半导体公司简介之020：英伟达

1993年4月的一个寻常早晨，美国加州圣何塞一家Denny‘s连锁餐厅里，三位年轻工程师围坐一桌，喝着无限续杯的咖啡。窗外治安不佳，餐馆正面墙壁上还残留着子弹弹孔的痕迹。没人会想到，正是在这家破旧餐厅里诞生的一家小公司，三十余年后会成为全球市值最高的科技巨头——英伟达。

一、始于“嫉妒”的创业故事

1963年出生于中国台湾的黄仁勋，9岁被父母送到美国读书，16岁进入俄勒冈州立大学，1984年获电子工程学士学位后进入AMD工作，打下了扎实的技术功底，后又取得斯坦福大学硕士学位。1993年1月，黄仁勋与两位工程师——克里斯·马拉考斯基和柯蒂斯·普里姆——正式创立了英伟达。公司最初命名“NVision”，发现已被卫生纸品牌注册后，黄仁勋从拉丁语中取词“Nvidia”，意为“嫉妒”。而黄仁勋正式上班的第一天是1993年2月17日，恰好是他30岁生日——这一天，他兑现了当年对妻子的承诺。

创业初期堪称“卑微”：第一间办公室设在合伙人普里姆的公寓里，黄仁勋亲自为公司录制来电答铃，却几乎无人来电。三人甚至被Denny’s餐厅的店员赶到后面小房间办公，“当时我们都没有什么存款，只有希望”。

二、从濒临破产到GPU革命

创业之路并非坦途。英伟达首款产品NV1于1995年面世，集成了2D/3D图像和音频处理功能，但因成本过高且坚持非主流的“方形绘图法”，与微软Direct3D接口标准不兼容，销量惨淡。日本游戏厂商世嘉送来700万美元资助研发NV2芯片，但英伟达再次拒绝改用三角形绘图主流技术，导致NV2研发失败，公司资金链几近断裂。

生死关头，黄仁勋飞往日本面见世嘉社长，坦诚认错并恳请继续付款。世嘉被他的真诚打动，英伟达得以挺过危机。随后英伟达痛定思痛，第三代产品Riva128采用微软Direct3D标准，以远超竞品4倍的性能狂销百万片，成功涅槃重生。这场濒临倒闭的危机深深烙印在黄仁勋心中，直到今天，他仍在每月例会上对员工说：“我们距离破产只有30天。”

真正的转折点出现在1999年——英伟达发明了图形处理器（GPU），让实时可编程着色技术成为可能，定义了现代计算机图形学的方向。2006年，英伟达推出并行计算平台和编程模型CUDA，使GPU不仅能处理图形任务，更能广泛应用于科学计算和人工智能领域。当时外界认为投入6亿美元开发CUDA是“战略浪费”，但正是这一决策，为今天英伟达成为“AI霸主”埋下了决定性的伏笔。

三、AI时代的算力霸主

如果说游戏显卡是英伟达的起点，那么AI数据中心就是它登顶的阶梯。

2025年，英伟达数据中心GPU市场份额高达92%，几乎垄断了整个高端GPU市场。其AI芯片在高端AI训练领域的市占率超过65%，CUDA软件生态更是支撑了90%的高端AI训练工作负载。

2026财年，英伟达全年营收达到创纪录的2159亿美元，同比增长65%；GAAP净利润1200.67亿美元，同样增长65%；每股收益4.9美元，增长67%。日赚超22亿元、毛利率高达75%，英伟达当之无愧地成为“AI吸金王”。

第四季度单季营收高达681.3亿美元，同比增长73%，远超分析师预期，其中数据中心业务贡献623亿美元，占比高达91%。全年维度看，数据中心业务营收达到1937亿美元，贡献近九成收入；游戏业务160亿美元，专业视觉32亿美元，汽车与机器人23亿美元，四大业务营收均创历史新高。

英伟达的崛起，本质上是全球AI算力需求爆炸式增长的缩影。谷歌、微软、亚马逊等云巨头合计约30%的资本支出流向了英伟达的AI芯片。

四、Blackwell与Rubin：重构算力边界

2024年GTC大会上，英伟达正式发布Blackwell架构。这颗基于台积电4NP定制工艺的芯片集成2080亿个晶体管，较前代Hopper架构提升2.5倍。其核心创新在于双芯片互联设计——通过10TB/s的NVLink-C2C高速接口，将两个GPU芯片整合为统一计算单元。

实测数据显示，GB200 NVL72机架系统可实现LLM推理速度提升30倍、训练吞吐量提升4倍、能效比提升25倍[reference:25]。在1750亿参数的GPT-3训练中，GB200吞吐量较H100提升4倍，能耗降低30%，推动AI训练成本从“美元/Token”向“美分/Token”演进[reference:26]。

