全球十大顶级芯片设计巨头•美国英伟达

                                                                2022-07-09   青野云麓

NVIDIA（纳斯达克股票代码：NVDA）是一家人工智能计算公司。公司创立于1993年，总部位于美国加利福尼亚州圣克拉拉市。美籍华人Jensen Huang（黄仁勋）是创始人兼CEO。

1999年，NVIDIA定义了GPU，这极大地推动了PC游戏市场的发展，重新定义了现代计算机图形技术，并彻底改变了并行计算。2017年6月，入选《麻省理工科技评论》“2017 年度全球50大最聪明公司”榜单。

2020年7月8日美股收盘后，英伟达首次在市值上实现对英特尔的超越，成为美国市值最高的芯片厂商，这也是2014年后再次有新面孔站上美国芯片企业市值第一的位置。

在GTC 2020主题演讲中，NVIDIA宣布推出Ampere架构，这是NVIDIA发布的第八代GPU架构，包含超过540亿个晶体管，性能相较于前代提升了高达20倍，也是NVIDIA 8代GPU历史上最大的一次性能飞跃。NVIDIA A100是首款基于NVIDIA Ampere架构的GPU。作为一款通用型工作负载加速器，A100还被设计用于数据分析、科学计算和云图形。

2020年5月21日，NVIDIA发布了截至2020年4月26日的2021年第一季度财务报告。第一季度收入达30.8亿美元，较同期的22.2亿美元增长39%。数据中心收入创下11.4亿美元的纪录，较同期增长80%。GAAP毛利润率创下65.1%的纪录。

2022年，NVIDIA荣获美国最佳工作场所奖。

2022年3月7日，NVIDIA宣布存储方案提供商 Excelero加入NVIDIA。

NVIDIA创始人兼首席执行官：黄仁勋

黄仁勋（Jensen Huang,译：黄健生、黄健森），美籍华人，祖籍浙江省青田县。NVIDIA公司创始人兼首席执行官。1993年创办NVIDIA（全球最大显卡芯片厂商）。2001年黄仁勋在《财富》“40岁以下最富40人”排名第12位。黄仁勋为人不张扬，国内很少有人知道这位杰出华人的成功之路。其实他的成绩已经足够与王嘉廉和杨致远等华人IT精英并驾齐驱。同时，他经常被用户亲切地叫作“老黄”。

2020年，福布斯全球亿万富豪榜排名第51位，财富值98亿美元。2021年4月，福布斯全球富豪榜发布，黄仁勋以118亿美元财富位列榜单第186名。 

2021年11月，入选《福布斯中国•北美华人精英TOP60》。

黄仁勋于1963年2月17在中国台湾省台北市出生，1972年与家人迁往美国，后来被送往美国肯塔基州一间基督教学校就读，完成课程后迁往俄勒冈州。15岁时参加美国乒乓球公开赛，在青年组双打赛事中夺得季军。1984年于俄勒冈州立大学取得电气工程学位，其后在斯坦福大学取得硕士学位。

黄仁勋曾在AMD（1983年-1985年）及LSI Logic（1985年-1993年）工作。

1993年创立NVIDIA。黄仁勋是圈子里有名的工作狂，他曾经解释自己为何如此狂热：为了我们的孩子们，让他们的将来更好一些。

雪球：英伟达的前世今生

1993年成立的英伟达Nvidia，开始的20年，是一家专业做显卡的公司。

令人讶异的是，2015年后，英伟达突然业绩狂飙、估值狂飙，股价6年上涨70倍，目前市值超过8000亿美元，成为了全球市值第八大的公司。（位列Facebook之后）

英伟达近年业绩和估值突涨的原因是什么？

这家公司与元宇宙、智能驾驶、人工智能有什么关系？

带着这些问题，下面我们来看看英伟达的前世今生。

一、创始人

提到英伟达，不得不提它的创始人兼CEO黄仁勋。

黄仁勋，祖籍浙江，1963年出生于宝岛。9 岁时，他和哥哥被父母送到了美国，原本父母想着两个孩子能去美国找舅舅接受点好的美式教育，然而结果却是被穷困的舅舅送到了当时不怎么太平的肯塔基州的乡村寄宿学校——传说那里的孩子们出入带刀，身上刺青，黄仁勋在这里学会了抽烟和爬墙上树。而为对付恶劣环境，黄仁勋找到了一个保护自己的方式，那就是课余帮学校最强壮好斗的“大哥”补习功课。

