在过去二十年里 ，英伟达（NVDA）已迅速成为全球关注的焦点 。这家半导体公司被视为计算机芯片设计与制造领域的国际领导者
，并助力推动了人工智能（AI）的革命性崛起
。除了在游戏 、数据和 AI 领域的优势，英伟达于今年 3 月宣布在波士顿设立量子研究中心 ，其首席执行官黄仁勋表示
，研究人员将在该中心攻克从药物研发到材料开发等领域的难题。以下将梳理英伟达的发展历程 —— 从为游戏行业制造硬件，到设计为 AI 赋能的芯片 。

　　“距离破产仅 30 天”

　　1993 年 4 月 5 日 ，黄仁勋
、克里斯?马拉乔夫斯基和柯蒂斯?普里姆创立了英伟达，最初专注于为计算机和视频游戏设计生产 3D 图形处理器
。公司推出的首款产品 —— 多媒体处理器 NV1
，并未达到创始人预期的市场反响。随之而来的财务危机极为严峻，英伟达裁员半数 ，由此形成了非官方座右铭：“我们的公司距离破产只有 30 天 。 ”

　　除了 NV1 的表现未达预期
，英伟达与日本游戏公司世嘉合作生产主机图形芯片的计划也告吹，进一步加剧了压力。然而 ，即便转向其他公司采购芯片
，世嘉仍向英伟达投资 500 万美元 —— 这笔资金使公司得以避免破产
。

　　尽管面临财务挑战且团队规模缩小，英伟达仍于 1997 年推出了下一代芯片 ，并大获成功。RIVA 128 支持高分辨率 2D 和 3D 图形
，首四个月销量突破 100 万片 。基于 RIVA 128 的销售基础，英伟达推出 RIVA TNT ，凭借更优的图像质量和性能进一步巩固了行业地位
。两年后的 1999 年 1 月 22 日
，英伟达以每股 12 美元的价格在纽约证券交易所（NYSE）上市，到 5 月已出货第 1000 万块图形处理器。

　　GPU 的诞生

　　1999 年晚些时候 ，英伟达发布 GeForce 256，并称其为全球首款 “图形处理器
”（Graphics Processing Unit
，GPU） 。通过直接向消费者营销芯片，而非仅将其集成到设备或主机中 ，该公司让 “GPU” 这一术语广为人知
。凭借将大型任务分解为可同时运行的小任务的能力（即并行处理）
，GPU 承担了驱动图形的繁重计算工作，使设备能更快处理其他运算功能 —— 这意味着 GeForce 256 可提供更流畅、快速且逼真的图形效果。

　　随着向消费者和 Xbox 等主机供应 GPU 的成功不断积累 ，英伟达于 2001 年加入纳斯达克 100 指数和标普 500 指数 。

　　CUDA 的布局与突破

　　2006 年
，英伟达推出 CUDA 平台，允许用户利用 GPU 的并行处理能力运行自定义软件 ，而非仅用于图形处理
。2006 年至 2017 年间
，英伟达在研发上投入近 120 亿美元，其中很大一部分用于 CUDA。

　　进入 2010 年代后 ，CUDA 的下载量有所放缓 。尽管该平台让用户能将芯片用于游戏之外的场景
，但起初似乎并未给投资者带来回报
。“2000 年代末，一些投资者是英伟达的忠实粉丝 ，在 CUDA 投资的前五年对其持乐观态度， ” 播客《Acquired》联合主持人本?吉尔伯特在 2022 年的一期节目中表示
，“但到 2010 年代中期，市场需求仍未显著显现 ，而投资却越来越大。
”

　　然而
，后续的技术发展使 CUDA 成为公司的关键 。“由于我们在销售游戏显卡的同时为其植入计算加速功能，这让所有产品成本更高 ，” 英伟达应用深度学习研究副总裁布莱恩?卡坦扎罗在 2023 年对雅虎财经表示
，“坚持到底需要很大的决心…… 我认为大约过了 10 年，华尔街才真正开始相信这项投资是有价值的。 ”

　　“命运邂逅机缘
”

　　2012 年 ，学生亚历克斯?克里热夫斯基和伊利亚?苏茨克弗利用 CUDA
，通过两块英伟达 GPU 训练了视觉识别神经网络 AlexNet
。AlexNet 在图像识别上的突破性表现表明，与此前使用的 CPU 相比 ，用 GPU 训练机器学习模型可大幅缩短训练时间。

　　在这一进展之后
，英伟达开始将重心转向人工智能，其游戏业务的收入为这一转型提供了支撑 。到 2016 年 ，公司推出 DGX-1—— 专为深度学习和兴起的大型语言模型设计的系统
。那一年，英伟达股价几乎上涨了两倍。

　　“这是‘命运邂逅机缘’
，” 英伟达首席执行官黄仁勋当时对雅虎财经表示，“人们认为这是一夜成名 ，但和大多数‘一夜成名’一样
，我们为此花了数年时间 。 ”

　　与此同时，英伟达抓住机会进行战略收购 ，例如 2011 年收购无线公司 Icera
，2013 年收购硬件公司 The Portland Group
。2020 年，它试图收购半导体设计公司 Arm（ARM） ，但由于监管担忧
，该交易最终告吹。

