美国商务考察 | 英伟达 AI 算力与图形技术研学

　　1963年，台北。

　　一个叫黄仁勋的男孩出生。九岁那年，他和哥哥被父母送往美国，投奔华盛顿州的叔叔。

　　临行前，母亲罗彩秀做了件外人看来近乎疯狂的事。这位只会说闽南语的小学教师，拿出一本英文字典，每天从里面随机挑出十个单词，让两个儿子背熟。她完全不懂这些词的意思，更不会检查发音对错。她只做一件事——坚持。

　　多年后，黄仁勋在访谈中回忆："我做几乎所有事情的方法都是：这还能有多难?"

　　这句话，后来支撑他走过无数次生死关口，最终把一家从餐馆餐巾纸上诞生的公司，带到五万亿美元市值之巅。

　　餐巾纸上的赌局

　　1992年底，加州圣何塞一家Denny's餐厅。

　　三十岁的黄仁勋坐在卡座里，对面是两位Sun微系统的芯片工程师——克里斯·马拉考斯基和柯蒂斯·普里姆。三个人在餐巾纸上涂涂画画，讨论一个疯狂的想法：做一款能在PC上实现逼真3D图形的芯片。

　　当时，图形芯片市场几乎不存在。没人相信个人电脑需要3D。

　　1993年4月，三人凑了四万美元，在加州弗里蒙特注册成立公司。公司最初连名字都没有，所有文件上只写"NV"——next version。后来为了注册，他们翻拉丁词典，找到"invidia"，意为"嫉妒"。他们希望做出的产品，让对手嫉妒得眼睛发绿。

　　英伟达，由此诞生。

　　黄仁勋是三人中最年轻的，只有三十岁。另外两人却推举他做CEO。普里姆后来解释："从第一天起，我们就基本上把决策权交给了他。"

　　第一堂课：世嘉的700万与NV2的坟场

　　创业的剧本，从来不是线性向上的。

　　1995年，英伟达推出第一款产品NV1。这款芯片同时拥有2D、3D图形处理和音频能力，看起来功能强大。但它基于方形绘图法开发，不兼容微软主推的三角形绘图标准Direct3D。售价贵，标准偏，销量惨淡。

　　但NV1的集成方案吸引了一个大客户——日本世嘉。当时世嘉正与任天堂激战，需要下一代主机Dreamcast的图形芯片。世嘉豪掷700万美元，资助英伟达研发NV2。

　　天降甘露。

　　然而团队犯了一个致命错误：固执地坚持方形绘图路线，不向主流标准妥协。结果NV2研发失败，Dreamcast难产。700万美元烧完，产品出不来，资金链濒临断裂。公司账上只剩够发一个月工资的钱。

　　黄仁勋做了一个艰难的决定。他飞往日本，面见世嘉社长入交昭一郎，坦诚相告：因我的错误，芯片已无继续开发的必要。

　　说完这句话，他等待对方翻脸。

　　但入交昭一郎沉默片刻，做出了一个出人意料的决定——按合同全额付款。

　　多年后黄仁勋回忆这段往事，把它归结为"正视错误，谦卑求助"。他说，正是那次坦诚，让公司捡回一条命。

　　濒临破产的危机感从此刻进骨子里。此后三十年，他在公司每月例会上必说一句话：

　　"我们距离破产只有30天。"

　　RIVA 128：赌上一切的翻身仗

　　活下来的英伟达，在1997年推出第三代产品RIVA 128。

　　这次，他们学乖了。RIVA 128是全球首款128位3D处理器，完全兼容微软Direct3D标准，性能是竞品的四倍。上市四个月，狂销100万片。

　　公司活了。

　　但黄仁勋知道，真正的转折点还没到来。

　　1999年1月22日，英伟达在纳斯达克挂牌上市。同年8月，推出GeForce 256——世界上第一款GPU(图形处理器)。

　　这个产品的意义，远超当时所有人的认知。

　　在此之前，3D渲染主要靠CPU运算，效率低下。GeForce 256把完整的3D几何变换、光照计算、渲染管线集成进单一芯片，让CPU可以腾出手干别的活。这不是一次性能提升，而是一次计算范式的转移。

　　游戏开发者第一次可以自由发挥想象力。电影特效第一次可以在桌面电脑上渲染。虚拟现实第一次有了硬件底座。

　　更重要的是，GPU第一次展现出"通用计算"的潜力。

　　六亿美元的豪赌：CUDA

　　2004年到2007年，英伟达顺风顺水。

　　但黄仁勋心里装着另一个疯狂的想法：让GPU不仅能处理图形，还能做通用计算——科学计算、机器学习、密码学。如果这个想法成真，GPU将从一个图形加速卡，变成通用计算引擎。

　　2006年，英伟达推出Tesla架构和CUDA(统一计算设备架构)。开发者可以用C语言直接在GPU上编程，调用上千个核心并行计算。

　　这是一次跨界变革。也是一次豪赌。

　　CUDA开发的前五年，英伟达投入超过六亿美元。但营收跟不上，利润和股价持续低迷。投资人坐不住了，轮番找黄仁勋谈话，要求调整路线，砍掉这个"战略浪费"。

　　黄仁勋顶住所有压力。他相信一件事：并行计算的时代终将到来，届时CUDA就是入场券。

　　2012年，一个叫Alex Krizhevsky的学生用英伟达GPU训练了一个卷积神经网络，在ImageNet图像识别大赛中把错误率从25%直接降到15%，震惊学术界。那个网络叫AlexNet。