智商摆在那里，学霸到哪里都是学霸。

即便进的是渣渣学校，勤奋好学的黄仁勋16岁仍然轻松考上了俄勒冈州立大学学习电子工程。随后他在斯坦福取得了硕士学位，而这也是他迈入硅谷的第一步。

毕业之后，黄仁勋先后在AMD以及LSI Logic工作过，并取得了丰富的技术经验。在这期间，对黄仁勋之后的事业有着重要影响的一件事就是他在设计部门工作了两年之后主动调到了销售部门。这让他对于产品开发设计与市场都有了更深刻的认识。

1993年，30岁的黄仁勋和另外两个伙伴一起创立了公司，并担任CEO，成为了那个时代半导体行业最年轻的CEO和创始人。

黄仁勋在一次演讲中说：

创立公司时，我清楚地记得当时兜里只有200美金，而市场上当时已经有250个竞争对手，而且还包括很多大的公司，像IBM、HP、索尼、富士通、东芝等等，还有太阳微系统（SUN），以及其他的半导体公司。

是什么使得英伟达成为历史上成长最快的半导体公司？

黄仁勋认为，是因为他们专注于世界上最复杂的、最困难的视觉计算问题。

很多人认为NVIDIA公司是一个游戏公司，倒也没什么错。

过去，人们的娱乐就是读书、听音乐，看电影，但今后人们会希望有更多的互动，希望有三维图形，讲述一些更加互动的生动的故事。

我们做的最重要的事情之一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，让他们达到创新和受鼓舞的感觉。

二、困难的开始

1993年，当NVIDIA始做显卡，同类已林立，有些风投判断“市场已基本饱和，再成立类似公司前景不光明”。黄不相信，他在两年后坚持推出第一款产品，结果市场也给了他一张冷漠的脸。

工程师们经常会犯的一个毛病是：做出一些宏大的设计，引起技术圈的阵阵惊叹，但未必能让市场掏钱——“NV1”正是这样一出骄傲的悲情剧。

虽然这款产品在3D图形娱乐行业开初即表现了不拘传统的风格，并相当有野心想成为全方位PC平台娱乐霸主，但因性能不具备比竞争对手太多的优势，而且与系统格式兼容性不够，NV1销量冷淡。意气风发的NVIDIA为此举步维艰，一度运营资金只能维持30天运转。

那时，如果不是日本世嘉公司及时给了一张订单，NVIDIA可能早已消亡。因NV1同时集成了声卡功能，世嘉希望NVIDIA能为其设计一个类似芯片，后来世嘉意识到计划不可行而中途放弃，但照样支付了钱，NVIDIA却为此逃过“30日生死劫”。

三、新“显卡王”

此后，黄仁勋偶尔还会将“Thirty Days”挂在嘴边，这是NVIDIA的第一堂课——教导黄要向市场学习，要足够谦逊——但在这堂课中，形成了黄仁勋信念中重要的一条也是后来成为公司文化准则之一的东西，那就是“及时纠错，绝不把时间浪费在悔恨上”。

事实上，此时全球PC图形硬件市场已如同战国，以研发芯片为主的厂商多如牛毛，而如新贵3dfx甚至已抓住机遇成为PC 3D游戏新领袖，它在1995年发布的第一款产品Voodoo赢得了市场阵阵掌声——还显稚嫩的NVIDIA，急需在新产品上有所突破。

1997年，AGP作为PC平台显卡接口出现在主板上，专门应付对宽带需求越来越高的3D加速卡，这项技术变革成了NVIDIA快速上升的一个 通道——次年，当NVIDIA推出芯片代号为NV3的AGP 3D加速卡，这一极具锋芒的“Riva 128”成为当时市场上唯一真正具有3D加速能力的2D+3D AGP显卡，Voodoo在性能和价格优势等方面遭致重大威胁。