2026年GTC大会上，黄仁勋提出了一个震惊业界的预测：到2027年底，Blackwell与下一代Rubin平台将创造至少1万亿美元收入。这一数字较2025年10月给出的5000亿美元预测直接翻倍。支撑这一预测的，是英伟达有史以来最复杂的AI计算系统——Vera Rubin平台，它由7种芯片和5种机架系统组成，标志着英伟达从GPU供应商向全栈AI基础设施平台的彻底转型。

黄仁勋还提出了“Token工厂经济学”新概念——未来的数据中心将不再是存储文件的电子仓库，而是不间断生产Token的巨型工厂。在Token工厂中，每瓦Token吞吐量直接决定企业收入。

五、CUDA生态：最深不可破的护城河

英伟达的真正壁垒不只是硬件性能，更是软件生态。

2025年12月，英伟达推出CUDA 13.1版本，官方称为自2006年平台诞生以来“最大、最全面的升级”。其核心是革命性的CUDA Tile编程模型——开发者甚至可以用Python编写GPU内核代码，15行代码即可达到200行CUDA C++的性能。

CUDA生态的重要意义在于：全球数亿台GPU设备通过CUDA实现代际兼容，支撑了人工智能和科学计算领域的广泛开发者群体。当竞争对手试图通过兼容层转译代码来挑战英伟达时，Tile IR这一更高层次的抽象模型极大增加了技术对齐难度，客观上进一步巩固了英伟达的生态护城河。

正如风投公司a16z合伙人马克·安德森所言：“这就像在90年代大家都围绕Windows做开发，在21世纪头十年又都围绕iPhone做开发。”

六、从数据中心到自动驾驶与机器人

英伟达的野心远不止数据中心。在2026年GTC大会上，黄仁勋强调：“下一波人工智能的浪潮是物理AI。AI将理解物理世界的规律，而自动驾驶汽车，就是目前能看到的最庞大、最成熟的具身智能机器人。”

在自动驾驶领域，英伟达动作频频：比亚迪、吉利、五十铃和日产等主流车企正式加入DRIVE Hyperion平台生态，共同推进L4级自动驾驶车辆的量产部署。英伟达还与Uber合作，计划于2027年上半年率先在洛杉矶和旧金山启动全栈无人驾驶出租车服务，2028年前扩展至全球28个市场。

机器人基础模型GR00T N2、DRIVE AV全栈自动驾驶平台等产品同步亮相，英伟达正通过技术整合构建从数据中心到太空、从自动驾驶到文娱产业的全场景AI生态。

七、竞争与挑战：巨头环伺下的隐忧

英伟达的统治地位并非毫无隐忧。在AI芯片领域，AMD的MI300系列和英特尔的Gaudi芯片正加紧追赶，博通、谷歌等科技巨头也在发力自研芯片。92%的GPU市场份额意味着增长空间受限，市场担心一旦AI增长触及瓶颈或新产品销售不及预期，股价可能面临剧烈波动。

欧盟对英伟达并购案的监管加强，以及少数大客户占比较高带来的集中度风险，也是不容忽视的潜在挑战。不过，摩根大通研报指出，英伟达在GPU领域市占率仍超过90%，AI芯片出货预计占全球半壁江山，竞争对手短期内难以撼动其主导地位。

八、皮衣之下：黄仁勋的领导哲学

英伟达的成功离不开黄仁勋独特的领导风格。这个始终身着黑色皮衣的CEO，在公司管理上信奉“使命才是老板”——要求所有人决策围绕公司使命，而非为了老板个人。他极度扁平、高度透明的管理机制，以及向全体员工持续传递“距离破产只有30天”的危机感，造就了英伟达极致务实和快速执行的企业文化。

黄仁勋将这种危机感和使命感注入英伟达的基因。他在2026年GTC大会上宣告：“代理式AI的拐点已经到来。”当计算需求呈指数级增长，当传统CPU性能逼近物理极限，英伟达凭借GPU与CUDA生态重新定义了计算架构。

九、半导体俱乐部 简评：

从Denny‘s餐厅里的三个“咖啡续杯”的年轻工程师，到掌控全球AI算力命脉的4万亿美元科技帝国，英伟达用三十余年时间完成了一次史无前例的科技逆袭。2025年7月，英伟达市值一度突破4万亿美元，超过日本当年的GDP总量。黄仁勋说，英伟达的使命是解决那些“普通电脑无法解决的问题”。从游戏显卡到AI数据中心，从自动驾驶到机器人，英伟达正用自己的方式证明：真正的创新，从来不惧从破旧餐厅开始。

<以上，完结。>

免责声明：以上图片文字均来源于网络，转载仅为分享和学习使用，不做其他商业用途！如有侵权请联系我们处理。

欢迎扫描上方微信群二维码，加入半导体俱乐部！