　　2022 年 3 月，英伟达宣布推出 H100 “Hopper
” 芯片 ，承诺为人工智能提供更快的训练和更优的性能 。凭借这款 GPU 占据大部分市场份额
，包括 Alphabet（GOOG） 、亚马逊（AMZN）和微软（MSFT）在内的大型公司在开发 AI 和数据驱动产品时，纷纷向英伟达投入数十亿美元
。

　　其中一家公司是 OpenAI（OPAI.PVT） ，其与英伟达的合作可追溯至 2016 年 —— 当时英伟达向这家初创公司捐赠了首台 DGX-1 超级计算机。2022 年 11 月，OpenAI 推出基于英伟达 GPU 构建的语言模型 ChatGPT
，迅速成为头条新闻 。根据瑞银的一项研究，ChatGPT 在不到两个月的时间里创下了历史上用户增长最快的消费应用纪录 ，2023 年 1 月达到 1 亿月活跃用户
。“一个新的计算时代已经开始
，” 英伟达首席执行官黄仁勋在 2023 年的一份声明中表示，“全球企业正在从通用计算向加速计算和生成式 AI 转型。 ”

　　迈向 3 万亿美元市值之路

　　随着投资者对人工智能的兴趣日益浓厚 ，以及运行模型所需的 GPU 需求持续增长
，英伟达截至 2024 年 1 月的季度收入同比增长超过一倍 。季度报告发布后，英伟达创下美股历史上最大单日涨幅 ，市值增加 2770 亿美元
，次日市值达到 2 万亿美元。然而，这一纪录并未维持太久 —— 仅两个月后 ，英伟达就再次刷新了这一纪录
。

　　同年 3 月
，英伟达宣布推出下一代芯片 Blackwell。该芯片在性能提升的同时降低了成本和能耗，设计上更适合大规模互联协同工作 ，较前代产品表现更优 。不久后，英伟达于 2024 年 6 月宣布 10 股拆 1 股的股票拆分计划
。拆分后
，其市值超过微软和苹果（AAPL），以 3.3 万亿美元成为全球市值最高的公司。到 2024 年 11 月 ，它被纳入道琼斯工业平均指数 。

　尽管取得了诸多成就
，英伟达在崛起过程中也面临挑战
。2018 年，它遭遇集体诉讼 ，指控其未向投资者妥善披露加密货币市场对 GPU 销售收入的影响。当时
，比特币（BTC-USD）和以太坊（ETH-USD）等加密货币的 “矿工” 使用英伟达 GPU 完成交易并获取新代币，这一过程需要大量计算能力 ，使英伟达 GPU 成为热门之选 。2022 年
，英伟达因该问题向美国证券交易委员会（SEC）支付了 550 万美元和解金；2024 年 12 月，美国最高法院驳回了英伟达的上诉 ，允许 2018 年的案件继续审理
。

　　这并非英伟达首次因芯片面临法律问题。2016 年
，它就 GTX 970 显卡宣传性能与实际能力不符的案件达成和解，向每位购买者赔偿 30 美元 。

　　除了法律问题 ，供应链能否跟上需求也是一项挑战
。2020 年初，由于新冠疫情和远程办公对技术依赖的增加
，全球出现芯片短缺。2023 年，美中贸易战
、极端天气事件和俄乌战争等因素进一步延长了短缺周期 。IDC 2024 年 12 月的一份报告预测 ，2025 年全球对 AI 和高性能计算（HPC）的需求将增长超过 15%。

　　推动 AI 革命前行

　　2025 年 1 月
，特朗普总统宣布 “星门计划
”（Project Stargate），甲骨文（ORCL）、OpenAI 和软银（SFTBY）等科技公司将在未来四年内投资 5000 亿美元用于美国的 AI 基础设施
。作为该项目的技术合作伙伴 ，英伟达股价上涨
，市值达到 3.6 万亿美元。

　　然而，当月晚些时候 ，中国公司深度求索（DeepSeek）发布了自己的 AI 模型
，据报道其训练成本远低于竞争对手 。该消息宣布后，英伟达股价暴跌 5890 亿美元 ，跌幅近 17%
，创下美股历史上最大单日市值损失
。

　　股价下跌后，2025 年 3 月 ，英伟达推出 Blackwell Ultra——Blackwell 的继任者。新芯片性能较前代提升 1.5 倍，可帮助 AI 模型更快响应用户查询 。2025 年 4 月
，特朗普政府禁止向中国出口英伟达 H20 芯片，因为此类芯片在 AI 技术研发竞赛中至关重要
。英伟达在第一季度报告中表示 ，预计该禁令将导致 80 亿美元潜在销售额损失。

　　尽管出口限止不断扩大
，英伟达仍在持续增长，甚至在 6 月短暂超越微软 ，再次成为全球市值最高的公司 。展望未来
，有人预计它可能成为首家市值达到 4 万亿美元的公司
。“英伟达真正推动了 AI 革命的启动，” 方舟投资（ARK Invest）创始人凯西?伍德今年早些时候对雅虎财经表示 ，“我们认为它仍将扮演重要角色。 ”