1998年，英伟达与台积电达成战略合作，将其显卡交付台积电生产。双方合作的第二年，英伟达提出了GPU概念。这一处理器后来被整个电脑和游戏行业所采用。

随着英伟达的GPU备受市场追捧，为其代工的台积电也快速成长。

1987～1991年，台积电的销售复合增长率一度达到74%。多年以来，台积电的销售平均复合增长率也达到了19.7%。业界人士都认为这是个奇迹。

英伟达也在那几年里也保持了每年70%的复合增长率。英伟达CEO黄仁勋半开玩笑地说：“如果等我自己建厂生产GPU芯片，我现在可能就是一个守着几千万美元的公司的安逸的CEO。”

1999年，NVIDIA出货量达到1000万个，他攒下了第一桶金。随后，NVIDIA乘胜追击的产品成功拿下3D系列性能王冠，在多个领域打垮了竞争对手。

当经典产品“Riva TNT2“到来时，NVIDIA市场份额已首次超越3dfx。2000年12月，NVIDIA将后者收购并取而代之成为新为了“显卡之王”，中间仅用了22个月。

四、冒险成为GPU“之父”

由于现代计算机(尤其是家用系统、游戏发烧友)中，图形处理器正变得越来越重要，黄感觉到，计算机行业开始需要一个专门的图形核心处理器。这正是GPU的由来，它是相对传统CPU的一个概念。

GPU未来的趋势，就像眼睛一样，透过眼睛看到外部的世界。

对专业领域外人而言，要理解GPU的原理有点复杂。构建游戏画面渲染的模型为三角形，通常，渲染分两步走，第一步是决定三角形顶点位置和颜色，这部分工作以前都在CPU上进行；第二步才是显示芯片上决定三角形内部的所有点和颜色。

而GPU已能把三角形顶点的渲染从CPU中解放，改由显示芯片做。换言之，GPU开始使显卡能分担CPU在3D计算机中的几何运算工作，让显示芯片不再只是像像素填充机和三角形生成器，从而减少对CPU的依赖，

但革命是很痛苦的。通过案例分析，管理大师克里斯坦森曾在《创新者的困境》一书中指出：那些真正重要、突破性的创新常在起步之初遭至主流市场的拒绝；同时，已成规模的大公司须时刻提防只将资本与技术集中在当前客户需求量最大、最能使公司获利的产品上，因为过分关注客户意见而不去寻求未来产品的新用户，这只会毁掉公司。

这是黄仁勋记忆深处感受最深刻的一本书，它直击了他的痛苦，但也指引了希望。事实上，当NVIDIA在做第一个GPU产品时冒了相当风险，因为前期调查没有客户表示要这个东西。想起这段日子，黄仍然心悸，他后来说：“其实可能也没有人知道自己需要什么。因为事情经常是这样，你没看到过一个东西，就不会知道自己是否需要。”

所幸黄选择了坚持，原因是：他认为虽然没有看到眼前市场，但看到了客户方向。

1999年8月，NVIDIA启用GeForce作为品牌推出了第一款GPU产品——“NV10”，即“GeForce256”

五、“摩尔定律”与“黄氏定律”

英伟达推出了GPU概念后，有了台积电等代工厂的生产能力加持，黄仁勋提出了与“摩尔定律”并称的“黄氏定律”。

业界的摩尔定律是每18个月推出新品，性能翻一番；而英伟达会投入三倍人力做同一件事，6个月就推出新品。用速度抢生意。

那时候，英伟达产品每6个月升级一次，功能翻一番。而也正是在这种快速的产品更新频度下，使之后跟不上NVIDIA节奏的对手们陆续离场。

黄仁勋的投资也从不手软，每年研发支出约达营业额的20％至30％之间。相较之下，一般美国科技业者平均仅约3％。

坚持做只有你能做而别人做不来的事，追求独特是英伟达的基因。

那时候英伟达出了显卡性能好，但发热情况也很让人头痛，因此被中国网友调侃为：“老黄核弹”，黄仁勋被称作“核武狂魔”。比如GTX系列的旗舰卡，以致于2010-年左右的用户圈子里还流行过用显卡煎蛋的活动。

