 1 万亿, 再一鼓作气突破至 3 万亿美元大关。在仅仅两周的时间内,它从市值排名第三位急速上升至第二,并紧接着攀升至首位,期间正值微软与苹果的股价回调,NVIDIA 独自屹立潮头,实现了一次教科书般的市值跃升壮举。

2018 年 8 月,苹果公司首次跨越了 1 万亿美元的市值门槛,并在 2022 年 1 月创下了全球首家企业市值触及 3 万亿美元的里程碑。相比之下,微软实现从 1 万亿至 3 万亿美元市值的飞跃,则耗费了接近五年的光阴。而 NVIDIA 在这条通往万亿市值的道路上,以不到一年的惊人速度完成了超越。NVIDIA 的这一非凡成就,实则是多年深耕人工智能芯片领域,不断创新与卓越成果的累积体现。

自始至终,NVIDIA 秉承创新驱动的核心理念,不断推陈出新,其产品与服务在竞争激烈的市场中脱颖而出。在此期间,NVIDIA 还拓宽合作视野,与全球众多企业及科研单位携手,共谋人工智能技术的推进与实践深化。正是这些不懈的探索与合作,让 NVIDIA 在全球科技竞技场中脱颖而出,最终问鼎市值最高上市企业的宝座。
创始人黄仁勋的成长之路
黄仁勋,这位在科技界赫赫有名的领导者,其成就背后蕴含着丰富的家庭背景、扎实的学术根基以及在业界的深厚积累。1963 年 2 月 17 日,黄仁勋出生于中国台湾台南的一个工程师家庭,他的父亲是一位化学工程师,母亲则是一位小学教师。这样的家庭环境无疑为黄仁勋的成长埋下了科学与教育的种子。
9 岁那年,黄仁勋的生活迎来了第一次重大转折。由于父亲工作的缘故,全家搬迁至泰国,彼时的泰国正处于政治动荡之中,这对于年幼的黄仁勋而言,无疑是一段不平凡的成长体验。尽管环境充满挑战,但这段经历也培养了他面对逆境的坚韧性格。不久之后,出于对子女教育的重视,黄仁勋的父亲决定将他和哥哥送往美国,开启一段全新的生活和学习之旅。
黄仁勋 10 岁时移居美国,先是被安置在华盛顿州的舅舅家中,但由于经济条件限制,很快他们又转至肯塔基州的一所乡村寄宿学校。这种跨文化的迁徙和适应,锻炼了他的独立性和适应力。黄仁勋在俄勒冈州的 Aloha High School 完成了高中学业。黄仁勋在高中时期表现出色,不仅是全美排名靠前的乒乓球运动员,还参加了数学、计算机和科学俱乐部,甚至跳了两级,16 岁便毕了业。
1983 年,黄仁勋从俄勒冈州立大学毕业,随后在 1990 年,他取得了斯坦福大学电子工程硕士学位,这段求学经历为他日后在高科技领域的深耕打下了坚实的学术基础。

在职业生涯初期,黄仁勋曾在 AMD 和 LSI Logic 等知名企业工作,这些经历让他积累了宝贵的行业经验,也逐渐形成了他对半导体技术和市场的深刻理解。在这些公司的工作经历中,黄仁勋积累了丰富的技术和管理经验,这些经验为他后来的创业奠定了基础。
NVIDIA 的创新与发展之旅
1993 年,时年三十的黄仁勋携手两位微芯片设计界的资深专家——克里斯·马拉考斯基和柯蒂斯·普里姆,共同创办了英伟达公司。尽管黄仁勋较为年轻,其卓越的学习能力却赢得了马拉考斯基和普里姆的高度信任,相信他足以胜任 CEO 一职。三位创始人怀揣着创造一款足以引发竞争对手强烈羡慕情绪的图形处理器的愿景踏上了创业旅程。公司原计划命名为 NVision,然而该名称已被一家生产卫生用品的企业占用。在此背景下,黄仁勋提议采用“英伟达”(Nvidia)作为替代,借用了拉丁词汇的灵感,寓意为“激起嫉妒”。
黄仁勋对电子游戏领域怀有极大热情,他意识到提升图形处理芯片性能的巨大市场前景。彼时,业内正从传统的手工像素绘制转向利用“基元”形状拼接成立体多面体,以此构建三维图像,这一革新显著提升了效率,同时也对芯片技术提出了新要求。在那个技术拐点上,尽管其他同业竞争者纷纷聚焦于三角形作为基础构造单元,黄仁勋及其团队却独辟蹊径,选择了四边形作为核心要素。遗憾的是,这一策略性抉择随后被证明并不明智,因为微软公开声明其图形接口标准将仅兼容三角形,迫使英伟达面临了一项重大的战略挑战。
面临财务紧张的困境,黄仁勋采取了一项大胆的举措:减少员工 50 多名,并把公司所剩的资金投入到了一个未经验证的微芯片开发项目中。他决定动用英伟达三分之一的现金储备,用于采购一款芯片设计软件,经过数月的努力设计出一个方案,未经过传统测试流程便将该方案送至台湾的代工厂家,直接下单生产了十万枚芯片。他解释道:“成功与失败的机率或许各半,但既然公司已濒临绝境,何不放手一搏?”幸运的是,这次冒险押注得到了回报。这款名为 RIVA 128 的芯片在 1997 年的市场表现非凡,销量突破百万片,成功地使英伟达从危机边缘实现复兴。