　　人工智能的寒武纪大爆发，从那一刻开始。

　　2016年，OpenAI刚成立不久。黄仁勋亲自送去一台超级计算机DGX-1，在机箱上写下签名。那台超算后来训练出GPT。

　　CUDA的五年苦熬，最终等来了属于它的时代。

　　放弃：比坚持更难的抉择

　　2010年，移动互联网浪潮席卷全球。

　　英伟达也想分一杯羹，推出Tegra系列移动处理器，用于手机和平板。但很快发现一个致命问题：GPU追求极致算力，功耗高、发热大。手机空间太小，散热跟不上，装上就发烫。

　　2014年，黄仁勋做出一个艰难决定：彻底放弃手机芯片市场。

　　这在外界看来是撤退，是认输。但他很清楚：当你的核心能力与战场不匹配时，越坚持越危险。

　　退出手机市场后，英伟达把资源投向两个新方向：自动驾驶和机器人。

　　十年后，这两个方向各自成长为数十亿美元的业务。

　　架构的演进：从G80到Blackwell

　　从2006年Tesla架构开始，英伟达保持每两年左右更新一代架构的节奏。

　　2008年Fermi，第一款带L1缓存和ECC纠错、面向超级计算机的架构。2012年Kepler，支持双精度计算，性能比Fermi提升三到四倍。2014年Maxwell，针对低功耗场景优化，每瓦性能翻倍。2016年Pascal，首个为深度学习设计的架构，支持主流深度学习框架。2017年Volta，引入Tensor Core，专门加速矩阵运算。2018年Turing，增加RT Core，支持光线追踪。2020年Ampere，新增对TF32和BF16的支持，优化稀疏矩阵计算。2022年Hopper，引入Transformer引擎，专为大模型优化。

　　2024年Blackwell，推理性能比H100提升30倍。

　　每一代架构，都是对下一代计算需求的预判。黄仁勋说，英伟达不是一家硬件公司，也不是软件公司，而是一家"加速计算"公司。

　　汽车生意：从卖芯片到"总承包商"

　　很多人不知道，英伟达在汽车领域的布局，比大多数人想象的更深。

　　2026年1月，英伟达开源自动驾驶模型Alpamayo。同月，与Uber达成合作，目标是2027年部署10万辆L4级自动驾驶出租车。

　　这不是简单的芯片买卖。英伟达提供的是"三台计算机"：DGX用于云端训练AI模型，OVX用于仿真测试，AGX用于车端推理。

　　车企买的不只是芯片，更是全栈解决方案。英伟达的工程师团队长期驻场，帮客户优化算法、跑通模型。这种"教练式"服务，让竞争对手很难撬动客户。

　　黄仁勋说，中国是全球第二大计算市场，全球约50%的AI研究人员在中国。"对于美国科技公司来说，进军这个市场至关重要。"

　　五万亿美元的"幸存者"

　　2025年10月29日，英伟达市值突破五万亿美元，成为全球首家达到这一市值的上市公司。

　　从1993年Denny's餐厅的餐巾纸，到2025年五万亿美元市值，这中间隔着一连串的生死劫：

　　NV1失败，差点破产;NV2失败，靠世嘉的宽容捡回一命;RIVA128翻身，GPU诞生;CUDA烧钱六年，投资人施压;移动芯片撤退，转型自动驾驶。

　　每一次生死关口，都是黄仁勋口中那句"我们距离破产只有30天"的注脚。

　　有人问，英伟达的成功秘诀是什么?

　　黄仁勋的回答，和他九岁那年母亲教他背单词时一样简单："这还能有多难?"

　　这不是狂妄。这是三十年穿越无数生死后，养成的一种心法：把不可能，当作只是还没做到。

　　那位不会说英语的母亲，用一本字典和一个信念，教会儿子最重要的事：比会不会更重要的，是敢不敢硬着头皮上。

　　2026年，黄仁勋六十三岁。黑皮衣，皮靴，手臂上纹着英伟达logo。他依然每天工作14小时，没有固定办公室，在总部四处走动，随时坐下来开会。

　　他依然在每月例会上说那句话：我们距离破产只有30天。

　　这是创业三十二年后，他给五万亿美元公司留下的唯一不变的东西。

　　如果您也希望带领团队深入这片创新的源头，实地感受硅谷与英伟达的脉搏，我们诚挚邀请您关注我们的 美国商务考察 定制行程。在这场深度的 美国考察 之旅中，我们将带您走进硅谷科技巨头，与行业专家深度交流，探寻从车库创业到万亿市值的底层逻辑。特莱德游学 将为您搭建一座连接东西方商业智慧的桥梁，让每一次远行，都转化为企业生长的动力。中瑭国际，您的全球商务考察与游学定制专家。详询18612017571。

　　从餐巾纸到五万亿，英伟达的故事证明了一件事：

　　活下去，才有资格谈未来。