同一时期，芯片领域除了GPU，还有另一战场，即英特尔与AMD在CPU领域的对垒，但相较于后者，黄所从事的行业之战更为残酷，原因是 ——这里的玩家不仅包括NVIDIA、ATI，还有其它一些能生产中低端GPU产品的厂家，比如英特尔，因为它们产品虽不如前者，但在很多应用方面也能满足用户需求。

也由此，NVIDIA只有拼命往前跑才不会死掉。

这就是科技公司一个相当危险的地方，你得时刻警惕未来在哪里，否则根本无法判断现在身处何方，因为没有足够清醒的反应能力，冷不丁你就会被甩出场外。

2004年初，黄仁勋再次抓住新接口标准PCI Express大普及的机会，依靠其产品Geforce 6800 Ultra重夺回3D性能头把交椅，并通过2006年底发布的革命性产品Geforce 8800 GTX，创下了其旗舰级3D娱乐显卡的销售记录。

从1999年至2006年，在NVIDIA与ATI双雄并进与对抗7年后，ATI被AMD收购。合并伊始，业界不看好这对“CPU老二+显卡老二“的”弱弱联合“，但这一行业急火流星般的竞速结果远超品牌等要素。

六、撞上时代大运

到2012年，上天为准备好了的英伟达掉下一块“大馅饼”，这个馅饼就是2012年的ImageNet比赛。在这个比赛中取得突破的AlexNet的发明人亚历克斯就使用了英伟达的GPU，证明了GPU非常适合用于有许多并行计算的神经网络，比CPU快得多。在这之后的几年，其他人都开始采用GPU，比谁能将网络做得更大，层数更多。从此以后，GPU成了神经网络计算的引擎，相当于CPU对电脑的作用一样。

黄仁勋年轻的时候从来没有想到，计算能力可以通过神经网络突飞猛进，他以为在他一生中不可能实现的事情，在人工智能的时代到来时实现了。

为什么GPU会成为神经网络计算的引擎？训练神经网络就相当于调黑盒子上的旋钮，调旋钮是通过数学的算法调的，这些旋钮动辄几十亿个，需要大量的计算。传统电脑用的是CPU，用CPU去调旋钮相当于调完第一个再调第二个，一个一个按顺序来，虽然现在CPU很快，但神经网络的旋钮实在太多了，连CPU都招架不住了，这时候GPU就出现了。

GPU和CPU不一样的地方是它一次可以同时调成千上万个旋钮，原来CPU几年才能调完的活GPU几天就干完了。GPU的出现，让神经网络可以更大，因而处理能力更强，从一个纯学术的研究项目变为有巨大商业价值的工具。

深度学习需要用GPU的主要有两类：模型训练和识别。前者不光要处理大量训练数据，还要不断地试验不同的模型和参数，因此运算量巨大，一个训练模型可能要成百上千个GPU来算。识别的计算量少很多，但是用户多（例如谷歌、Facebook的用户都以10亿计），所以总的运算量更大，通常是模型训练的几十倍甚至上百倍。由于几乎所有的深度学习都从英伟达买GPU，所以英伟达芯片一直供不应求，其股价此后一路飙涨。

面对如此大的权力和利润，其他公司都心有不甘。首先是英特尔不甘心被摘下霸主桂冠，开始在CPU里集成更多的核心，2017年的Xeon Phi（处理器）里面多达72个核。但CPU毕竟还要做许多其他事情，单论深度学习还是远不如同档次的GPU。

七、智能驾驶

芯片在汽车自动驾驶或机器人上使用需求很大，这一类芯片的耗电不能太大，例如在电动汽车里，芯片耗电不能使电池巡航距离降低超过1%。对成本有一定的要求，计算速度也要比较快。目前英伟达的GPU是各大汽车厂商的首选，英伟达也将自动驾驶作为最重要的布局领域。