在经典的计算机架构设计中,中央处理器(CPU)扮演着执行绝大部分任务的核心角色。程序员编制代码,并提交至 CPU 来解决数学运算问题,逐一得出计算结果。英特尔长久以来都是 CPU 领域的领头羊,屡次尝试排挤英伟达出局。黄仁勋用“猫捉老鼠”的比喻来形容双方的竞争态势:“我不会踏入英特尔强势的领地。一旦察觉它们逼近,我便会携带着我们的资本灵活转移。”
确实,英伟达踏上了一条独树一帜的发展轨迹。就在 1999 年公司上市后不久,一款标新立异的产品 GeForce 显卡应运而生。对此,英伟达的市场副总裁丹·维沃利赋予了它一个新名字——“图形处理器”(GPU)。与包罗万象的 CPU 形成鲜明对比,GPU 擅长运用并行处理技术,将繁重的数学运算分解为多个细小部分同步解决。

1999 年 1 月,英伟达在纳斯达克成功上市,市值估定为 11 亿美元,紧随其后的同年,GeForce 256 面世,标志着 GPU 时代正式启幕。自此,英伟达踏上了一条以 GPU 为主导的征服之旅,同时向英特尔发起了挑战,利用遵循自创的“黄氏定律”的 GPU 来加速计算进程,意在撼动 CPU 在通用计算领域的统治地位。黄仁勋个人对速度与激情充满渴望,这一点不仅体现在他驾驶高速汽车的爱好上,也展现在他十多年前提出的雄心勃勃的计划——每隔半年 GPU 的性能翻一番,这便是著名的“黄氏定律”,它引领了计算能力的革新风暴。这一目标听起来近乎幻想,因为众所周知,摩尔定律预测芯片性能每 18 个月才提升一倍,而英伟达设定的增速相当于摩尔定律的三倍之速。

从 2000 年至 2007 年间,英伟达稳步巩固了其作为游戏显卡芯片领域领导者的地位。尽管来自热衷于高性能显卡的游戏玩家群体的强劲需求为英伟达带来了可观的盈利,但该市场的局限性意味着增长空间有限,难以维持持续的高速增长态势,更不用说超越当时在 PC 处理器市场上拥有绝对主导地位的英特尔了。
自 2006 年起,黄仁勋着手培育了一个具有深远意义的通用计算计划——CUDA。他坚信通过加速计算能够破解那些标准计算机难以应对的难题,为了将硬件架构推向更高的通用性水平,英伟达甘愿做出巨大的投资,每年斥资数亿美元在 CUDA 项目上。CUDA 平台的问世,成功打破了 GPU 应用的壁垒,使其不再仅限于图形处理范畴,而是拓展到了包括科学计算、大规模数据分析、以及深度学习等多个前沿科技领域。

然而,当 CUDA 于 2006 年末亮相之际,华尔街的反应却显得冷淡。尽管黄仁勋力图将超级计算的概念普及化,市场对此的反响却不温不火。Ben Gilbert,知名硅谷播客节目"Acquired"的共同主持人,评价说:“他们在这项新颖的芯片设计上倾注了巨额资金,投入了数十亿的资金瞄准了学术界与科研计算的一个相对小众且不甚知名的领域,这在当时并非一个广阔市场。”尽管外界反应平淡,黄仁勋依然坚持认为 CUDA 将会是驱动超级计算领域向前迈进的关键力量。不幸的是,这一远见并未立即获得普遍认可,到了 2008 年底,英伟达的市值缩水了 70%,这无疑是一个沉重的打击。
关键问题在于,CUDA 在初期未能明确其应用场景,导致其潜力未能充分显现。为此,英伟达积极拓宽视野,探索 CUDA 的多元化应用途径,主动接洽了诸如证券交易员、石油地质勘探专家以及分子生物学研究者等多种潜在用户群体。然而,在那个时期,人工智能领域尚未成为英伟达的重点关注对象,主要因为市场普遍认知该领域商业潜力有限,未展现出显著的市场吸引力。

