GTC 2022过后，广大人民群众纷纷奔走相告，黄仁勋又带着他的新“核弹”来“炸街”了。

具体发布的新产品和技术，很多文章都已经详尽地介绍过了，一言以蔽之：牛！其中最炸裂的是H100 GPU，采用了台积电4纳米制程工艺，集成1800亿个晶体管，浮点计算能力相比前一代A100快了三倍，被看作英伟达的新一代“核弹”。

一时间锣鼓喧天、鞭炮齐鸣，工业界盼到了“算力怪兽”，消费者们也迎来了显卡降价的日子。

但冷静下来想一想，英伟达是“为AI继算力，为众人送温暖”的大善人吗？无论粉丝还是看客，都必须承认，英伟达是一个商业奇才。作为最传奇的数字经济股，它的营收远低于英特尔或Meta，但市值却遥遥领先，这显然不是“技术信仰”所能够解释的。

用黄仁勋本人的说法，英伟达历史上几次具有里程碑意义的关键技术推出，背后其实都是对自家 GPU 技术的发展成果进行了“泛化”（generalize），发现它居然可以做更多不同的事情。

究竟是新需求催生了新产品，还是新产品激活了新需求，这是一个“鸡生蛋蛋生鸡”的问题。但我们可以从英伟达的行动与结果的相关性中，总结出一个屡试不爽的模板：

在主流需求未曾触顶的时候，扩充丰富产品线，哪怕“穿马甲”也要全面布局，将利基市场挖掘到最大价值；而一旦主流需求出现颓势和退潮，超过当前市场需求的核弹级产品就会被抛出（当然功耗也爆炸了），再次点燃大众和华尔街对GPU的想象空间，进一步英伟达的估值推向新高。

比起“卷王之王”，英伟达更像是稳坐钓鱼台的姜太公，把全球消费者和产业界拿捏得明明白白。

四次供需“反弹”，英伟达的算力霸主之路

英伟达的算力霸主地位，究竟是怎么实现的呢？细数历史上的几次里程碑事件，会发现有四次关键“反弹”。

第一次反弹：个人电脑的增长风暴。

从1993年成立到1999年这段时间里，英伟达在群雄林立的显卡市场中并没有占据太大的领先优势。

当时研发显示芯片的厂商多如牛毛，除了IBM、索尼、东芝等半导体巨头，垂直赛道如Matrox、3dfx、Trident、S3 Graphics都曾引领风骚。英伟达先后发布的NV1、NV2都没有什么竞争力，差点破产。1999发布的TNT2（也就是“NV5”）虽然夺得了性能桂冠，但速度只比NV4提高了10％至17％，跟主要竞争对手3dfx Vodoo3也没有拉开差距。

于是，第一个“核弹”来了，英伟达推出了NV10，也就是GeForce 256——第一款专业图形处理核心，直接轰开了个人电脑游戏加速的市场。

在此之前，GPU显示芯片都属于固定功能的芯片，而GeForce 256的出现，成为了第一款“集成了转换、照明、三角形设置／剪裁和渲染引擎的单芯片处理器”，能够每秒处理至少1000万个多边形，让GPU可以从CPU手里接管大量几何运算的工作，解决通用计算无法解决的问题，极大地推动了PC游戏、创意设计等对GPU的需求。

为了充分发挥GeForce 256的计算潜力，英伟达还基于该芯片推出了Quadro框架，服务于专业绘图工作站，用来帮助创意和技术人员更高效地工作。随后又推出了可编程 shader，让开发者可以在GPU上发挥更多创意，比如3D渲染、游戏开发、特效制作等……

用黄仁勋的话来说就是：鼓励或者调动全球人民的激情，让他们了解什么叫三维的图形处理器，给他们提供很多工具进行创新。

GeForce256发布的第二年，英伟达就接到了微软的订单，为Xbox视频游戏机开发显卡。此后靠的则是“半年更新、一年换代”的市场操作。GeForce系列产品线不断丰富、全面布局，覆盖了高中低端各类市场，还学会了穿“马甲”，在原有芯片基础上稍作提升和改进，就作为新系列快速推向市场。将竞争对手卷得苦不堪言，英伟达也因此占据了GPU市场70％以上的份额。

到了2007年，英伟达市值已经上涨了500％以上，被《福布斯》杂志评为年度公司。

第二次反弹：并行计算的强劲推力。

早在2006年，英伟达就推出了革命性的通用计算架构CUDA，以及通用计算硬件Tesla GPU。但在当时，深度学习并没有现在这般受欢迎，只有一些大型企业、研究机构需要GPU来进行药物发明、天气建模、金融分析等高性能计算任务。

英伟达是从何时起开始加大力度激活对GPU并行计算能力的需求呢？答案是2009年。

这一年，英伟达举办了首届“GPU技术会议”，面向“使用GPU解决重要计算工作的开发者、工程师和科研人员”布道。

2006－2009年间，市场发生了什么变化？受摩尔定律的统治，个人消费者对电脑显卡的性能需求开始倦怠了。

期间，英伟达其实也有不错的产品发布，比如重量级的Tegra移动处理器，集成了ARM架构处理器和Geforce GPU，功耗比普通PC笔记本电脑低30倍。产品虽好，却很难激发起消费者的澎湃热情，毕竟市场上还有那么多显卡在卖，只要愿意等，就能以更香的价格入手。

同时，因为一些被OEM整合到苹果、戴尔、惠普的笔记本当中的GPU缺陷，导致“异常故障率”而成为集体诉讼的对象。仅2008年第一季度，英伟达的收入减少了约2亿美元。股价也从37美元一路跌到6美元左右。

于是英伟达开始加大高性能计算领域的布局，在首届GPU技术会议上，推出了代号为 “Fermi” 费米的下一代CUDA GPU架构，并大力宣传GPU在大规模并行计算任务的优势。

费米架构作为“核弹”是称职的，一方面，它的性能很高，基于该架构的Geforce 4系列产品在性能上成功压制了竞争对手，但这一架构的功耗和发热量也十分恐怖。

无论如何，自此之后，英伟达在计算领域广受欢迎，2010年全球最快的超级计算机天河－1A，就采用了7168颗英伟达的Tesla M2050 GPU，将大规模并行GPU与多核CPU结合，成为当时异构计算的代表。

2012年深度学习三巨头之一Geoffrey Hinton及其学生Alex，使用GPU来加速训练深度神经网络，在ImageNet竞赛中一鸣惊人，掀开了人工智能第三次浪潮的大幕，进一步带动了英伟达GPU的销量。

（Geoffrey Hinton 和 Alex Krizhevsky、 IIya Sutskever）

AI需求的增长，还帮助英伟达开拓了汽车市场，紧接着2013年发布的Geforce GTX Titan泰坦，代表了开普勒架构的顶级水准，成为自动驾驶汽车和高级驾驶辅助系统的算力基础，支撑关键的计算机视觉功能。

人工智能从学术界到工业界的强劲需求，推动了GPU价格和英伟达股价水涨船高，完成了一次惊艳世界的“反弹”。

（NVIDIA DRIVE）