AMD、高通、英特尔都在竞争这块市场。高通曾经想以440亿美元收购荷兰半导体厂商恩智浦（NXP）公司，因为恩智浦的芯片已经广泛用在汽车的各个控制系统里。2017年3月，英特尔以153亿美元收购以色列汽车视觉公司Mobileye，从而在高级辅助驾驶系统（ADAS）市场实现领先。AMD联合了原本是英伟达合作伙伴的特斯拉开发适用于自动驾驶的AI芯片。在巨大的市场潜力的吸引下，一些新创公司也进入这个领域。但整体而言新创公司在这个市场的机会也比较小，原因类似：研发成本太高，客户（汽车公司和它们的一级供应商）大而保守等。

医疗、生命科学、能源、金融服务、制造业、娱乐业和汽车业的研究人员正以疯狂的速度进行创新。2017年，特斯拉（TSLA）展示了一款配备英伟达Drive PX硬件的自动驾驶汽车。这辆车成功地通过了繁忙的住宅区街道、蜿蜒的乡村道路和州际公路，然后在公司门前停下。

戴姆勒、奥迪等传统公司也在使用Nvidia提供的神经网络算法来推进它们的自动驾驶平台。Nvidia最新制造的人工智能计算机Drive PX Pegasus每秒可以进行320万亿次计算。这足以处理相机、激光雷达、超声波和任何其他需要完全自动化的传感器数据。它装在一个饭盒大小的容器里。

与此同时，Nvidia正在推出人工智能新产品，占领新市场。

2017年12月，Nvidia发布了Titan V，这是一个价值3000美元的显卡工作站。然而，它并不是用于图形处理，而是将Nvidia的GPU计算平台扩展到下一代工作站。投资者应该关注这种前瞻性思维，这就是伟大的公司该做的。如今，GPU是人工智能领域的标准配置。从大学研究人员到比特币矿工，聪明的程序员正在利用这个平台挑战学习的极限。在这个过程中，Nvidia试图摆脱半导体业务的周期性。

八、元宇宙与孪生虚拟世界

“我们今天所做的一切将会自动化。”黄仁勋在最近的一次演讲中描绘了对未来数字和人工智能自动化的设想，从虚拟人、工厂到城市，NVIDIA的Omniverse平台正助力创造一个又一个虚拟世界。

他认为虚拟世界的规模将远大于物理世界，在虚拟世界中，创意人员将制造出比物理世界里更丰富多样的东西。

虚拟世界有很多建设者，而创建数字孪生虚拟世界的基础平台Omniverse则是为这些建设者而生，无论是设计师、科学家、创意人员还是企业，均可用它来大规模建造虚拟世界。

黄仁勋说，NVIDIA专注于虚拟世界模拟引擎，以便每个公司都能在很多方面使用它解决现实问题。“我们是做技术基础设施的。”他强调，NVIDIA不是做应用平台和服务，引擎、算法、数学、计算机系统、硬件、系统软件等，这些才是NVIDIA所擅长的。

“Omniverse与游戏引擎大不相同。”黄仁勋说，它是面向数据中心规模设计的，有朝一日有望能达到全球数据规模。

每个公司几乎都可以从数字技术中受益，大公司有很多数字孪生世界用于工程、运营或软件开发，包括设计、训练和持续监控未来机器人建筑、工厂、仓库和汽车的平台。

NVIDIA的自动驾驶汽车也有数字孪生，用于生成数据、模拟、绘制地图等。黄仁勋也多次展示过NVIDIA如何在Isaac训练机器人中用到数字孪生。

自去年年底推出以来，Omniverse已被500家公司的设计师下载了7万次。

黄仁勋表示，3D图像与电子游戏图形截然不同，电子游戏的大部分内容是在人类创造的虚拟世界中预先渲染的，而在“元宇宙”世界，必须强调环境、光线、物理、堆叠等所有的东西，必须完全实时，也必须能扩展到非常大的世界。