21 世纪初的头十年间,人工智能作为一个研究领域,在学术界与工业界的关注度颇为低迷。在如图像理解和语音辨识等基础任务上,人工智能技术的前行步伐颇为蹒跚。而在这样一个已略显边缘化的学术版图里,神经网络的研究更是处于一个冷门且不受重视的位置。彼时,众多计算机科学专家对神经网络持保留甚至否定意见。回忆往昔,深度学习研究者卡坦扎罗分享道:“我的指导教授并不支持我投身神经网络的研究,因为在那个年代,这些技术被普遍视为落后且实用性不足。”
黄仁勋坚持不懈地探寻能让 CUDA 发挥经济价值的实际应用场景,直至 2012 年,一个触发深度学习革命的关键节点终于浮现。转折点源自人工智能领域的先驱者杰弗里·辛顿,在 2009 年,辛顿领导的研究小组利用英伟达的 CUDA 平台来教育神经网络以理解人类语言,实验成果令他深感振奋。同年晚些时候,辛顿在一场学术聚会上公开分享了这些研究成果,此举大大提升了 CUDA 的可见度。此后,辛顿还积极向其指导的学生们推广 CUDA 平台的使用,其中就包括了一位来自乌克兰的才子,亚历克斯·克里切夫斯基。克里切夫斯基在编程技术领域贡献颇多,但他最重要的发现是,相比传统的通用 CPU,使用专门的 GPU 进行神经网络训练效率可以提升高达百倍。辛顿对此评价道:“若非 CUDA 的存在,机器学习的实践将困难重重,成本高昂!”

2012 年见证了深度学习领域的引爆时刻——一项名为 AlexNet 的深度卷积神经网络在 ImageNet 竞赛中以压倒性优势夺冠,引起了巨大轰动。同样令人震撼的是 AlexNet 惊人的训练效率,研究团队仅仅借助两块英伟达 GeForce GTX 580 图形处理器,在一周之内便完成了模型训练,这一速度远超传统的 CPU 处理系统。
黄仁勋深信,神经网络技术将对社会带来根本性的变革,并意识到通过 CUDA,英伟达能够主宰提供这一变革所需硬件的市场。他决意再次对公司未来的方向下重注。据英伟达副总裁格雷格·埃斯蒂斯回忆:“某个周五晚间,他发出一封电邮,宣告一切正向深度学习转型,我们不再是单纯的图形处理企业。而到了周一早晨,我们已自称为人工智能企业。转变之迅速,令人咋舌。”
从那时起,英伟达的战略重心经历了一场根本性蜕变——全面拥抱人工智能。公司深耕于深度学习领域,全方位且系统性地改造了构成 AI 基础设施的每一层级,涵盖了芯片设计、互连技术、网络构建、软件开发、模型优化,乃至整个系统集成,实现了从单一 GPU 制造商到涵盖 AI 全链条的行业巨擘的华丽转身。

通过与尖端科研组织 OpenAI 的深度协作,英伟达携手书写了人工智能领域的新篇章。大约在 2016 年前后,英伟达向 OpenAI 捐赠了他们的首台人工智能超级计算机 DGX-1,这场交付活动充满了象征意义:黄仁勋亲自主持,将这台超级计算机送抵 OpenAI 的大门,而 OpenAI 的联合创始人兼主席埃隆·马斯克则以一种别开生面的方式——使用裁纸刀切割包装,亲自迎接了这一科技瑰宝的到来,这一行为仿佛是对人工智能新时代到来的隆重剪彩。