另外，这必须是个让人工智能可以适应的地方。无论是自动驾驶、自主机器人还是会说话的机器人，都离不开人工智能的支撑。

九、重新定义英伟达

在黄仁勋看来，虚拟世界将如同今天的互联网站那样不断涌现。技术不仅催生了虚拟世界，还允许不同的代理，不同的人连接到虚拟世界。

首先，加速计算，正在重塑从芯片、系统、加速库到应用的全栈式计算，这会带来50倍的提升。

其次，深度学习的兴起引发了现代AI革命，从根本上改变了软件。深度学习编写的软件具有高度并行性，这使其更有助于GPU加速并可扩展到多GPU多节点，扩展到像DGX SuperPOD这样的大型系统，使速度又提高5000倍。

最后，通过深度学习编写的AI软件，预测结果的速度能够比人工编写的软件快1000-10000倍，这彻底改写了我们解决问题的方式，甚至是可以解决的问题。

50 x 5000 x 1000 = 2.5亿倍。

当一个重大问题的解决方案触手可及时，投资就会到来，比如当下对AI、机器人和自动驾驶的投资，通过加速计算在数据中心大规模实施人工智能将极大提高模拟性能。

科学遵循物理定律，而研究人员正在创建AI模型，使其学习物理并做出符合物理定律的预测。机器学习在改善物理模拟方面的应用，一直在以难以置信的速度增长。

黄仁勋相信，加速计算、Physics-ML和巨型计算机系统的结合，可实现Million-X百万倍的飞跃，并提供更多机会。

这也是NVIDIA的特别之处，不仅在晶体管层面，而是实现包括系统层、算法层、应用层在内的全栈优化。在某些非常重要的应用中，我们可以看到加速100万倍计算。

在演讲结束时，黄仁勋宣布将构建Earth Two（E-2）数字孪生地球，来模拟预测气候，并透露“将需要使用迄今为止发明的所有技术，来造第二个地球”。

除了在气候科学外，他相信在分子动力学和生命科学领域，也有机会将计算规模提高100万倍。

十、总结

从做显卡、3D显示、到成为人工智能计算的引擎；再到创建数字虚拟世界的基础平台；

英伟达一直致力于研究最困难的技术问题，黄仁勋提出“黄氏定律”，比摩尔定律对产品迭代创新的要求更高，通过在超高的研发投人，不断狂奔式的提高产品性能。

同时，在技术线路的选择上，充分把握客户与市场的发展方向；终于使英伟达打败了3DFX，战胜ATI，市值超过了AMD，英特尔等一众老对手。

英伟达的突围之路，就是技术和研发公司的取胜之道。

英伟达：数据中心与游戏业务双双大增

英伟达第三季度财报中，其71亿美元营收主要由游戏、数据中心、专业可视化和汽车四大板块构成，而令投资者看好英伟达的核心原因在于英伟达在游戏以及数据中心业务方面的突破，这两项业务不但保持了快速的增长势头，也是营收的主要推动因素，均高于市场预期，成为推动英伟达市值上升的“两板斧”。

游戏是英伟达的业务核心，根据数据，英伟达占有目前全球83%游戏显卡市场份额，由于在该领域相较于英特尔、AMD等对手具有明显的产品竞争优势，造就了其第三季度游戏营收32亿美元的业绩，相比去年同期的22.7亿美元增长了42%，较上一季度同比增长5%。

　　不过，英伟达财报中对于其游戏业务具体增长客户群体并未做出详细说明。据了解，这其中不仅包含了游戏玩家，还有大量虚拟数字货币“矿工”，由于比特币、以太币等众多类型的数字虚拟货币“开采”时都需要更高算力显卡支持，导致英伟达的游戏显卡在近一年的销售市场上供不应求。

　　不过，在财报中英伟达将显卡销售增长统称为“游戏”业务，但实际因“挖矿”用户带来的增长占比却不得而知。

　　从另一角度来看似乎也说明这一问题，英伟达虽然看到了其显卡在虚拟数字货币领域的优势，也在今年三月推出了专用于挖矿的显卡产品CMP，但其销量非常一般。今年第一财季，英伟达CMP的销售额为1.55亿美元，到第二财季达到2.66亿美元。但第三财季的CMP销售额只有1.05亿美元，环比下降60%，英伟达还预计第四财季该产品的销售将降至“微不足道”的水平。