2023 年 12 月 1 日,OpenAI 揭晓了其聊天应用原型 ChatGPT,此消息一出即刻聚焦了广泛瞩目,并在人工智能领域激起了可媲美 AIGC 技术所引发的关于职业未来影响的深入探讨。ChatGPT 是一款专为对话交互设计的创新型语言模型,其名中的 GPT 代表“Generative Pre-trained Transformer”(生成式预训练转换器),强调了该模型的生成特性和预训练背景。而 GPT 模型正是在英伟达的超级计算机上接受了训练。
伴随人工智能科技的迅猛进步,英伟达制造的人工智能处理器面临着日益增长的市场需求,以至于供不应求。最近面世的人工智能学习组件 DGX H100,乃是一个重达约 130 公斤(合 287.6 磅)的重金属封装设备,其市场标价可触达 50 万美元之巨,却依旧在发布后迅速售罄,持续断货数月之久。更值得关注的是,DGX H100 的运算速率相较于用于培育 ChatGPT 的硬件系统提升了五倍之多,能够在不足一分钟的时间里顺利完成 AlexNet 模型的训练流程,展现了其令人瞩目的计算效能。
在黄仁勋的引领下,NVIDIA 实现了从单一图形处理器生产商到横跨人工智能、数据中心、自动驾驶等多个前沿科技领域的综合性科技巨擘的蜕变,尤其在人工智能版图中,NVIDIA 的 GPU 已成为驱动深度学习与 AI 计算的中枢硬件,不可或缺。一位资深华尔街分析师曾这样形容:“人工智能领域正在上演一场战争,而英伟达是唯一的军火供应商。”

英伟达成功的关键因素
创始人黄仁勋的领导力
苹果的辉煌成就植根于乔布斯与库克的成功接力,而英伟达的辉煌旅程则牢牢系于黄仁勋一人之手,31 年来始终如一的领导。黄仁勋更加务实,他并不倾向于猜测或沉浸在科幻小说中,而是更偏好从最基本的原理出发,深入研究和理解微芯片当前的能力,以此为基础,准确地预见并把握它们未来可能释放的潜能。
在创业初期,面对半导体行业巨头们的激烈排挤,黄仁勋屡遭市场边缘化的严峻考验,但他早有破釜沉舟之志,誓要开辟出一条前所未有的、专属英伟达的路。他倡导公司创造“0 亿美元市场”,引领英伟达推出了革命性的 GPU,并精心构筑了 CUDA 软件生态系统这一坚不可破的护城河,为公司筑起了稳固的发展基石。

此外,黄仁勋独特的个人魅力为英伟达的成功之路增添了不可或缺的一笔。相较于众多给人以疏离感的企业领袖,黄仁勋以其智慧而不失亲和的形象显得尤为独特,这在中国赢得了他诸如“皮衣刀客”、“显卡大帝”等一系列趣味横生的昵称。他集聪慧、活力及非凡魅力于一身,擅长编织引人入胜的故事并激发话题讨论,总能在各类演讲或媒体访问中释放新鲜见解,持续满足公众对本人及其领导下的英伟达的好奇与期待,无形中助推了公司股价的节节攀升。
技术为王的核心竞争力
近年来,英伟达秉承创新为核心的发展理念,持续不断地推出富有竞争力的产品线及服务方案。公司还不遗余力地拓展国际合作疆域,与全球多家企业及科研单位携手,共谋人工智能技术的演进与实际应用的拓展。这一系列的不懈奋斗让英伟达在全球科技竞技场中脱颖而出,最终成为市值最高的上市公司。

作为图形处理单元(GPU)技术的领航者,英伟达在产品性能与能效方面持续保持着对同行的优势。其标志性 GeForce 系列产品在游戏及消费级市场享有广泛的领先地位,与此同时,Tesla 与 Quadro 系列则凭借卓越性能在专业图形设计与高性能计算领域内独树一帜,展现了非凡的竞争力。
英伟达在人工智能和深度学习范畴的深入耕耘与创新使其走在了这一技术前沿。公司推出的 CUDA 平台,为开发者提供了一种在英伟达 GPU 上实施高效并行计算的手段,该技术已广泛渗透到深度学习、科学研究及大数据分析等多个关键领域。
英伟达构建了一个涵盖广泛元素的强大生态系统,整合了硬体层面(比如 GPU 及相关配件)、软体资源(诸如 CUDA、TensorRT 等工具)、开发辅助工具及程式库,同时还深化了与多方伙伴的合作关系。通过其核心的 CUDA 平台与丰富的软体库资源,英伟达极大地简化了开发者利用其高性能硬体进行创新应用开发的路径。
英伟达不断推进技术创新和市场扩张的脚步,同时得益于它与众多科技企业和研究组织建立的策略联盟,以及对富有创新精神企业的战略性并购。例如,通过对 Mellanox 和 Arm 这类企业的并购整合,英伟达显著强化了其在数据中心解决方案与计算架构领域的影响力和竞争力。
这些核心竞争力使英伟达在在日新月异的科技产业中抢占了先机,并为其未来的持续增长和成功奠定了坚实的基础。
/ END /