　　这其中的原因，一方面是由于游戏显卡的高性价比，另一方面也是其在二手市场的高流通率所导致。如今，全球芯片短缺造成的供需失衡，尽管大部分游戏玩家对游戏显卡的需求非常旺盛，但也有很多“矿工”选购英伟达游戏显卡，这也导致英伟达在游戏显卡领域的持续盈利。

　　其次是数据中心，英伟达三季度的数据中心营收为29亿美元，相比去年同期的19亿美元增长了55%，成为营收增长的最强动力。今年6月，英伟达再次获得了来自微软的订单，其Azure云平台使用英伟达A100 GPU支持的虚拟机成为焦点，由于疫情影响下的远程办公趋势不断加强，利好云服务提供商，更高算力和更强的AI处理能力离不开GPU领域的先进技术，这是英伟达数据中心业务持续走强的原因所在。

　　英伟达首席财务官Colette Kress提到，该领域的增长主要由对GPU需求的“超级客户”的销售来推动，这其中就有亚马逊AWS、微软Azure、谷歌Google Cloud等客户，由于英伟达GPU产品线丰富，配套编程环境更加成熟，因此广受AI开发者好评。近些年由于语音和图形数据处理等人工智能任务高速增长，也推动英伟达数据中心板块增长迅速，有望超过游戏成为第一大业务。

　　此外，专业可视化业务增长也十分迅速，该领域营收5.77亿美元，较去年同比增长144%，较上一季度同比增长11%。但在汽车业务上，第三季度营收为1.35亿美元，较去年同比增长8%，较上一季度同比下降11%，整体来看，专业可视化业务和汽车业务目前处于上升期，但尚未在营收中占有重要比重，英伟达尝试用“四条腿”走路，但这两条腿尚未成长起来。

不过，财报中值得关注的是其营运开支和净收入的提升比重，本季度相较于去年同期，营运开支提升25%达到19.6亿美元，而净利润相较于去年同期增长84%达到24.64亿美元，这也反映出英伟达强悍的赚钱能力。

　　英伟达在显卡芯片领域的份额的快速增长，导致目前该领域“一家独大”的市场格局，面对如此竞争，英特尔和AMD在内的其他竞争对手开始对英伟达发起挑战。

　　2019年，英特尔以20亿美元收购以色列半导体公司Habana Labs，用于加强英特尔在数据中心，尤其是人工智能产品方面的技术实力。今年3月，英特尔展示了其首个百亿亿次级计算GPU产品——Ponte Vecchio，拥有超过1000亿个晶体管，可以每秒执行四万亿次浮点运算。它由47个被称为“魔术贴”的芯片组成，包括了逻辑、存储器和I/O控制器，使用不同节点的工艺制造，是现阶段英特尔先进技术的集大成者。

按照英特尔官方说法，这款产品和其过去任何产品都不同，“几乎在所有部分都进行了重新设计和重组”，并且“在提出概念后仅用两年时间就诞生了，而一般情况下需要数年的时间”。其主要竞争对手便是英伟达，官方表示Ponte Vecchio GPU中的Xe HPC内核，拥有8个矢量引擎（512 位）和8个矩阵引擎（4096 位），从而能够在高性能图形计算领域发挥作用。

很显然，英特尔对GPU领域寄予厚望，按照官方描述，随着Ponte Vecchio在2021年的横空出世，有望在今年开始对HPC GPU领域的竞争对手（很显然是英伟达）实现赶超。该产品会作为超级计算机加速器使用，但具体效果如何，目前尚未可知，不过看起来，英特尔在多年沉寂之后也对GPU领域开始了反攻。

AMD则在不断挑战英伟达在消费级游戏显卡市场的统治地位，尽管从2015年的Fury X，2017年的RX Vega到2019年的Radeon VII，AMD的挑战几乎都以失败告终。在去年11月，AMD又一次发起进攻，推出了RX 6000系列显卡，尝试通过价格撼动英伟达的统治地位，但截至目前，英伟达依旧牢牢把控着83%的市场份额，而AMD则占据17%市场份额，在消费级别市场当中，由于英伟达在研发投入以及技术方面的领先优势，AMD要想追赶甚至超越难度很大。

这其中的原因十分多样。综合来看，一方面，由于英伟达的先发优势且持续重金加码GPU领域的技术研发，竞争对手较难找到机会超越其产品优势。从财报研发中也能看出，在过去的十年中，英伟达在研发方面的支出超过了主要对手AMD，而且这种差距在持续扩大。根据财报，今年前三季度，英伟达研发投入达到37.98亿美元，而AMD的研发投入为18.83亿美元，前者是后者的二倍。

另一方面，芯片行业的规模效应以及生态效应也十分重要。较好的编程环境，长时间的开发者合作打造了英伟达在显卡领域的专业壁垒，亚马逊、阿里巴巴等新晋挑战者们尽管在硬件领域的差距会渐渐缩小，但如何能够构建和英伟达相似的生态壁垒是需要面对的重大挑战。

　　站在“虚拟世界”的起点

　　英伟达在1999年推出了世界上第一款GPU——GeForce 256，自此开始，这家公司在GPU领域一路狂奔，并在2008年成功转型，打造了CUDA编程模型和适用于服务中心的Tesla数据中心GPU，自此不再仅仅局限于PC市场 。

　　由于GPU平台而相较于CPU更擅长于大规模并行数据处理和渲染图形，这为今天英伟达在游戏、AI与机器人(300024,股吧)、数据中心、数字孪生等领域的多点渗透打下了重要基础。而利用软硬件结合的优势，英伟达成功从游戏硬件服务商进入到AI服务商，也即将迈入元宇宙中，英国人工智能芯片设计公司Graphcore联合创始人兼首席执行官Nigel Toon曾如此点评：“英伟达的GPU之所以有效，是因为他们创建的软件库、框架和优化比对手更出色。”

　　这种优势成为英伟达涉足AI领域以及“元宇宙”的入场券，根据官方最新数据，其开发者数量已接近300万，CUDA在过去15年总计下载量达3000万次，过去一年下载量达到700万，而几乎所有与AI计算相关的科技公司都会采用英伟达的GPU作为其硬件平台。黄仁勋表示，不仅是一般开发者，包括微软、三星、Snap等在内的25000多家企业客户都在使用NVIDIA的AI推理平台，这证明了英伟达在软件平台上的市场号召力和生态壁垒。

另外，英伟达还将目标瞄准“元宇宙”这个当下最热门的领域。英伟达尝试创造真实场景，真实声音，以及制作这些的更便利的工具平台，于是就有了前不久公开的Omniverse Avatar平台、NVIDIA Quantum－2、Omniverse Replicator等产品。

Omniverse Avatar是用于3D工作流程的虚拟世界模拟和协作平台——NVIDIA Omniverse的一部分，这是一个具有光线追踪3D图像效果的交互式角色，每个人都能创建自己的虚拟分身，他们可以看到、说话、谈论各种主题，并合理地理解表达意图，作为英伟达打造“元宇宙”的一部分，它的出现是将协作机器人和虚拟助手进一步带入我们如今习惯的虚拟世界中。Omniverse Avatar所使用的语音AI、计算机视觉、自然语言理解、推荐引擎、面部动画和图像元素，均由英伟达自主研发的软硬件协作完成。

　　除此之外，英伟达NVIDIA Quantum-2则是推动英伟达前进的硬件助推器。按照英伟达创始人兼CEO黄仁勋的说法，“Quantum-2所提供的超高性能、广泛的可访问性、以及高安全性，正是云计算供应商和超级计算机中心所需要的。”曾经需要耗费几个月时间的模拟，现在只需要几天就可以完成，当英伟达创造出属于自己元宇宙软件的同时，硬件部分的优势也进一步在强化。

　　甚至包括Omniverse Replicator的出现，也是为了吸引更多开发者加入，通过这一用于训练深度神经网络的合成数据生成引擎，他们能帮助开发者更快速创建训练AI所需的海量数据(603138,股吧)。

　　和Meta、微软、苹果这些老牌对手相比，站在“元宇宙”门前的英伟达，早已抢先布局。因为对英伟达而言，数据越多、利润越高。